Gestión enfocada en datos o Datafication

Juan Pérez es responsable de la operación de una franquicia. El corporativo le pide un porcentaje de atracción de clientes de un 70%, es decir, que a 7 de cada 10 clientes a los que les haya vendido alguna vez, les vuelva a contactar para una nueva venta. Sin embargo, a pesar de sus esfuerzos, Juan no pasa del 62%. El corporativo no entiende porqué, pues tiene los datos del 98% de los clientes, o al menos eso es lo que observan en su base de datos. 

- Es qué muchos son incontactables.

- ¿Cómo que incontactables?

- Es que los teléfonos no son correctos, o los correos electrónicos rebotan, no podemos contactarlos.

Típico caso de muchos datos, pero poca información. Dicen que la información es poder. Pero si se tiene la información, desorganizada, sin accesos simples, sin conclusiones sustanciales, ¿dónde queda el poder, cómo tomar las decisiones? 

De aquí nace la idea de la gestión enfocada en los datos, hacer que cada pieza de información cuente, que soporte alguna decisión empresarial, sea de contratación, diseño, mercado, finanzas, etc. 

Desde hace ya años, las compañías están generando multitud de datos debido a las ventas, los procesos productivos, las interacciones con los clientes y proveedores, las acciones de los empleados, la contabilidad, la logística, los inventarios, interacciones de mercados, investigación y desarrollo, entre otros. Sin embargo, muchos datos no son considerados en la toma de decisiones, debido a que están en sistemas anticuados, la recuperación es lenta, hay desorganización, o definitivamente no se tiene un estadístico que pueda interpretar o correlacionar la multitud de datos.

La gestión basada en datos, o datificación, fue un término acuñado en 2013, de acuerdo con Santos (2022), que busca no sólo sacar conclusiones a partir de los datos, sino nuevas soluciones de negocio identificando las tendencias, que antes no se podían obtener. Por ejemplo, las tendencias de algunas plataformas de comunicación permiten colocar los recursos mercadológicos con velocidad no vista antes. O los datos sugieren cambios en el diseño de algunos artículos, para adecuarlos a nuevos mercados o segmentos de reciente aparición, como las aplicaciones de IA.

Cabe aclarar que el acopio de datos por medios digitales no es similar a tener datos en medios tradicionales y simplemente digitalizarlos, pues se pierde la frescura; la datificación es el acopio en línea para el análisis inmediato. Si simplemente quiere digitalizar su archivo histórico, estará viendo una imagen en baja resolución, o definitivamente en blanco y negro.

Si usted tiene datos, y no los ocupa, o no los entiende, o no cambia sus procesos para la mejora, es como si no existieran. Contrate a un profesional de los datos, posiblemente un estadístico, un experto en marketing estratégico, o una compañía de cloud-computing que le permita el uso de herramientas mucho más sofisticadas que las que podría adquirir una empresa micro o pequeña (SaaS, software as a service, para empezar), para que le ayuden a organizar y proteger los resultantes de las interacciones, y disponga sus herramientas para el trabajo de rediseño a fin de entregar nuevas o renovadas experiencias. Si no lo hace usted, seguro alguien más ya lo estará pensando.

De hecho, y dado que mi área de concentración profesional es la administración por objetivos, los KPI pierden significado si los datos están incompletos, incorrectos, no son continuos (desactualizados), tienen distintas unidades (no son consistentes). Y eso sólo para ejemplificar los procesos que están en marcha, imagine cómo tomar decisiones para el futuro con datos "chuecos".

Referencias:

Santos, R. (September 15, 2022). What is datafication and why it is the future of business. Airswift. Recuperado de https://www.airswift.com/blog/datafication

Bersin, J. (2012). The datafication of HR. Deloitte. Recuperado de https://www2.deloitte.com/content/dam/insights/us/articles/dr14-datafication-of-hr/DR14_The_Datafication_of_HR.pdf

🔴 Si le gustó este texto, le fue de utilidad o cree que lo será para alguien más, mucho le agradeceré recomendarlo y/o compartirlo, y adicionalmente, le pido que me haga llegar algún comentario o recomendación para la mejora, ya que esta serie de artículos las incluiré en un libro que está en preparación; mi contacto es 300indicadores@gmail.com. Finalmente le invito a conocer mis obras:

📙 Indicadores clave de desempeño - Edición 2024: https://www.amazon.com.mx/dp/B0CTMXSKR8

📘 250+ ideas para su empresa: https://www.amazon.com.mx/dp/B08FBQQMKQ

📍 Página del autor: https://www.amazon.com/Alain-Salom%C3%B3n-S%C3%A1nchez-T%C3%A9llez/e/B01M0KOBVV

    

🎥 Página de Youtube: https://www.youtube.com/channel/

📌 Alfa de Cronbach: Encuestas coherentes

Una de las cosas que más he confirmado con el paso de los años, es que todo mundo es experto en hacer encuestas. En apariencia es muy simple, pero existe una ciencia para crear instrumentos de medición que efectivamente midan lo que se quiere medir, y no tengan sesgos, que capten la esencia de lo que el investigador quiera preguntar, y no simplemente lo que se quiera escuchar.

Por ello, es muy importante que el investigador, antes de aplicar su instrumento de medición valide el instrumento. De acuerdo con Quero (2010, p. 248), “La confiabilidad o fiabilidad, se refiere a la consistencia o estabilidad de una medida”, es decir, la ausencia relativa de errores de medición en un instrumento de medida. En palabras de McDaniel y Gates (1992), citado por Bernal (2010, p. 247) “es la capacidad del mismo instrumento para producir resultados congruentes cuando se aplica por segunda vez, en condiciones tan parecidas como sea posible”.

Existen diversas maneras de expresar la confiabilidad de un instrumento de medición, parafraseando a Quero (2010) son precisión, estabilidad, equivalencia, homogeneidad o consistencia interna, y hablando específicamente de este último concepto, se cuenta con el parámetro denominado alfa de Cronbach, que fue propuesto por el sicólogo americano Lee Joseph Cronbach en 1951, y de quién tomó su nombre; este indicador permite evaluar la confiabilidad o la homogeneidad de las preguntas y se utiliza cuando se trata de respuestas policotómicas, - las escalas tipo Likert (Corral, 2009); es importante mencionar que el alfa de Cronbach puede tomar valores entre 0 y 1, y que 0 significa confiabilidad nula y 1 significa confiabilidad total; para algunos académicos la prueba tiene confiabilidad cuando tiene valores por encima de 0.6, y para investigadores, como Quero (2010) y Hernández, Fernández y Baptista (2010), la confiabilidad es alta cuando el resultado se muestra por encima de 0.8.
 
    De acuerdo con Oviedo y Campo-Arias (2005), además del alfa de Cronbach, existen otras formas de hallar la consistencia interna de un instrumento de investigación; refieren la fórmula propuesta en 1937 por Kuder Richardson (conocida como KR-20), el método de Rulon de 1939, el coeficiente de Kristof de 1974, el coeficiente beta, desarrollado por Raju en 1977, y otros, pero son variantes del alfa de Cronbach. La popularidad de este indicador se debe a la facilidad de su uso, pues para el cálculo basta una sola aplicación de la prueba.

La aplicación práctica de esto, es para las encuesta que se generen en la empresa, y que requieran información que no tenga sesgos (y que genere material para la mejora), que pueda aplicarse en diferentes momentos con resultados confiables; típicamente, hablamos de la encuesta global de satisfacción, o instrumentos específicos que midan calidad en servicio, en entregas, etc.

 

💡 Cómo mentir con estadísticas

En esta ocasión, haré un breve resumen del libro "Cómo mentir con estadísticas", de Darrell Huff, escrito ya hace tiempo (publicado originalmente en 1954), y que se ha convertido en un clásico, aunque evidentemente los ejemplos que utiliza están situados hace casi 70 años y eso es muy notorio.

Yo conocí este libro hace varios años, y desde que lo leí me dejó una marca permanente, pues cada cifra que leo o escucho, puedo interpretarla de maneras diferentes, a la luz de quien la dice o quien la genera. El título del libro no hace referencia a un curso para enseñarle a mentir con los números, sino a las maneras en que usted puede ser objeto de un engaño de otras personas, y que pueda detectar esas prácticas.

Los datos, los números, son absolutos, aunque pueden expresarse de diferentes maneras y eso hace que se muestren distintas perspectivas. Se escucha distinto cuando dice "pasé de 2 a 3 eventos", a "se tuvo un aumento del 50%". Esto lo usan en su favor casi todos los políticos, cuando acomodan los números para su conveniencia personal, pero no sólo los políticos sino también un gran número de medios publicitarios. Como dice el autor, "los promedios y las relaciones, las tendencias y los gráficos no son siempre lo que parecen" (p. 6). Entre los puntos del libro que más llaman la atención, son los siguientes:

1) Lo primero, desconfíe de los resultados si no se detalla una muestra estadísticamente significativa. Siempre hay que preguntarse cómo se hizo el levantamiento, entre qué población, y si el resultado es extrapolable. Recuerde que el muestreo por conveniencia puede dar resultados engañosos. También es de poca confianza el resultado confirmado por alguien que dice "yo conozco un caso".

2) El promedio es una de las armas favoritas de quien quiere decir algo, sin necesariamente ser verdad ni mentira, es decir, no podría acusarlo de falsear la información pero tampoco deja de tener razón. Ejemplo: el ingreso promedio, la edad promedio, la escolaridad promedio, la vida útil promedio. Usado de manera adecuada para un cierto propósito, el promedio puede inducirle a creer algo, sin ser verdad plena.

3) Desconfíe de los resultados cuando no indiquen el margen de error o la desviación estándar. Por lo general, el resultado depende de un muestreo adecuado y siempre habrá un margen de error; si este dato no se indica, es posible que el resultado sea producto de una muestra conveniente en que el error es muy alto; o bien, es posible que el promedio sea diferente de las otras medidas de tendencia central (mediana y moda), que le daría más datos sobre cuán dispersos están los datos.

4) Cuidado con los gráficos: muchas veces se utilizan trucos visuales para impactar mas, como no iniciar los valores en 0, cambiar la escala de las Y, o cortar la gráfica para que el aumento o disminución parezca desproporcionado. Incluso puede graficarse un periodo en que los datos resultan favorables para un determinado propósito, y no es ilegal, sólo conveniente para una de las partes. También tenga suspicacia de los gráficos que utilicen figuras, pues pueden aumentarse desproporcionadamente, o el efecto tridimensional debe tomarse en consideración.

5) Sea cauto con las correlaciones. Dos variables pueden tener cierta influencia mutua, pero no necesariamente explicar totalmente un comportamiento, sino que puede haber un tercer factor en juego. Sin embargo, muchas veces puede omitirse el tercer factor y tratar de forzar una relación, con un propósito específico. 

6) Recuerde que en cómo le presentan los datos, puede haber una intencionalidad: no es lo mismo decir "el 70% de la población tiene acceso al agua potable", a "casi un tercio de la población carece de agua potable". El 30% restante está cercano al 33%, y por ello se usa el lenguaje para manipular una opinión. 

Con estos elementos, usted ahora puede ver con otros ojos los informes oficiales, las noticias, la publicidad. Ya no se irá con datos como "8 de cada 10 expertos lo recomiendan", "90% de las personas lo aprueban", "el 78% de usuarios volvería a usar nuestros servicios", "la cobertura de servicios creció 12% en el último año", sin antes atender al tamaño y composición de la muestra, cómo se obtuvo el promedio, cuál es la dispersión de los datos, sin fijarse en los periodos y las escalas de las gráficas, etc.

Como complemento de este apretado resumen del libro, le dejo el siguiente video que trata del tema de cómo se se usan las matemáticas para decir una verdad diferente: https://youtu.be/LXf4V6OLlyM

Espero que esta información le sea de utilidad en su práctica cotidiana, y si tiene la oportunidad, consiga el libro (aunque sea una versión viejita o usada) y dele una oportunidad a este texto que, como dije, es un clásico.

Referencias:

Huff, D. (1954). Cómo mentir con estadísticas.

🔴 Si le gustó este texto, le fue de utilidad o cree que lo será para alguien más, mucho le agradeceré recomendarlo y/o compartirlo, y adicionalmente, le pido que me haga llegar algún comentario o recomendación para la mejora, ya que esta serie de artículos las incluiré en un libro que está en preparación; mi contacto es 300indicadores@gmail.com. Finalmente le invito a conocer mis obras:

📙 Indicadores clave de desempeño - Edición 2024:   https://www.amazon.com.mx/dp/B0CTMXSKR8

📘 250+ ideas: https://www.amazon.com.mx/dp/B08FBQQMKQ

💰 Finanzas personales y familiares: https://www.amazon.com.mx/dp/B09364YT3S

📍 Página del autor: https://www.amazon.com/Alain-Salom%C3%B3n-S%C3%A1nchez-T%C3%A9llez/e/B01M0KOBVV

    

🎥 Página de Youtube: https://www.youtube.com/channel/UCaewn4WauMJHwsJ1lP4pLBg