Cómo tomar decisiones de calidad en analítica digital

shutterstock_152397104

En mi último post (‘Claves para sacar el máximo partido a los datos’), definía una breve metodología para tratar de poner orden en el caos que muchas empresas están inmersas.

El objetivo final de toda metodología relacionada con la analítica digital es siempre el mismo: realizar un análisis para tomar las decisiones más adecuadas que permita optimizar la estrategia de la empresa.

¿Qué tipos de análisis son los más comunes en analítica digital?

Acotándolo al terreno de la analítica digital, lo más común es que tengamos:

  • Análisis periódicos: los que realizamos en base a dashboards o informes ya definidos y que hacemos semanal o mensualmente (como por ejemplo análisis de las campañas en medios de pago).
  • Análisis ad-hoc: los que debemos realizar porque haya surgido una situación inesperada o porque hemos detectado algo en el análisis estándar (en el primero tenemos que ser especialmente ágiles).

En ambos casos la clave está en la velocidad con la que seamos capaces de llegar al análisis y en que dediquemos el tiempo necesario para tomar las decisiones correctas.

En el primer caso seguimos un proceso más estándar (como el descrito en este post):

  1. Definición de objetivos y kpis
  2. Control de datos (calidad del dato).
  3. Integración de fuentes de datos (extracción de los datos necesarios).
  4. Definición del dashboard (lo que implica visualización y automatización).
  5. Análisis y toma de decisiones.

El objetivo de los cuatro primeros puntos es llegar con la mayor rapidez y solidez (desde el punto de vista de la calidad del dato) a la toma de decisiones.

Tenemos claro lo que necesitamos analizar para gestionar el día a día de la empresa, así que tratamos de estandarizar el proceso para hacerlo lo más eficiente posible.

El segundo caso, engloba todos aquellos análisis que no podemos estandarizar, los análisis ad-hoc.

Al contrario de lo que dice el dicho, dedican tanto tiempo a ‘afilar el hacha’, que al final no saben que árbol cortar.

¿Dónde pierden más tiempo las empresas en la toma de decisiones?

En la detección y definición del problema

Los errores empiezan antes incluso de saber que deben tomar una decisión, antes de poder aplicar la metodología que explico más arriba.

Empiezan porque las empresas no suelen contar con una correcta estrategia de medición que les permita detectar y definir los problemas (u oportunidades) a tiempo.

Para tomar una decisión es necesario que seamos conscientes que algo requiere nuestra atención, y que debemos hacer algo para solucionar el error o aprovechar la oportunidad.

Para detectar los problemas a tiempo, nos podemos apoyar en:

  • Sistemas de alerta temprana: podemos establecer unos intervalos para las KPIs de nuestro negocio, y definir alertas para cuando los rebasen por encima o por debajo (desde las que podemos definir en Google Analytics o en cualquier tipo de herramienta).
  • Análisis periódicos: y por supuesto, los problemas que detectamos en los análisis que realizamos semanal o mensualmente.

La situación varía en función del tipo de análisis a realizar

Normalmente ambos ‘sistemas’ están orientados los análisis periódicos.

En la mayor parte de las empresas no existen los sistemas de alertas y los análisis periódicos están mal definidos y se hacen de forma manual.

Por lo que normalmente no se enteran de que tienen un problema hasta que este estalla (sistemas de alerta), y como les cuesta tanto llegar a la fase de análisis en sus dashboards o informes periódicos, en muchas ocasiones o los detectan tarde o no se enteran.

Así que en cualquier caso es demasiado tarde para actuar.

El problema se agrava cuando debemos hacer un análisis ad-hoc. No tenemos ninguna parte del proceso estandarizado, y es especialmente importante que nos organicemos bien para ser igual o más rápidos que en los análisis periódicos, en llegar al análisis y toma de decisiones (más aún si se trata de una urgencia ya que debemos pasar del paso 1 al 5 en cuestión de horas).

