La alfabetización de datos y la regla de Colin Powell

La incertidumbre es sistémica en todos los negocios y no se elimina mediante políticas, procesos o controles. El motor de la incertidumbre es el cambio inesperado: en los mercados, los competidores, la sociedad, la tecnología, la fuerza laboral, las expectativas, los valores, lo que se le dé. Las empresas se enfrentan a cambios a diario y deben responder rápidamente.

Las empresas hacen frente al cambio y la incertidumbre resultante, a través del análisis. Estudian la situación, hacen análisis de causas raíz, evalúan alternativas e implementan una respuesta. Cuanto más rápido puedan reunir datos suficientes para realizar un análisis, más rápido podrán tomar una decisión y responder. De acuerdo con la regla de Powell, siempre están equilibrando la velocidad y la certeza. No es solo la decisión correcta, es la decisión correcta a tiempo.

La necesidad de responder al cambio rápidamente es el motor de la agilidad analítica. He descrito en otras columnas formas de acelerar el tiempo de respuesta: con un mercado de datos de datos de autoservicio y colaboración del usuario. Pero hay otro elemento crítico para la agilidad analítica: el conocimiento de los datos.

MIT define la alfabetización de datos como la capacidad de "leer, trabajar, analizar y discutir" con datos. Cualquier científico profesional de datos o analista de sistemas ve estas habilidades como apuestas de mesa. Pero para lograr una agilidad real, las organizaciones necesitan conocimientos de datos en toda la fuerza laboral, desde el apoyo de campo de primera línea hasta las operaciones de back office. El término popular es "democratización" de datos y análisis, pero pocas empresas lo logran, y el impacto es medible.

Wharton y IHS Markit evaluaron la alfabetización de datos de más de 600 compañías en nombre del Proyecto de alfabetización de datos, un consorcio independiente de organizaciones de la industria que se centra en la necesidad de alfabetización de datos. La encuesta encontró que las grandes empresas con mayor alfabetización en datos tenían valores empresariales entre un 3% y un 5% más altos que sus pares. Un factor que contribuyó a esta mejora es que las empresas con conocimientos de datos pueden usar los análisis de manera más rápida para responder al cambio.

Por ejemplo, hace unos años, una empresa de productos de consumo instituyó un programa de voz del cliente y creó un equipo de análisis para recopilar comentarios generales de los clientes para el desarrollo del producto. Hubo una semana en que las quejas sobre una de sus bebidas en una región comenzaron a aumentar, y utilizaron los análisis para identificar la fuente como una planta de fabricación específica. Llamaron al gerente de la planta y descubrieron que había cambiado de proveedor de un ingrediente clave ese mes. Después de escalar el problema, la planta se convirtió de nuevo al proveedor original y se retiraron las quejas.

Si bien esta corrección de rumbo parece algo que debería ser una norma de la industria, no lo es. Muy a menudo faltan elementos críticos de la cadena de suministro de análisis: un proceso para recopilar y sintetizar evidencia del mundo real, un equipo con conocimientos de datos capaz de detectar un problema operacional inesperado e identificar su causa raíz, y ese equipo está facultado para actuar directamente en función de sus percepciones Sin estos componentes, es fácil imaginar una caída regional en las ventas que se pierden en los informes de ventas agregados, con la administración incapaz de reconocer el problema y responder, dando como resultado muchos clientes alienados innecesariamente. Multiplique esto en una gran organización, y es la muerte por mil cortes.

Llegar a una fuerza laboral alfabetizada en datos tiene tres elementos, todos los cuales se pueden adoptar prácticamente:

• Desarrollo de habilidades: existen planes de estudio en línea y gratuitos para desarrollar la alfabetización en cualquier nivel de la organización. Si bien la administración puede incentivar y reconocer las certificaciones, los empleados a menudo lo consideran un valioso desarrollo profesional para la economía de los datos.
• Activos de datos: los datos deben ser fáciles de encontrar, comprender y preparar para el análisis. Hoy en día, los mercados de datos se pueden configurar de forma rápida y económica en las instalaciones o en la nube para dar soporte a las comunidades de análisis.
• Herramientas analíticas: la otra inteligencia artificial aumentada utiliza la analítica y el aprendizaje automático para potenciar, no reemplazar, la toma de decisiones humanas. Las herramientas modernas no son solo visuales e interactivas; los mejores análisis de uso para guiar el análisis, interactuar con el lenguaje natural en lugar de la codificación y apoyar la colaboración entre los miembros del equipo.

La alfabetización en datos no solo hace que la fuerza laboral sea más productiva y motivada, sino que también hace que la organización sea más resistente. Responder a los cambios continuos y su incertidumbre concomitante se convierte en algo habitual, permitiendo que la cultura gire de ser reactiva a convertirse en innovadores seguros. La agilidad analítica impulsa la agilidad empresarial, lo que permite a las empresas que lo logran alejarse del paquete.