Analíticos predictivos: ¿Los científicos de datos son más importantes que el conocimiento del mercado?

La organización sabe que el análisis predictivo le puede ayudar. Pero no sabe en qué y para qué.

Recientemente tuve la oportunidad de participar en un foro cuyo tema fue el impacto del uso de análisis predictivo en la sociedad y en la vida empresarial. Uno de los debates se centró en qué es más importante en un proyecto de data analytics: el entendimiento del mercado y de la empresa en cuestión, el científico de datos que organiza y genera los analíticos o los datos. Todos los elementos mencionados son de vital importancia. Si me preguntan cuál es el más importante es que antes de hacer nada debemos contar con una visión basada en una necesidad de negocio que deba ser resuelta y entender las fuerzas que mueven el mercado. Siempre habrá datos y personas dispuestos a usarlos. Pero sin una visión o fin común, ningún viento le va a favorecer a esa embarcación. Porque no tiene un destino. Así de simple.

Hay muchos ejemplos sobre cómo el uso de esta herramienta puede realmente ayudar en la toma de decisiones y ser un game changer en la definición y ejecución de una estrategia. Pero por cada historia de éxito hay cómo mil casos más que no funcionaron. Sobre los que tuvieron éxito me viene a la cabeza el del uso de la información o data de una red social para definir preferencias y usarlas para motivar acciones a favor de una estrategia muy bien establecida. Eso quiere decir que si es posible que se puede tener éxito usando el análisis predictivo. ¿Por qué fallan las iniciativas de analíticos dentro de una organización? La razón principal es la falta de visión. La organización sabe que el análisis predictivo le puede ayudar. Pero no sabe en qué y para qué. ¿Qué oportunidades tiene de usar sus datos?, ¿Qué necesidades del mercado puede resolver con esa data? Esa es la visión. Yo pienso que para definir esa visión hay que acudir con los expertos del negocio que ya forman parte de la organización. Sólo se necesita a alguien que detone las ideas, que, además, seguramente ya están ahí, sólo que no han tomado forma. Después sumamos manos técnicas para diseñar una arquitectura simple y ágil para empezar a desarrollar y convertir esa idea en realidad. Sin embargo y como siempre lo he dicho: Un reporte no es un analítico. Es sólo el primer paso. Hay que revisar a detalle los datos. Y aunque data is our oil, encontrar correlaciones, dependencias, tendencias no es sólo un ejercicio de matemáticas y estadísticas. Se trata de entender las fuerzas que mueven al mercado, el motor que mueve a los clientes y a los competidores y llevarlos a un modelo abstracto de x= 2y+6z y que conste para los iniciados que esta expresión es muy simple. Como un colega me dijo ese día: se trata de llegar a un modelo de correlación en donde si vendes refrescos encuentres un factor que incremente las ventas, como el incremento de temperatura. Y a veces así de simple es la respuesta. A veces está enfrente de nosotros y no lo queremos ver. Entonces sí hay un factor adicional. Ese conocimiento del negocio es vital pero también algo de sentido común. Ningún modelo estadístico puede sustituirlo. Ni el mejor científico de datos te va ayudar. Por eso es importante capacitar a nuestros líderes del negocio y a la gente que opera sobre estas nuevas tendencias y herramientas, porque si alguien entiende y sabe cómo opera tu mercado son ellos. Entonces te podrán ayudar en desarrollar los analíticos que te permitan competir y ganar en este mundo turbulento.