Management

Qué es data-driven management

Partimos de una definición acerca de qué es una empresa que basa su estrategia de toma de decisiones en datos. Son aquellas que hacen un uso cotidiano de los mismos porque son parte de su cadena de valor. En otras palabras, son aquellas organizaciones que ven en su estrategia organizacional como un todo integrado con los datos. Procuran conectar los datos entre sí, dar alineación estratégica y bajarlos a la realidad organizativa para hacer foco en sus objetivos de corto, mediano y largo plazo.

Claramente los datos son mediados por herramientas tecnológicas que además atraviesan una fase de storytelling (es decir, la construcción del relato interpretativo de los datos) y la posterior toma de decisiones.

No existe data driven management sin la cultura del dato. Las organizaciones que implementan este modo de gestionar, saben cuál es la importancia del dato, hay alineación en la interpretación de los mismos y para todos los indicadores el significado es unánime. También aquí radican dos valores culturales claves: se comparte la información y se confía en los datos.

Fundamentos

Basado en el análisis de datos y el diseño de un modelo matemático para la predicción que se desea hacer, debe darse un escenario apropiado para la implementación de esta estrategia.

En ese sentido, los aspectos culturales de la organización son claves pues, los datos tendrán un protagonismo que debe ser aceptado por los y las líderes de la organización:

• Se cuida la calidad del dato.
• Se utilizan distintas fuentes de recopilación.
• Se invierte en la infraestructura tecnológica respectiva.
• Se utilizan técnicas estadísticas para poder revisar patrones de conducta o tendencias que sean suficientemente significativas para dar soporte a las decisiones de los estrategas de las organizaciones.

La precisión en este procedimiento, así como la respuesta ágil, colaborará entre la alineación estratégica y los objetivos organizacionales y los indicadores de gestión que se identifiquen como correctos.Estos son en sumatoria sus fundamentos. Para ponerlos en marcha, es necesario prestar atención al contexto empresarial.

Importancia en el entorno empresarial

La ventaja competitiva, aquel elemento distintivo, es una búsqueda continua de toda organización y por ello, el entorno es condicionante. Distintas herramientas ayudan a diagnosticar ese entorno y si la organización sigue el modelo de data driven management, sin dudas se posicionará mejor entre sus competidoras.

A continuación, se mencionan algunos ejemplos de herramientas que colaboran en el diagnóstico del contexto y son compatibles con la implantación del liderazgo basado en datos. El análisis DAFO (Debilidades, Amenazas, Fortalezas y Oportunidades), el análisis PESTEL, que contempla el análisis político, económico, social, tecnológico, ecológico y legal-normativo, el análisis CANVAS, que mediante preguntas clave invita a pensar en apartados estratégicos de las empresas.

En línea con lo anterior, las estrategias, la cultura, las políticas, la gobernanza de los datos deben estar en armonía. Este último concepto se vincula con los lineamientos, el cuidado y la calidad del dato. Cómo se gestiona el dato: recolección, consumo, interpretación, estructura de la información, su almacenamiento. Cómo se explotará la información o cómo la vamos a interpretar. Esto marcará sin lugar a dudas, la sostenibilidad de la organización en el tiempo.

Diferencias con una gestión tradicional

En este apartado se invita al lector a la reflexión y a definir por qué se opta por liderar basándose en datos. Repasemos:

• ¿Cómo se tomaban antes las decisiones?: Basándose en la intuición, las experiencias pasadas o porque siempre se hizo así… no se cuestionaba a las jerarquías, ni los roles que cada quien ocupaba. Vale la pena decir que la cultura tradicional era jerárquica, descendente.

• ¿Cómo era el uso de la información?: Era “espasmódico” si me permiten la metáfora. Es decir, ocasional, parcial, a veces… Los datos estaban ahí, como en un cajón.

• ¿Cómo era la velocidad de respuesta?: Creo que cae de maduro, era lenta!

• Entonces ¿se valoraban los datos?: Queda claro que en la gestión tradicional nadie reparaba en los datos, incluso han sido moda los “indicadores de gestión” que como dije al principio del artículo, nadie los leía. Por el contrario, por qué es ventajoso liderar haciendo foco en los datos y las métricas, lo vemos enseguida.

Beneficios de liderar basándose en datos y métricas

Liderar basándose en datos y métricas, fomenta la objetividad y da seguridad para los tiempos que corren. Ya lo decía Peter Drucker “no se puede gestionar lo que no se puede medir”, esto es la esencia misma del data-driven management. Primero, plantear objetivos claros y alineados a la estrategia organizacional, luego ejecutar decisiones en función de los datos y sus mediciones.

