Cómo asegurarse de que no está utilizando datos solo para justificar las decisiones que ya ha

tomado.

¿Cómo puede una organización saber si realmente está permitiendo que los datos informen su
toma de decisiones, o si simplemente está utilizando análisis superficiales para justificar
retroactivamente las decisiones que ya ha tomado?

Tradicionalmente, las organizaciones han utilizado el análisis de datos como una herramienta de
retrospección, como un medio para responder preguntas como: "¿Llegó esta campaña de
marketing a nuestra audiencia deseada?" o "¿Quiénes fueron nuestros clientes de mayor valor en
el último año?" o "¿El compromiso alcanzó su punto máximo a intervalos regulares durante el día
o la semana?" Estas respuestas generalmente se basan en métricas, o indicadores clave de
rendimiento (KPI), como los porcentajes de clics, el costo por impresión y los puntos brutos de
calificación, que las empresas a menudo deciden demasiado tarde en el proceso.

Estos análisis descriptivos, es decir, análisis que miden lo que ya sucedió, son innegablemente
importantes. Pero son solo un poco jugadores en el drama mucho más extenso que se toma en la
toma de decisiones. Dentro de las organizaciones que realmente están basadas en datos, los KPI
no se extraen arbitrariamente de la nada, sino que se generan al comienzo de un proceso de toma
de decisiones. Más precisamente, no son los KPI de una organización, sino las preguntas clave del
negocio (KBQ), de las cuales los KPI son una extensión, que sirven como la piedra angular de su
éxito.

En su artículo de HBR Big Data: The Management Revolution, Andrew McAfee y Erik Brynjolfsson
llegaron a una conclusión similar, escribiendo: “Las empresas tienen éxito en la era de los grandes
datos no solo porque tienen más o mejores datos, sino porque tienen equipos de liderazgo que
establecen objetivos claros, definir cómo se ve el éxito y hacer las preguntas correctas ".

Sin embargo, llegar a "las preguntas correctas" es más fácil decirlo que hacerlo, ya que cualquier
investigación debe extenderse más allá de "¿Qué dicen los datos?" En mi agencia, nuestros KBQ
surgen de un riguroso proceso de cuatro pasos que nos obliga a aprovechar los datos a lo largo de
las fases de planificación de nuestras campañas de marketing. Aunque su aplicabilidad específica
puede variar ligeramente de una industria a otra, nuestro proceso proporciona un modelo
altamente procesable para implementar el análisis de datos de una manera proactiva y
transformadora; uno que guíe su toma de decisiones en lugar de justificarlo.

Paso uno: define tu propósito. Al comienzo de cada ciclo de planificación, una organización debe
hacer un esfuerzo concertado para involucrar a las partes interesadas de todos los rincones de su
negocio en una amplia discusión dirigida a definir el propósito de la campaña. Esto comienza con
enfocarse metódicamente en los desafíos que está tratando de resolver. ¿Estás tratando de
mejorar una calificación de satisfacción del cliente? ¿Cultivar lealtad a largo plazo entre un
subconjunto específico de clientes? ¿Aumentar la cantidad de productos que se envían desde un
determinado almacén?

No dude en interrogar el status quo y, cuando sea apropiado, desmantelarlo. Un historial de

maximizar las vistas de página no es en sí mismo una razón convincente para establecer un
objetivo renovado de maximizar las vistas de página. Da un paso atrás, examina el paisaje (tanto
interno como externo) y considera cuidadosamente si has definido tu propósito de acuerdo con
algo que no sea la fuerza del hábito.

Paso dos: Sumérgete en los datos. Una vez que una organización ha identificado su propósito,
debe realizar una encuesta exhaustiva de lo que ya sabe que es verdad. Esta es la etapa en la que
una organización debería responder: "¿Qué dicen los datos?" Dicho esto, debería hacerlo con una
mentalidad claramente prospectiva. En esta etapa del proceso, una organización debería tener
poco interés en evaluar, y aún menos en justificar, decisiones pasadas. La totalidad de su interés
debe descansar en cómo sus datos pueden informar su comprensión de lo que es probable que
suceda en el futuro.

Al igual que la etapa anterior, la etapa dos es altamente colaborativa. En la búsqueda de una
colaboración de base amplia, una organización debería democratizar sus datos en la mayor
medida posible, canalizándolos a manos de expertos y no expertos por igual. No todos en su
organización van a tener un doctorado en matemáticas o una formación profesional en ciencia de
datos, pero esto no impide que nadie se ensucie las manos con sus datos; después de todo, uno no
necesita comprender cómo funciona una herramienta para apreciar y aprovechar su utilidad.
Asegurar que las partes interesadas de su organización lleguen a un entendimiento mutuo no solo
de los hechos, sino también de su importancia, es fundamental para el éxito del resto del proceso.

Paso tres: Genere preguntas comerciales clave. Mientras que la etapa anterior empuja a una
organización al borde de su conocimiento organizacional, esta etapa la envía a lo desconocido.
Con un objetivo y un conjunto de supuestos acordados en la mano, la organización tiene todo lo
que necesita para comenzar a plantear KBQ o líneas de investigación que lo impulsen desde "¿Qué
queremos lograr?" a "¿Qué necesitamos saber para lograrlo?"

