Uno de las consecuencias que la transformación digital ha traído es la posibilidad de obtener datos de prácticamente todo lo relacionado a los modelos de negocios. A nivel interno, por ejemplo, se pueden obtener datos muy precisos sobre la salud financiera de una empresa, sobre sus operaciones o procesos y sobre su recurso humano. A nivel externo, las empresas pueden recoger información sobre hábitos de consumo de sus clientes, así como medir la eficiencia y calidad de sus proveedores.
Como consecuencia de lo anterior, muchas empresas están apostando por lo que se conoce como data science o ciencia de datos. El problema está en que en la premura por sacarle provecho a la enorme oportunidad que brinda la abundancia de datos, las empresas suelen omitir pasos importantes, como el plantearse hipótesis e intentar probarlas, o al menos, hacerse preguntas que orienten el análisis. El resultado es un mar de información inconexa, difícil de interpretar y que, a la postre, termina aportando poco o ningún valor a la empresa.
Dicho en palabras simples: muchas de las empresas que están incursionando en la ciencia de datos, se olvidan de la ciencia y se concentran solo en los datos.
Para sacar verdadero provecho a los datos disponibles, las empresas deben adoptar la mentalidad del científico. Deben observar y medir de forma sistemática aquello que desean entender. Deben hacer experimentos siempre que sea posible. Esto supone definir y operacionalizar variables para, en contextos controlados, determinar el efecto que unas tienen sobre otras. Y por supuesto, deben formular, analizar y modificar sus hipótesis, para ir construyendo un cuerpo de conocimiento que se haga más grande y robusto en el tiempo.
Lo anterior no es otra cosa que una versión simplificada del método científico. Si en su empresa tienen sofisticados dashboards o reportes, complejos almacenes de datos e incluso han contratado analistas, pero omiten lo descrito en el párrafo anterior, no están haciendo ciencia de datos y lo más probable es que no obtengan ningún retorno por la inversión hecha.
Thomas Davenport, autor del libro Competing on analytics: the new science of winning (2017) dice: “el análisis de datos en sí mismo no constituye una estrategia”. Pero el análisis de datos para entender y optimizar un elemento diferenciador de la empresa sí que lo es.
Está claro que la recolección de datos dejó de ser un problema hace tiempo. Si usted desea que su empresa se diferencie de la competencia, es momento de hacer más ciencia.
11-09-2018 / Retratos de Ramiro Casó, profesor de Incae y expositor del evento Perfil del Consumidor de El Financiero / Fotografía: John Durán (JOHN DURAN)
En beneficio de la transparencia y para evitar distorsiones del debate público por medios informáticos o aprovechando el anonimato, la sección de comentarios está reservada para nuestros suscriptores para comentar sobre el contenido de los artículos, no sobre los autores. El nombre completo y número de cédula del suscriptor aparecerá automáticamente con el comentario.
Escuchar:quality(70)/cloudfront-us-east-1.images.arcpublishing.com/gruponacion/WPGA5JBOSBHFNGFMILV67IHG4Y.JPG)
