Saltar al contenido
Papeles de Inteligencia Competitiva

Datos, datos y más datos ¿por qué no me sirven para tomar decisiones?

datos-para-tomar-decisionesEn todos estos años dedicados a la inteligencia competitiva, los datos y la información han sido una parte fundamental de nuestro trabajo.

En las empresas, y mas en los entornos competitivos tan volátiles en los que nos encontramos, debemos confiar menos en la intuición y tomar decisiones con los datos objetivos de los que disponemos. Los que os dedicáis a esto sabéis del peligro de las ideas preconcebidas a la hora de tomar decisiones.

Pero ¿cual es la realidad de la mayoría de las empresas?

La mayoría de las empresas no son capaces de tomar decisiones basadas en datos.

Las empresas disponen de datos e información pero son incapaces de poner orden entre tanto caos. Y como consecuencia no son capaces de obtener una visión clara de la situación.

Por qué no somos capaces de tomar decisiones con datos

Según Tristan Elosegui, las empresas no son capaces de tomar decisiones estratégicas con datos por diferentes motivos. Pero principalmente lo achaca a 3 causas:

Causa nº1: El ruido es mayor que la señal de los datos

Los datos e informaciones nos llegan desde diferentes fuentes, en diferentes formatos y diferentes herramientas. Pero es que además lo hacen en gran volumen.

Así es imposible no saturarse y quedar totalmente vendido.

Causa nº2: Falta de contexto

Los datos que obtenemos muchas veces están faltos de contexto. Es decir no son relevantes para la toma de decisiones o la información que aportan no es accionable.

No podemos hacer gran cosa con ellos.

Causa nº3:Visualización limitada de los datos

Finalmente, las personas no podemos descifrar grandes cantidades datos porque nuestra mente no esta preparada para esto. Para comprenderlos necesitamos representar de una manera sencilla conjuntos de datos que nos permitan establecer relaciones visuales.

Para que una persona pueda tomar decisiones con datos necesita representaciones gráficas y Dashboards sencillos que agrupen miles o millones de datos dandoles sentido.

Small data el paso previo para tomar decisiones con datos

Pienso que todo esto es lógico.

El ser humano no esta preparado para tomar decisiones basadas en datos, porque nuestra mente, como personas que somos, sigue apoyándose en la intuición. Nuestra historia evolutiva así lo demuestra. Y solo somos capaces de tener en cuenta unas pocas variables a la hora de tomar decisiones.

Es por lo tanto necesario aprender a tomar decisiones con datos.

Pero esto solo es posible si conseguimos solucionar los problemas que menciona Tristan Elosgui.

Lo que parece de locura es que tratemos de pasar en las organizaciones de tomar decisiones basados en la experiencia a hacerlo confiando ciegamente en el Big Data.

¿Como creemos que esto va a salir bien si todavía no controlamos el Small Data? Que es el ámbito donde el ser humano y los datos pueden encontrar un punto de encuentro para tomar decisiones.

Aquí también Tristan tiene una respuesta que me ha convencido bastante y que puede aplicarse al ámbito del análisis del entorno empresarial. El modelo de madurez analítica digital.

Deberíamos por lo tanto hablar de un moldeo de madurez analítica del entorno. Con el objetivo de evolucionar de una organización que es incapaz de utilizar los datos en su proceso de toma de decisiones, a uno donde los datos formen tamden con la intuición.

Lo que propone Tristan es evolucionar dentro de la organización. Pasando por utilizar los datos en tres fases:

  1. Basic Data: una primera fase donde se recogen los datos útiles para la organización. Esta fase es básicamente manual.
  2. Small Data: una segunda fase donde se automatiza la recogida de los datos se utilizan softwares para la representación gráfica de datos y se construye un sistema o Dashboard
  3. Big Data: una tercera fase donde la organización esta preparada para analizar y utilizar grandes volúmenes de datos de forma eficaz y eficiente.

Yo pienso que en realidad debe darse un proceso de convergencia entre la intuición y los datos. Y este punto de encuentro es el Small Data. Donde los datos quedan traducidos en gráficos, histogramas y otros elementos visuales que facilitan la comprensión de los datos por parte de los humanos.

De esto depende en gran medida que seamos capaces de aprovechar la información como fuente de ventajas competitiva para nuestra organización.

¡Fuera humanos! toma de decisiones basadas en datos

Por último me gustaría mencionar a Julen Iturbe. Si bien es cierto que en el futuro y con la llegada del Internet de las cosas las capas de datos van a ser cada vez mayores. Julen nos previene de una realidad donde la intuición y lo humano sea totalmente relegado de la toma de decisiones en las empresas.

Personalmente no creo que esto vaya a ser así. Falta todavía mucho para que las empresas se integren y trasformen en organizaciones digitales.

Pero esto no significa que las decisiones se tomen sin supervisión humana. Solo que el flujo de datos digitales esta integrado en la organización.