Utilizando el lenguaje preciso de definición de propósito que estableció durante la etapa inicial,
una organización ahora debe desafiar a las partes interesadas a hacer tantas preguntas como
puedan pensar, primero individualmente, luego como equipos. Buenas preguntas, malas
preguntas, preguntas evidentes, preguntas poco realistas: no importa. El objetivo es la cantidad,
no la calidad.

Si bien ningún tema o línea de investigación debe estar fuera de los límites, una organización
podría comenzar con estos:

• ¿Podemos predecir qué clientes tienen el mayor riesgo de cambiar a un competidor y diseñar
programas para disminuir ese riesgo?

• ¿Podemos predecir qué clientes tienen la mayor probabilidad de probar y posteriormente

adoptar nuestra marca, y diseñar estrategias promocionales de canales cruzados para llegar a ellos
de manera más efectiva?

• ¿Podemos identificar el precio óptimo para nuestra marca para maximizar el crecimiento a un
cierto nivel de rentabilidad?
• ¿Podemos repensar la forma en que nos comunicamos con nuestros clientes objetivo a través de
nuestra cartera de productos al comprender las combinaciones de productos que los mismos
clientes compran con mayor frecuencia?

En muchos casos, tal curiosidad sin trabas requiere fingir cierto grado de ignorancia; es decir,
pretender que no sabes lo que sabes o pretender que tus datos no existen. Esto puede ser una
especie de acto importante, especialmente para las organizaciones nuevas en el análisis de datos,
pero paga enormes dividendos si se ejecuta correctamente. La creatividad y la innovación son
fundamentales para esta fase de la generación de KBQ, y conocer demasiado sus datos existentes
es una receta para lo contrario.

Para un fin similar, puede ser valioso tomar los KBQ que genera y "invertirlos". Así como dibujar un
objeto al revés puede ayudar a un artista a reproducir con mayor precisión su imagen, reescribir
sus KBQ en negativo puede producir más "¡Ajá!" momentos de los que de otra manera surgirían
Considere la siguiente progresión hipotética por la que podría pasar una compañía farmacéutica:

Propósito: aumentar la adherencia a la medicación entre los pacientes a quienes se les ha

recetado el medicamento X.

KBQ: ¿A qué métodos de divulgación responden los pacientes no adherentes de manera más
confiable?

KBQ invertido: ¿a qué métodos de alcance no responden los pacientes no adherentes?

Este ligero cambio de perspectiva puede cambiar el juego. Como cualquier actividad relacionada
con el comportamiento humano, el marketing es una ciencia inexacta, y no se puede exagerar el
valor de restringir estratégicamente sus esfuerzos. La incertidumbre es mucho más apetecible, y
mucho menos problemática, cuando se sabe exactamente dónde existe que cuando impregna
toda su operación. En los negocios, las incógnitas conocidas son preferibles a las desconocidas.

Paso cuatro: Priorice sus preguntas comerciales clave. Solo después de que una organización haya
compilado una lista exhaustiva de KBQ debería comenzar a evaluarlos, criticarlos y priorizarlos. En
la práctica, algunos KBQ son altamente accionables pero carecen del potencial claro para tener un
impacto comercial, mientras que otros tienen el potencial de revolucionar su negocio pero son
altamente inactivos. Las ilusiones, las curiosidades y las mejoras incrementales son todas valiosas
desde el punto de vista situacional, pero centrarse en la búsqueda de KBQ de alto valor en última
instancia generará resultados significativos.

Transformando un mecanismo de defensa en un agente de cambio. Es tentador colocar el análisis

de datos en una coyuntura discreta en sus procesos operativos, pero la realidad es que los datos
no son algo para ser usado periódicamente, ni dentro de silos estrictos basados en proyectos.

Para generar resultados reales, una organización debe utilizar el análisis de datos a lo largo de su
ciclo comercial. La analítica descriptiva de hoy es la base de los procesos de planificación
orientados a KBQ del mañana, que a su vez son la base de un informe analítico prospectivo que
detalla cómo una organización responderá a sus KBQ de alto valor. Es esta arquitectura cíclica de
toma de decisiones mutuamente informativa que acelera la transformación organizacional e
interrumpe su fijación en el espejo retrovisor.

Como el físico ganador del Premio Nobel Niels Bohr dijo una vez: "Un experto es un hombre que
ha cometido todos los errores que se pueden cometer en un campo muy limitado". En ninguna
parte es esto más cierto que en los negocios. Un programa de análisis de datos bien concebido
permite a las organizaciones redirigir su enfoque de justificar decisiones pasadas a aprender de
errores pasados. Cuanto antes las organizaciones hagan este pivote, más pronto disfrutarán de los
beneficios de una toma de decisiones verdaderamente basada en datos.

Copyright 2018 Harvard Business Publishing. Todos los derechos reservados. Se pueden aplicar
restricciones adicionales, incluido el uso de este contenido como material del curso asignado.
Consulte al bibliotecario de su institución sobre cualquier restricción que pueda aplicarse bajo la
licencia con su institución. Para obtener más información y recursos didácticos de Harvard
Business Publishing

incluidos los casos de Harvard Business School, los productos de eLearning y las simulaciones de
negocios, visite hbsp.harvard.edu.