29 Abr La relevancia de los datos para la toma de decisiones

Nadie duda en estos días de la importancia de disponer de datos de calidad, y en suficiente cantidad, para poder decidir hacia dónde nos dirigimos o cuáles son las estrategias que nos permitirán mejorar nuestros resultados.

Sin embargo, la mayoría de las veces los datos se consideran un subproducto de una actividad o proceso empresarial. Así, aunque el valor de los datos está ampliamente aceptado, se siguen tomando más como un resultado que como un fin en sí mismo. Todavía, hoy en día, pocas compañías ajustan sus iniciativas de negocio para recoger, compartir y gestionar datos como un activo más de la compañía, es decir, lo que la compañía sabe.

Si nos piden que ordenemos estos 4 conceptos: información, datos, sabiduría, y conocimiento, probablemente obtendríamos como resultado:

Partiendo de la ordenación anterior, podemos también inferir la importancia en esta cadena ordenada en función de la abundancia y el valor de cada uno de estos conceptos. Dado que la sabiduría es tan escasa y propia de muy pocos, vamos a centrarnos, como mucho, en llegar a tener conocimiento.

Por tanto, podríamos centrarnos en el siguiente esquema:

Datos + Relevancia = Información

Parece claro que los datos son la unidad más pequeña que podemos manejar, pero por sí mismo, el dato aislado tiene poco valor, suele ser abundante y casi todo el mundo dispone de él.

Ahora bien, cuando estos datos los podemos ordenar estableciendo algún tipo de jerarquía o agrupamiento, empezamos a disponer de cierta información. Podemos presentar los datos de una manera entendible y construir un relato de la realidad. La información es algo menos abundante que los datos, pero también tiene algo de más valor. Todavía podemos decir que mucha gente tiene información.

Si, finalmente, logramos conectar esta información con hechos concretos e inferir una nueva información a partir de la anterior, podemos decir que hemos adquirido cierto conocimiento. En este caso, la abundancia de conocimiento decae ostensiblemente, no muchos disponen de él y sin embargo aumenta casi en la misma proporción su valor.

Una de las formas de dotar de relevancia a nuestra información es el uso de técnicas de benchmarking. El benchmarking se fundamenta en la comparación de los resultados de algunas áreas de nuestra compañía con los resultados de otras. Pueden ser o no de la competencia, para evaluar en qué punto de rendimiento estamos con respecto a la realidad.

En definitiva, podríamos considerar los datos externos como una información adicional para no tratar nuestra propia compañía como un silo de datos en sí misma. Esto no quiere decir que debamos adaptarnos a los resultados de los demás, sino que nos pueden servir de referencia estos resultados para determinar estrategias.

Ejemplo

Consideremos por ejemplo los análisis de reputación: saber cuál es nuestra reputación en redes es fundamental. Pero este dato, aunque importante, tomará mayor relevancia si lo comparamos con las reputaciones de los hoteles de nuestra categoría y zona (benchmarking).

Esto significa que, a la hora de analizar nuestros datos, debemos intentar situarlos en un contexto de análisis que nos permita tomar decisiones más ajustadas a la realidad. Este contexto se consigue integrando datos externos que nos permitan situarnos en la realidad que deseamos.

Existen diversas fuentes de datos externas. Algunas de ellas que tienen que ver con la administración pública y otras con datos recopilados por terceros. Una tercera fuente tiene que ver con lo más cercano, con los datos relevantes de nuestro sector, es decir nuestros propia información compartida.

Conclusiones

A menudo, cuando se nombra esto, existe una desconfianza a compartir la información que nos sirven para los análisis, aunque sean de forma anonimizada. Pero pensemos un momento: nuestros datos financieros son públicos y los precios que tenemos están disponibles en nuestra web; realmente es fácil acceder o inferir cuáles son estos datos de forma pública.

Si en lugar de aislarnos compartiéramos estos, podríamos a cambio disponer de ratios medios del sector o precios de la zona de una forma más transparente. Más allá de esto, dado que el volumen de datos aumentaría considerablemente, podríamos usar técnicas de inteligencia artificial para inferir análisis predictivos de consumos, perfiles tipo de clientes a quien dirigir campañas u ofertas con datos que nos permitiesen tener mayores ratios de conversión.

De esta forma, tomaría verdadera relevancia el dato. Enriquecido por esta fuente u otras, se tornaría en información, y finalmente podríamos conectar toda esta información para obtener lo realmente importante: conocimiento.