Cuando las personas se resisten a cambiar la forma en que toman decisiones, los proyectos de ciencia de datos bien intencionados están condenados al fracaso. Aquí se explica cómo superar los desafíos clave.
Durante mi última década de trabajo de consultoría global he visto surgir patrones de fallas comunes entre iniciativas de análisis de datos condenadas al fracaso.
A pesar de que se hace mucho hincapié en la precisión de los algoritmos, la mayoría de las iniciativas tienen dificultades para ofrecer información útil. Incluso cuando la información que se comparte es útil, a menudo la gente no se entusiasma con su uso.
Por último, los proyectos que sí logran una adopción significativa suelen perder fuerza una vez que finalizan las presentaciones y luego mueren lentamente.
Es probable que hayas visto este tipo de historias de fracasos. Sin embargo, abordarlas de frente no producirá grandes mejoras: son solo síntomas del problema, no las causas fundamentales.
Tres factores fundamentales causan esos síntomas:
A menudo, todo el proceso comienza como una iniciativa de ciencia de datos o lleva un nombre técnico, como proyecto de análisis predictivo. Esto aleja a los equipos comerciales. Dado el vínculo débil con los usuarios comerciales, es posible que el proyecto no aborde los problemas más importantes o los desafíos reales.
La mayoría de los seres humanos están programados para buscar comodidad en lo familiar. Esta inercia puede ser peligrosa para las iniciativas de análisis, que casi siempre implican cambios en los procesos de negocios o en los métodos de toma de decisiones.
Esta resistencia al cambio se ve amplificada por el miedo a la pérdida de empleos provocada por la Inteligencia Artificial (IA). Una emoción muy presente en la actualidad.
A pesar de la inmensa eficacia de los datos, a menudo es difícil atribuir los resultados empresariales a las iniciativas de análisis. Dado que varios factores pueden impulsar aumentos de ingresos o ahorros de costos, no siempre es posible vincularlos a decisiones basadas en datos.
En consecuencia, la incapacidad de cuantificar el ROI puede hacer que las iniciativas basadas en datos entren en una espiral descendente, en la que los líderes de proyectos desperdicien impulso y pierdan financiación.
Cómo y cuándos usar el análisis de datos basado en decisiones para que actúe a tu favor
Los líderes empresariales pueden abordar los factores descritos anteriormente adoptando las siguientes medidas.
¿Cómo empiezan sus iniciativas de datos? Intentar utilizar parte del presupuesto tecnológico disponible o idear proyectos piloto podría ser una solución técnica de impacto limitado.
En lugar de eso, identifica a las partes interesadas clave de la función empresarial, descubra sus mayores prioridades y puntos débiles y genere ideas. Obten claridad sobre los usuarios objetivo y cuantifica los resultados:
Un cambio organizacional exitoso comienza con una visión clara e inspiradora. Las transformaciones más efectivas ocurren en empresas donde los ejecutivos predican con el ejemplo y se basan en datos.
Los líderes deben comunicar la visión y explicar lo que significa para los usuarios, alentándolos a adoptar nuevos hábitos y a descartar los antiguos.
Es fundamental complementar este apoyo de arriba hacia abajo con programas de base impulsados por los usuarios. Involucra a los empleados mediante la colaboración colectiva de ideas.
Identifica embajadores que puedan compartir sus historias y difundir el trabajo entre sus pares. Ludifique el cambio con cuestionarios de datos, hackatones o concursos de narración de historias.
El mejor momento para definir los criterios de éxito es mientras se evalúa una idea de proyecto. Al priorizar los proyectos, los líderes deben definir los resultados comerciales esperados, cómo se medirá el éxito y los datos necesarios para calcular el ROI.
A menudo, estos datos no están disponibles fácilmente. Es posible que deba recopilar comentarios de nuevos clientes o desarrollar métricas alternativas de productividad de los colaboradores.
Si tu objetivo es obtener ingresos incrementales, es posible que deba encargar pequeños experimentos, como pruebas A/B, para evaluar el impacto de un proyecto.
Para medir el efecto de una herramienta de recomendación impulsada por IA en la venta cruzada. Por ejemplo, impleméntala en ubicaciones seleccionadas mientras mantiene el status quo en una ubicación similar para realizar comparaciones.
Así puedes potenciar la creación de una cultura de datos desde adentro hacia afuera
La cultura suele definirse como lo que hacen las personas en una organización cuando nadie las observa. Cambiar conductas profundamente arraigadas lleva tiempo, pero con un inicio comprometido y un refuerzo constante, es realmente posible.
La clave para el éxito de las transformaciones culturales radica en la combinación adecuada de esfuerzos de liderazgo de arriba hacia abajo. La encuesta de NewVantage Partners mencionada anteriormente reveló que solo el 28.3 por ciento de los líderes informaron haber establecido una cultura basada en datos en 2019.
Si nos adelantamos hasta hoy, esa cifra ha aumentado al 42 por ciento. Este tipo de cambio se produce de forma gradual: piensa en cinco años, no en uno o dos.
En realidad, crear una cultura de datos es una maratón. Los líderes que prioricen el apoyo ejecutivo respaldado por una ejecución meticulosa tendrán éxito en esta transformación.
Ganes Kesari es cofundador y científico jefe de decisiones en Gramener.