Asimismo, podríamos decir que permite anticiparse, porque una vez efectuadas las mediciones, con los datos arrojados, se pueden identificar posibles inconvenientes para la organización, así como también oportunidades que en el día a día no se vislumbran. Si hay una tendencia positiva, podemos reaccionar y ver cómo sostenerla, lo mismo si hubiera que efectuar un cambio de rumbo para paliar un desvío de los resultados deseados. Esto mismo permite fomentar la mejora continua y ahorra esfuerzos, ya que permite la identificación de procesos que deben revisarse y así optimizar los recursos organizativos maximizando la ventaja competitiva.

Mejora en la precisión de las decisiones

Tomar decisiones precisas implica despejarlas de la mayor cantidad posible de subjetividades, de opiniones, de prejuicios. Confiar en los datos y en las métricas claras, producto de la fijación de objetivos atinados, fomenta una cultura organizacional basada en hechos, en interpretación de datos, lejos de la intuición cambiante. Esto reduce el margen de error interpretativo.

En definitiva, si los datos y las métricas nos arrojan información objetiva, esto potencia la ventaja competitiva de la organización, ya que permite hacer foco en sus fortalezas e identificar áreas de mejora, así se encuentran oportunidades y se fomenta un ambiente de trabajo determinado, una cultura basada en la confianza y en la colaboración de la misma.

Identificación de oportunidades y riesgos

En línea con lo anterior, la objetividad en los datos y la toma de decisiones puede ayudarnos a generar oportunidades o expandirlas, a la vez que reducir riesgos. ¿Qué implica esto último? Al acceder a la identificación de riesgos potenciales podemos planificar o prepararnos para posibles situaciones.

En ese sentido, el contexto organizativo es importante de contemplar, así como también el análisis interno de la organización. Ciertas herramientas como el análisis CANVAS o PESTEL o DAFO, ayudan a las organizaciones a identificar esas áreas de trabajo distribuyendo los datos y la información predictiva obtenida. Lo que nos permite crear posibles escenarios y así minimizar o maximizar sus consecuencias, por ejemplo, incrementando la productividad, la ventaja competitiva o la reducción de costes innecesarios.

Optimización de procesos y recursos

Siguiendo la identificación de oportunidades y riesgos es que se puede detectar la necesidad de optimizar procesos y recursos, porque al acceder, por ejemplo, a una retroalimentación más inmediata mediada por el liderazgo apoyado en datos, se puede identificar en qué instancia se encuentra tú empresa.

Un ejemplo claro podría ser la herramienta de Autodesk, muchos arquitectos utilizan la herramienta de Autocad hace años en el diseño de sus proyectos, pero esta no nucleaba la totalidad de la información en tiempo real para que el resto de los empleados de las obras en construcción puedan acceder a ella. Con esta herramienta desarrollada con machine learning y utilizando el lenguaje de la jerga de la actividad, se ha logrado predecir inconvenientes de seguridad o de calidad de las construcciones. Esto ha hecho que todos los actores clave de una obra puedan obtener en vivo información que les permita liderar la obra y tomar decisiones adecuadas basándose en datos.

En el ejemplo confluyen dos cuestiones: data-driven management y optimización de procesos y recursos de las obras. Este es sólo un ejemplo, pero los desarrollos se encuentran disponibles en diversas áreas de la economía, la medicina, el entretenimiento, el deporte, la gestión de personas en las organizaciones etc.

Fomento de una cultura de mejora continua

Para poder liderar apoyados en datos las empresas deben fomentar la cultura de la mejora continua, pues al final si estamos alentando la toma de decisiones informada y significativa es para mejorar, es para mitigar riesgos e incrementar la ventaja competitiva. Sobre esto no hay muchas dudas.

Sin embargo, sí se presentan numerosos desafíos. Por ejemplo, que los miembros de la organización identifiquen y estén alineados con los beneficios de data-driven management y la aplicación de las soluciones que se propongan. También que vean con claridad por qué se opta por esta forma de gestionar.

Siempre recordar qué hizo que la organización adopte esta sistematización de la información y que las personas son un eslabón clave de la gestión de datos, no son ajenas a ella. Cuando hablamos de cultura de mejora continua, hablamos de una misión, una visión y valores claros que la orienten. Confiar en el talento interno, promover la toma de decisiones basada en datos y medir, son algunos de los lineamientos culturales básicos. En el escenario actual, esto es evolucionar.

