¿Cómo centrar la Analítica de Datos en el Usuario?

Alicia y Mateo solían ir a la oficina en carro y encargar sus compras a la empleada a través de una lista manuscrita y dinero en efectivo. La cuarentena global lo cambió todo: hoy trabajan por videoconferencia, compran por e-commerce y pagan sin efectivo. La generación de datos correspondiente a esta digitalización está acelerando a tal ritmo que el mundo probablemente alcance los 100 zettabytes de datos el próximo año. Pueden visualizar ese número con 1 y 23 ceros a la derecha: 100,000,000,000,000,000,000,000…

Alentados por esta explosión de datos, los vendedores de plataformas para analítica de datos están desarrollando herramientas cada vez más automáticas y amigables. Al mismo tiempo, la mayoría de los proyectos analíticos fallan. Estimo que solo 20 a 35% de los proyectos analíticos logran crear valor y el resto – entre 65 y 80% – nunca nacen, no muestran impacto o no logran sostenerse en el tiempo. La explosión de los datos viene acompañada de otra: las horas perdidas por profesionales de alto ingreso.

Las causas principales del fracaso en los proyectos analíticos son conocidas y tienen que ver con procesos y personas, más que algoritmos o tecnología: el proyecto no responde a un problema de negocio relevante, no logra la adopción de los usuarios clave o el ‘buy-in’ de los ‘stakeholders’. La nueva realidad post-COVID 19 agudiza el problema.

Es urgente centrar la analítica de datos en el usuario para revertir la situación y así liberar el potencial económico de los datos, lo que nos lleva a la pregunta siguiente: ¿Cómo centrar la analítica de datos en el usuario?User-centered_business_analytics

Mi experiencia asesorando empresas peruanas en cómo mejorar decisiones de marketing, ventas o supply chain aplicando métodos analíticos me ha enseñado que la Ciencia & Ingeniería de Datos deben ser acompañadas de 3 capacidades complementarias para transformar data gobernada en valor sostenido:

  • Problem solving para definir precisamente el problema más relevante, resolverlo combinando la creatividad y los análisis de todo un equipo, así como testear la solución propuesta con 3 lentes: atractividad funcional para el usuario, factibilidad tecnológica y viabilidad económica.
  • Storytelling desde el primer día de proyecto para iluminar a cada miembro del equipo con visualizaciones efectivas e interesarlos aplicando una estructura narrativa adaptada a la analítica para el mundo corporativo.
  • Agile Project Management para saber cuándo y cómo iterar en las distintas etapas del proyecto – business case, preparación de datos, desarrollo, despliegue y adopción – para cumplir con los criterios de calidad del proyecto dentro de los tiempos y recursos disponibles.

He visto como la combinación mágica de problem solving, data science, data engineering, storytelling y agile project manangement permite alcanzar altas tasas de éxito en analítica avanzada. Busquen y desarrollen esas capacidades y, si además le suman pasión, estoy seguro de que podrán acercarse al 100%.

2 comentarios en “¿Cómo centrar la Analítica de Datos en el Usuario?

  1. Pingback: ¿Cuál es la importancia del Design Thinking en Analítica de Datos? | Christophe De Greift

  2. Pingback: ¿Cómo (re)activar iniciativas analíticas en cuarentena? | Christophe De Greift

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s