De momento, el reto, esta en desarrollar los elementos que permitan integrar los datos en la toma de decisiones.  Y para eso es necesario recuperar los datos que responden a nuestras preguntas.

De ahí la importancia y relevancia del Small Data como punto de encuentro para la toma de decisiones y donde debemos hacer los esfuerzos.

Entradas relacionadas

Deja una respuesta

Responsable » Digital Research S.L con CIF/NIF: B86680667
Finalidad » gestionar los comentarios.
Legitimación » tu consentimiento.
Destinatarios » los datos que me facilitas estarán ubicados en los servidores de Hostgator (proveedor de hosting de Papeles de Inteligencia) Fuera de la UE.
Derechos » podrás ejercer tus derechos, entre otros, a acceder, rectificar, limitar y suprimir tus datos.

Comentarios (8)

Hola, Ramón
Has dado en el clavo: big data no significa únicamente mucha cantidad de información (volumen). También lo es un entorno con una generación muy rápida de datos (velocidad) y de gran complejidad (variedad). Las famosas 3 V’s.

Os dejo el enlace a un artículo en el que se habla de esto del small data (y del complex data) aplicado concretamente a la investigación científica.

http://www.datasciencecentral.com/profiles/blogs/top-10-capabilities-for-exploring-complex-relationships-in-data

La mayoría de los equipos de investigación científica profesionales de tamaño pequeño y mediano no disponen de un volumen de información muy elevado ni generan información a gran velocidad (porque precisamente su generación cuesta euros). Sin embargo, esos datos representan un modelo real muy complejo como el comportamiento del cerebro o la participación de genes en un proceso muy concreto.

Espero que os sea útil para entender el concepto y, por qué no, para saber que existen herramientas que ya se están desarrollando «con los pies en el suelo» para ayudar a tomar decisiones en este y otros entornos.

Responder

Hola Ray,

muchas gracias por tu aportación. Voy a leer con mucho interés este artículo.No me cabe duda de que el futuro pasa por sacar partido a los datos que vamos almacenando.

Un saludo
Ramón

Responder

Falta cultura de Datos. Todavía se resisten muchas empresas a usar los datos de los que disponen… que al final son los que les dan las claves de su negocio actual.

Responder

No te falta razón AnaCris. En parte se debe a los pocos ejemplos y a la limitación de las aplicaciones para mostrar la utilidad de estos. Pero no me cabe duda de que cada vez más empresas y organizaciones irán tomando conciencia de su importancia para las distintas actividades dentro y fuera de la empresa

Saludos

Responder

Interesante artículo y también los comentarios.

Quería hacer una mención especial a la poca importancia que se da a los sesgos cognitivos (cognitive biases) incluso en entornos dedicados a inteligencias no empresariales, es decir, en seguridad. Los sesgos cognitivos son aquellos que están siempre con nosotros y que sólo se pueden combatir por medio de procesos de apoyo, ya sean automáticos (por medio de aplicaciones), o personales (peer review, trabajo colaborativo, adiestramiento específico).

De todas las maneras, antes de afrontar los sesgos, habría que hacer bien el proceso básico de análisis, tal como señaláis.

Responder

Totalmente de acuerdo contigo F. Javier. Muy bien visto. No es nada habitual tener en cuenta los sesgos cognitivos. Y hacerlos ver a un cliente en ocasiones es complicadísimo. ¡Este tema ya es para nota!

Gracias por el comentario.

Algún día tendré que hablar de ellos pero no soy gran conocedor de la materia.

Saludos
Ramón

Responder

Otro gran artículo D. Ramón.
Mi pequeña aportación entra en el terreno matemático de lleno.
Si consideramos el conjunto total en sentido estricto de todos los datos disponibles, es obvio que solo podemos tratar una parte de ellos, más o menos grande, y de ese subconjunto de datos podemos extraer unas conclusiones, mejores o peores, directamente condicionadas con el subconjunto de datos tratado.
Cualquier otro analista de datos, hará exactamente lo mismo, o cuando menos parecido, pero lo que es obvio es que el subconjunto de datos que trate difícilmente coincidirá exactamente con el nuestro, por lo que las conclusiones que obtenga, deben de diferir en algo con las nuestras.
Si añadimos que los modelos y algoritmos matemáticos de tratamientos de datos son variados, más aún las herramientas para tratarlos, los equipos informáticos que se utilicen y la capacidad del volumen de datos a tratar, el resultado es que podemos obtener un abanico de conclusiones lo suficientemente amplio como para pensar si realmente merece la pena el esfuerzo empleado.
Saludos.

Responder

Hola M. Angel,

Pues tienes toda la razón. Es algo en lo que no había caído en el artículo. Pero el diseño de los algoritmos y el conjunto de datos o subconjunto de datos que tomemos para realizar las pruebas influyen en los resultados de los análisis.

Es lo del observador que afecta el comportamiento del fenómeno que observa. La única manera de evitarlos es contar con un buen estadístico. Y aun así para determinados análisis podemos meter la pata.

Un saludo y gracias por tu aportación

Responder