Pasos para implementar una gestión basada en datos

Como venimos relatando, hay aspectos estratégicos y culturales que las organizaciones deben seguir si quieren gestionar de este modo. Hablamos de misión, visión, valores, objetivos organizacionales, en su conjunto una cultura organizacional que elija cursos de acción conforme a la información que obtenga.

Para ello, en los siguientes apartados revisaremos cómo establecer objetivos concretos que ayuden a medir y a alinear estrategia y datos. Asimismo, nos detendremos a analizar el ciclo del dato, es decir de dónde pueden salir estos, promover su calidad, en dónde habrán de almacenarse y cómo y quiénes serán los encargados de interpretarlos.

Por último y luego de definir roles, habrá que tomar decisiones concretamente y realizar un seguimiento de las mismas, sin perder de vista que se puede mejorar continuamente.

Definir objetivos claros y medibles

Gestionar a través del data-driven management nos lleva inmediatamente al trabajo previo que implica la definición de objetivos claros y medibles. Estos permiten obtener en consecuencia, resultados claves lo que mejorará la trazabilidad de la organización y por ende, las decisiones que allí se tomen.

¿Cómo se pueden definir?

Aquí siempre recomiendo seguir la regla nemotécnica SMART para fijación de objetivos. En la que la S refiere a específicos (ser detallados nos ayuda a dar claridad al objetivo), la M a medibles (es decir deben tener una unidad de medida asociada), la A refiere a alcanzables, la R a realistas (en ambas la idea es que sean atractivos para presentar un desafío pero que puedan concretarse a la vez) y la T se asocia a un lapso de tiempo determinado. No encuentro por el momento, otra metodología más concreta para transmitirles y aplicar.

Recopilar y centralizar datos relevantes

Para desarrollar este apartado, conviene repasar sucintamente el ciclo de vida del dato.

En primer lugar, identificar las fuentes de datos disponibles, luego proceder a la extracción de los datos (implica extraer, transformar y cargar). Otra instancia es la revisión del flujo de datos de la organización, a la vez que efectuar una limpieza de los mismos pos extracción y planificar su almacenamiento.

Por último, sin interpretación humana o de la Inteligencia Artificial para modelar e interpretar los datos nada de lo anterior sirve. También vale la pena mencionar lo importante que es la visualización y el storytelling de los datos de cara a quienes toman decisiones, ya que son ellos los que terminarán de definir qué datos son los relevantes para la organización y sus decisiones, cuáles conviene recopilar y centralizar.

Analizar e interpretar la información

Primero tendríamos que hacernos una pregunta o saber qué quisiéramos resolver a partir de una información. Es decir, plantearse interrogantes o cuestiones que llamen la atención o se hayan modificado en el último tiempo.

Luego, habrá que aplicar el ciclo del dato que vimos en el anterior apartado y una vez obtenidos los resultados identificar qué clase de análisis se efectuará: descriptivo o diagnóstico, predictivo o prescriptivo. Es decir, para cada tipo de análisis se debe seguir un modelo de trabajo e interpretación distinto. Y más adelante, efectuar una visualización de lo identificado utilizando herramientas de visualización de datos.

Cabría preguntarse, por otra parte, si existen en la organización habilidades para comprender los datos e interpretarlos. ¿El talento de la organización puede interpretar los datos, están formados para ello? ¿Hay un código común construido en torno al dato? Esto refiere a la gobernanza de datos: que sean los datos legales, que estén bien alojados, que estén encriptados, que sean accesibles a las personas que deben ser accedidos, estas son algunas de las cuestiones a contemplar.

Tomar decisiones informadas

Se podría sintetizar la decisión informada en las siguientes fases: obtengo los datos, los interpreto, pienso alternativas, escojo una. Pero claro, esto no es arbitrario, sino que según lo que representan los datos se pueden seguir distintos caminos. Por ejemplo: recomendaciones en base a simulaciones o modelos estadísticos que nos ayuden a planificar o anticipar movimientos estratégicos. También mediante correlaciones o comparaciones de variables podríamos dar respuesta a interrogantes o analizar causas y planificar nuevos rumbos.

Por su parte, el análisis predictivo nos ayuda a efectuar proyecciones sobre el futuro, desagregando mucha cantidad de información de alta calidad e identificando patrones de comportamiento.

A propósito de la toma de decisiones informadas, recordá que en OpenWebinars hay un Curso Data Driven Decision Making (DDDM): Toma decisiones a partir de los datos en el que podrás profundizar estos conocimientos.

Monitorear resultados

Una vez escogido un camino decisorio, lo natural es efectuar un seguimiento. Es decir, definir nuevas métricas (KPIs claves, Indicadores claves de performance) relacionados siempre con los objetivos estratégicos y que nos ayuden a identificar el impacto de las decisiones tomadas y evaluarlo. ¿Ha sido positivo o negativo el camino elegido? ¿Qué se podría mejorar sobre ello?