En estos casos tenemos claro el objetivo y KPIs del análisis desde el primer momento y, si hemos hecho bien las cosas, además estamos seguros de estar midiendo bien (calidad del dato), por lo que el primer punto clave se encuentra en la extracción y procesamiento de los datos.

El como figura clave de la analítica digital actual

Es en este momento, y más ahora con el rápido crecimiento del volumen de datos a gestionar, donde surge la figura del data scientist, del que tanto se está hablando últimamente.

Es una persona que debe combinar la estadística, la programación y el conocimiento del negocio.

Una vez detectado el problema debe:

  1. Ser capaz de entender el negocio para entender el problema en su totalidad.
  2. Dominar las diferentes fuentes de datos disponibles y ser capaz de extraer, procesar y combinar los datos necesarios
  3. Y por último, dedicar el tiempo necesario para analizar los datos extraídos y encontrar una solución al problema para tomar la decisión correcta (llegar al punto 5 de la metodología).

Por lo tanto la clave para tomar mejores decisiones, además de tener una buena metodología de medición, está en la velocidad con la que seamos capaces de llegar al análisis y en que le dediquemos el tiempo necesario.

 

La imagen que acompaña al post (decisión, duda) es de ShutteStock

More from Tristán Elósegui

Aplicaciones para mejorar tu productividad

Llevo dos o tres semanas buscando aplicaciones que me ayuden a organizar...
Leer más

12 Comentarios

  • Muy interesante el post y por desgracia muy real, porque la mayoría de empresas no miden y las que miden muchas veces, no sirve de nada, porque los datos no son reales. Así que un especialista en analítica y recogida de datos, creo que sería clave en cualquier empresa. Quizá ese sea un nicho de mercado rentable,… 😉
    Un saludo

  • Hola Tristán

    Genial tu post.! Y coincido con lo que comenta Alfonso, la importancia de los datos es obtener conclusiones fiables y así tomar las decisiones oportunas.
    ¿ Qué ocurre? Que en muchas multinacionales, por ejemplo muchas veces los centros de coste, tienen asignados cierto volumen por cumplimiento de objetivos. Se llega a él, si o si… ya sea de forma real o fictial… El más conocido como maquillaje de datos…
    Toda una realidad…nada deseable…

  • Cierto Montse, si presionas lo suficiente a los datos,… ¡acaban confesando! (vamos que si quieres que salga un número determinado, lo maquillas para que al menos se parezca).

    Pero esto ocurre desde siempre. Con la analítica digital (bien hecha) no hay trampa ni cartón! Lo que sale es lo que hay! 🙂

  • Me encantan este tipo de artículos. Al ver las cosas con un poco de perspectiva todo empieza a tener sentido y dejamos de dar vueltas sobre cosas que realmente no van a aportarnos nada.

    Respecto al último punto (data scientist) me quedo con la frase de Xavier Colomes: “El analista web de hoy será el Director de Marketing Digital de mañana”.

    Alvaro.

  • Muchas gracias Álvaro!

    La verdad es que la figura del director de marketing esta (debería) estar cada vez más cerca de la analítica. Veamos como se combinan ambos perfiles!

    Algo parecido empieza a pasar entre social media y SEO. El inbound marketing requiere profesionales que combinen ambas cosas.

    En Internet o evolucionas o ‘mueres’! 🙂

  • Hola Tristán, llevo ya bastante tiempo siguiendo tu blog porque me pareces un referente en mundo de la analítica digital, sin duda como indicas en el artículo es algo esencial y en cambio las empresas no tienen una correcta estrategia en el análisis de datos para detectar tanto los problemas que pueden aparecer, como tampoco las oportunidades que se presentan.
    Como le has comentado a Alvaro, en Internet o evolucionas o “mueres” y las empresas deben empezar a dar más importancia a la analítica, una parte esencial en mi opinión.
    Muchas gracias.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *