Saltar al contenido

Próximamente en los equipos de análisis: traductores de análisis

29 de septiembre de 2022

Próximamente en los equipos de análisis: traductores de análisis

Ahora más que nunca se necesita una habilidad que se pasa por alto para eliminar los obstáculos que impiden comprender los resultados analíticos.

Como sabe cualquiera en ciencia de datos, las últimas dos décadas nos han impulsado hacia una nueva era. Big data y su conjunto en constante evolución de nuevos métodos de código abierto han producido conocimientos innovadores en casi todas las industrias. Desde la forma en que Amazon recomienda su próximo libro o cómo Visa detecta el fraude hasta las nuevas empresas que facilitan la detección temprana del cáncer o los fabricantes que reducen el desperdicio, las empresas están aprovechando el análisis de big data con la esperanza de llegar a nuevos clientes y mejorar la rentabilidad. Sin embargo, a pesar de algunas historias de éxito muy visibles, hay señales preocupantes de que la ciencia de datos en los negocios no está cumpliendo con su promesa. Aunque hay estudios limitados de la exacto tasa de fallo, podemos encontrar algunos datos:

— Gartner proyectó que solo el 20 por ciento de los proyectos de análisis de big data generarán valor para los negocios hasta 2022.

— Las revistas de negocios destacan el nivel de decepción con la analítica, incluyendo Revisión de la gestión de MIT Sloan, Revisión de negocios de Harvardy Forbes.


Recomendado: ¿Qué es el Big data?.


— En una encuesta de ejecutivos corporativos de 2021, más del 90 por ciento respondió que las mayores barreras para la implementación exitosa de big data eran las personas, la comunicación y la cultura, no la tecnología.

El mensaje subyacente: el fracaso es común. Ya sea que creamos que la tasa de fracaso es del 80 %, 50 % o incluso del 30 %, tiene enormes implicaciones.

Además de eso, los analistas de datos dejarán sus trabajos cada 20 meses, en promedio, porque sus habilidades avanzadas no se utilizan o no ven un futuro prometedor. Entonces, en un momento en que la ciencia de datos debería estar revolucionando los negocios, los proyectos se tambalean y los empleados buscan en otra parte.

El gran problema del que no hablamos

Las revisiones de lo que sale mal enfatizan que el problema no es tecnológico: los trabajadores tienen las herramientas, el equipo y los recursos para hacer el trabajo de análisis. Tampoco es falta de talento analítico. En cambio, los principales culpables son organizacionales y culturales, una falla en la interfaz entre los equipos de negocios y análisis.

Una brecha de comunicación entre estos dos grupos no debería sorprendernos. Los dos tienen diferentes estilos, terminologías, capacitación y sesgos, y por lo general operan en divisiones separadas. Sus objetivos a menudo están desalineados, si no en conflicto directo. Los estilos de comunicación son diferentes: los equipos de marketing prefieren declaraciones simples y definitivas, pero los científicos de datos enfatizan los matices y las limitaciones, calificando sus observaciones; sin embargo, ni los equipos de negocios ni los de analistas le dan una alta prioridad a la capacitación en comunicación. Los equipos de marketing prefieren declaraciones simples y definitivas. Los científicos de datos enfatizan los matices y las limitaciones, calificando sus observaciones.

Combinando estos factores, los malentendidos y la insatisfacción parecen casi inevitables. Según una encuesta en línea, solo un tercio de los equipos se sienten positivos acerca de sus interacciones con los demás. Los analistas describen una relación en la que las solicitudes son unidireccionales, con poco contexto o invitación para proporcionar información. Los profesionales de negocios describen la frustración de obtener los resultados que necesitan en un formato que entienden.