Para que lo mencionado funcione, debemos tomar de referencia los valores del diagnóstico anterior a la implantación de la solución o camino elegido. Será el punto de partida y de comparación posterior. Nuevamente se pondrá en marcha el ciclo del dato, identificando fuentes de datos, recolectando, haciendo su limpieza para que sean de calidad, almacenando y arrojando resultados factibles de interpretación. Es posible crear los llamados dashboard de seguimiento, que concretamente son monitores que nos permiten ver en tiempo real el comportamiento de los indicadores seleccionados.

Por último, nuevamente interpretar tendencias, desvíos etc. Calibrar o marcar un nuevo rumbo, si es necesario y comunicarlo, siempre.

Herramientas y tecnologías para el data-driven management

Aquí se abre un mundo de posibilidades, cuya elección dependerá de diversos factores como económicos o según la actividad, el tamaño de la empresa, el uso que se quiera dar a los datos. Es decir, se puede utilizar desde un Google Form hasta CRM o ERP como SAP u Oracle. También es importante mencionar que debe decidirse en dónde se aloja toda esa información. Por ejemplo, en plataformas cloud (en la nube) o en bases de datos relacionales de almacenamiento local, entre otras.

Por otra parte, habrá que definir si se utilizan soluciones de inteligencia empresarial, tales como Power BI, Tableau, RStudio, Machine Learning o Inteligencias Artificiales.

Finalmente, recordar que existen diversas herramientas para visualización de los datos: dashboards.

Software de análisis de datos

En los siguientes párrafos comparto algunos recursos útiles, no soy experta, sino que hablo desde la experiencia de usuaria, por lo que es un análisis muy sintético.

El Software más sencillo y accesible es Microsoft Power BI, es de los más populares también por esto mismo. Es intuitivo en su uso, es compatible con bases de datos por ejemplo excel o SQL y sencillo para los usuarios con los que tengas que compartir la información.

Otro que se ha difundido bastante en el último tiempo es Tableau, recomendado para análisis exploratorio y accesible para los usuarios también. Sirve tanto para visualización como para análisis de datos.

Google Looker Studio, es gratuito y accesible, también es compatible con las demás aplicaciones de Google y fácil de aprender a usar.

También están los clásicos: Excel o R o RStudio o SPSS, con distinto alcance estadístico, por supuesto.

Sistemas de gestión de bases de datos

Como venimos mencionando, el almacenaje de los datos es igual de importante que su utilización. Entonces, a continuación se mencionan algunas opciones a considerar según mi experiencia de usuaria, aunque la elección dependerá del volumen de datos, del tipo de información a almacenar, de las habilidades del talento interno, etc. Por ejemplo, si la empresa va a basar su liderazgo en datos, como mínimo estos deben poder integrarse en consultas, las llamadas bases de datos relacionales, SQL es la más conocida, pero hay tantas otras: Oracle, MySQL, SQL Server, etc.

Hay también otras herramientas disponibles para cuando se trata de información no estructurada y cuantiosa: Mongo, Redis, Neo4j, entre otros. A su vez, existe el almacenamiento en la nube tipo AWS (Amazon), BigQuerty (Google Cloud), Azzure de Microsoft, entre otras. Será mejor sopesar ventajas y desventajas antes de definir qué tecnología dará contención a los datos de la organización.

Soluciones de inteligencia empresarial (BI)

En su conjunto se trata de dashboards o pizarras digitales o la posibilidad de integrar distintos softwares de gestión, la alternativa de generar colaboración interna para poder interpretar reportes y tomar decisiones informadas, a la vez que acceder a la automatización de procesos organizativos mediados por IA.

Las compañías reconocidas a nivel mundial ofrecen esa clase de soluciones empresariales: Oracle, IBA, SAP, Google, Tableau y Microsoft, por ejemplo. Si quieres revisar casos de éxito puedes buscar información sobre Zara (Inditex), Spotify o Facebook o Meta.

Conclusiones

Para concluir, algo que no hemos mencionado pero siempre viene bien recordarlo, siempre buscar el apoyo de las autoridades máximas de la organización para implementar o pensar cualquier innovación. También define roles para la interpretación de datos, gestión de los mismos, directrices e implementación.

Recuerda que la cultura del dato es una prioridad, así como la alineación de los mismos a la estrategia organizacional. El futuro basado en datos es un hecho, numerosas son sus ventajas para dar sostenibilidad a las organizaciones.