Seis errores que a menudo cometemos al usar datos
¿Los datos proporcionan a su organización una señal o ruido?
Por: Kristen Cox – Executive Director of the Governor’s Office of Management and Budget.
Traducción Libre de Javier Arévalo – Goldratt Consulting Partner Latin America
Nuestras organizaciones están obsesionadas con los datos. Queremos la toma de decisiones basada en datos, plataformas de datos, Big Data, lagos de datos, sistemas de gestión de datos, visualización de datos e integración de datos. Vemos los datos como el oráculo coronado que promete revelar la verdad y dar luz a problemas aparentemente insolubles. Si bien el uso de datos para mejorar el desempeño de nuestras organizaciones es crítico, tiene su propio lado oscuro. No es una pregunta si deberíamos usar datos, pero cómo deberíamos usarlos.
El Dr. Eliyahu Goldratt enseñó: «Dime cómo me mides y te diré cómo me comporto«. Si queremos que nuestras organizaciones se comporten de manera diferente, entonces debemos pensar de manera diferente sobre los datos que utilizamos. Los datos son seductores y pueden darnos una falsa sensación de progreso si no los usamos correctamente. (Para los propósitos de este artículo, mi enfoque está en cómo usamos los datos para administrar el desempeño, no en cómo se usan para fines de investigación).
Señal o Ruido
Cuando me estaba quedando ciega, asistí a un intenso programa de entrenamiento para ayudarme a aprender a vivir sin ver. Una parte clave de la capacitación fue aprender a viajar de forma independiente utilizando un bastón largo y blanco. Para mí, aprender a cruzar calles y cruzar intersecciones complejas fue mi mayor temor.
A mitad de mi entrenamiento, mi instructor nos llevó a un grupo de nosotros en una excursión. Fue nuestro primer gran viaje en autobús a una concurrida intersección en el centro de Baltimore. Para esta primera incursión en el tráfico real, quería líneas rectas y calles predecibles. Sin embargo, esta intersección era cualquier cosa menos simple. Me sentí más como si estuviera caminando en medio de un juego de fútbol con jugadores corriendo en direcciones aleatorias en lugar de cruzar una calle.
Las calles daban vueltas y tuvimos que cruzar una calle para llegar a una isla donde podríamos recuperar el aliento y lanzarnos desde allí. El tráfico venía de múltiples direcciones y los sonidos chirriantes que los planificadores de la ciudad crean para los ciegos me chirriaban. Había tanto ruido que me resultó difícil obtener una señal clara de dónde y cuándo cruzar.
Finalmente, aprendí a desconectar el ruido que no importaba y a concentrarme en la información que me dio la verdadera señal. Ahora puedo parar en una intersección y descifrar a qué prestar atención y a qué ignorar. Pero esto requirió práctica y la conciencia de que todas las entradas no eran iguales. De hecho, demasiados datos eran realmente peligrosos.
Seis errores que cometemos al usar datos
Aprender a distinguir entre ruido y señal es la base de aprovechar lo que los datos tienen para ofrecer. La cruda realidad es que los datos son simplemente números y palabras. Aprender a pensar y usar datos para distinguir entre el ruido y la señal es una disciplina y no necesariamente intuitiva. Sin una comprensión sólida de qué tipo de datos usar y cuándo usarlos, podemos deambular por lugares donde no deberíamos estar y perder mucho tiempo y dinero en el proceso.
Después de trabajar en casi 170 sistemas principales, he capturado algunas tendencias y suposiciones comunes que a menudo llevan a las organizaciones a perderse las grandes oportunidades que ofrecen los datos. La base de todos estos errores es la creencia de que los datos son más poderosos que nuestra capacidad de razonar y pensar lógicamente, una suposición errónea. Los seis errores comunes siguen.
- 1. Medición sin claridad sobre el objetivo.Imagine medir el desempeño de las personas en un equipo de béisbol sin saber que el objetivo era ganar. Podría tener datos precisos y sólidos sobre los golpes totales, golpes y cuadrangulares de un jugador. Sin embargo, sin comprender el objetivo del juego, ganar al obtener la mayor cantidad de carreras, los datos no tienen sentido. Con demasiada frecuencia, tenemos objetivos abstractos y aspiracionales y no hay forma de saber si los estamos logrando o no. Nuestras organizaciones necesitan tener objetivos medibles que puedan impulsar todas las medidas posteriores.
- 2. Medir las partes individuales de un sistema y no medir el sistema en sí.La premisa de que más medidas y datos son buenos puede llevarnos por el camino de tratar de medir todas las partes individuales de un sistema sin comprender cómo funcionan todas las partes juntas. Esta tendencia da como resultado una optimización local, lo que significa que mejoramos una parte individual a expensas de todo el sistema. Sería como medir la producción eficiente de todos en un restaurante: cuántos pedidos podría tomar una camarera, cuántas personas podría acomodar el anfitrión y cuántas mesas alguien podría limpiar. Todos podían tener la máxima eficiencia mientras el chef se ahogaba en los pedidos y no podía satisfacer la demanda. Las piezas individuales podrían estar funcionando a plena capacidad, pero el cliente aún no estaría satisfecho. Las medidas locales pueden socavar el rendimiento del sistema.
- 3. Medir demasiadas cosas.En nuestro esfuerzo por manejar los datos, podemos inundar a nuestras organizaciones con tantos puntos de datos que nadie puede escuchar la señal a través de todo el ruido. Cuando asumí por primera vez la Oficina de Administración y Presupuesto del Gobernador, conté el número de medidas que las agencias informaron a nuestra oficina. Recolectamos más de 630 medidas cada mes. Teníamos muchos datos, pero no tuve tiempo de revisarlos, y mucho menos entender lo que realmente importaba. Cuando medimos demasiadas cosas, confundimos a nuestros empleados sobre lo que es importante y lo que debemos ignorar. Las personas tienen un ancho de banda limitado y nuestros modelos de datos deben adoptar esta realidad.
- 4. Dedicar más tiempo y recursos a medir que a mejorar realmente.Queremos datos robustos, limpios y confiables. En nuestra búsqueda para lograr este estado ideal, podemos gastar un enorme tiempo, dinero y voluntad política. He visto organizaciones pasar años configurando sistemas de gestión de rendimiento ideales sin tener una forma estructurada y enfocada para mejorar la forma en que se realiza el trabajo. Es fácil confundir los medios con el fin. El objetivo de cualquier sistema de datos es ayudarnos a mejorar significativamente. Es como gastar todo nuestro tiempo y dinero comprando escalas (pesas) más precisas y sofisticadas sin cambiar nuestra dieta y nuestros hábitos de ejercicio. Perseguir grandes sistemas de gestión del rendimiento y capturar muchos datos puede darnos la ilusión de progreso sin tener un impacto real.
- 5. Medir el resultado pero no el proceso necesario para lograrlo.Algunas organizaciones tienen objetivos claros que pueden medir. Por ejemplo, pueden tener el objetivo de reducir la reincidencia entre las personas que abandonan el sistema penitenciario. Esta es una medida clara, pero puede llevar años saber si lo lograron. Si bien esto es crítico, no es suficiente. Las organizaciones también deben medir el requisito del proceso para lograr el resultado. Esto permite a las organizaciones obtener retroalimentación temprana y determinar si su trabajo de hoy les ayudará a lograr el resultado que desean más adelante. Estas medidas del proceso también indican dónde pueden estar ocurriendo fallas para que puedan hacer correcciones rápidas del curso. Desafortunadamente, este tipo de medidas de proceso son raras. Las organizaciones a menudo dedican más tiempo a recopilar medidas descriptivas, como actividades, datos demográficos de clientes, recuentos de volumen o la cantidad de servicios prestados. Si bien estos pueden ser interesantes e incluso útiles a veces, no son suficientes para obtener resultados.
- 6. Tratar todos los datos y herramientas de datos de la misma manera.Nuestro trabajo diario está lleno de palabras de moda como Big data e integración de datos. Sin embargo, todos los datos y herramientas de datos no se crean por igual. Big data es apropiado para propósitos específicos y muy limitados, pero es excesivo para otras situaciones. Las personas pueden querer depósitos de datos costosos para realizar investigaciones, mientras que un simple muestreo de datos puede ser suficiente. En otros casos, las personas pueden desear paneles de datos brillantes y costosos, mientras que un simple archivo de Excel podría hacer el trabajo. Existen diferentes herramientas de datos para lograr diferentes propósitos, al igual que un destornillador tiene un trabajo diferente que un martillo perforador. Tener claro el objetivo es el primer paso para comprender qué herramienta de datos es necesaria. En todos los casos, el objetivo es ayudar a la empresa / organización a tomar decisiones mejores y más rápidas, no a buscar datos por sí mismos.
Conclusión
He etiquetado el uso de datos como una de las siete estrategias seductoras o aquellas estrategias a las que saltamos rápidamente cuando intentamos resolver un problema y obtener grandes mejoras. Los datos pueden ser una fuerza poderosa y señalar cómo nos estamos desempeñando, dónde están nuestras deficiencias y oportunidades para mejorar. Sin embargo, cuando se usa incorrectamente, los datos pueden hacernos caer en madrigueras de conejo costosas y que consumen mucho tiempo. Para obtener más información sobre los siete seductores, visite stopdecoratingthefish.com.
