Data Customer Centric

Últimamente todo gira en torno a la transformación digital, pero al mismo tiempo las empresas no siempre están evolucionando a la velocidad que sería deseable para tener éxito en la citada transformación. Uno de los principales lastres que arrastran es la falta de una estructuración eficiente de los datos, y la dificultad que esta falta implica para un tratamiento óptimo de los mismos.

Data Customer Centric

Data Customer Centric. Photo by Greg Rakozy on Unsplash

Curiosamente, todo el mundo está de acuerdo en que los datos son el petróleo del siglo XXI, y sin embargo las empresas no siempre realizan una inversión suficiente en este mismo sentido.

LAS BASES DE DATOS SON EL PETRÓLEO DEL SIGLO XXI
Oct 2017 – Clubinfluencers.com

Partiendo de este punto, podríamos desarrollar multitud de temas pero tan sólo quiero centrarme en uno de ellos, la visualización de la información.

Visualización de la Información

Tras mi asistencia a varios eventos relacionados con la gestión de los datos y con herramientas de Business Intelligence, Reunión de usuarios de IBI y Evento SmartData de RSI , se reafirma mi idea sobre la necesidad de realizar una correcta gestión del dato, pero sobre todo de la necesidad de pensar antes de hacer, y de comenzar siempre con el fin en la mente.

Comenzar con un fin en mente. Todas las cosas son creadas dos veces. La primera creación es mental, la segunda es física.

Segundo hábito de Stephen Covey en “Los 7 hábitos de la gente altamente efectiva

Las compañías de software para la gestión de los datos, Microsoft con PowerBI, Tableau y Qlik como líderes actuales según Gartner BI 2017, nos venden el autoservicio y la generación de cuadros de mando con múltiples formas de visualizar la información, un sin fin de mapas y gráficos increíbles que ofrecen multitud de posibilidades.

Cuadrante Mágico Gartner BI 2017

Cuadrante Mágico Gartner BI 2017

Más aún, cualquier usuario puede utilizar la herramienta X y generar un cuadro de mando en 5 minutos, dentro de los cuales 2 minutos son para hacernos un café. Increíble!!!

Efectivamente, es tan increíble que básicamente no es cierto, o por lo menos deberíamos saber que ni es tan fácil, ni es lo más deseable para nuestras organizaciones, por lo menos, no sin antes haber realizado un estudio serio de las necesidades y los objetivos que perseguimos.

Me gustaría considerar ahora la siguiente idea:

El éxito de una visualización de datos nunca tiene que comenzar con la visualización de los mismos.

Es el mismo consejo que nos dan los gurúes de las presentaciones, los cuales nos aconsejan, pensar y hacer un guión previo al diseño de nuestra presentación en PowerPoint.

Sin embargo, es precisamente la filosofía opuesta con la que los fabricantes de herramientas de BI tratan de vendernos sus productos, prometiéndonos que podemos visualizar desde el minuto uno.

¿Cuál es entonces el principio?

La respuesta es sencilla. Siempre tenemos que comenzar con el fin en mente y pensar para que necesitamos que el usuario utilice los datos. De ese análisis obtendremos una información más o menos elaborada, pero en la que evitaremos añadir elementos de información que no sean útiles. En la medida de lo posible, tendremos que seguir un estándar organizacional e intentar que la información pueda adaptarse fácilmente a posibles cambios futuros.

Así pues, las claves están en:

  1. Comenzar teniendo claro el objetivo final.
  2. Elaborar una información lo más sencilla posible.
  3. Seguir un estándar adaptable a nuestro entorno VUCA.

Si analizamos con sinceridad lo que hacemos en nuestro día a día, veremos que muchas veces tendemos a lo contrario. Es decir, creamos cuadros de mandos llenos de información redundante y sin un objetivo claro. Añadimos gráficos que no añaden información adicional, simplemente son para hacer bonitos los informes. Gráficos que, por supuesto, se muestran con las opciones por defecto sin preocuparnos de remarcar la información clave que queremos comunicar.

En definitiva, es la falta de un análisis inicial, análisis exploratorio del problema, lo que nos lleva a plantear soluciones complejas y llenas de información superflua que no muestran con claridad a los usuarios el objetivo pretendido.

Habría escrito una carta más corta, pero no tenía tiempo. 

Blaise Pascal

La falta de tiempo se paga con sistemas de información complejos que terminan por no ser utilizados de forma efectiva por nuestros usuarios finales.

Data Centric

Volvamos un momento al principio, la clave está en el origen y se resume en que tenemos que invertir un esfuerzo especial en conseguir que nuestros datos tengan una buena estructuración.

Hablar de tener una buena estructura de datos es abandonar la idea de que las aplicaciones son el centro de nuestra organización. Son los datos los que tienen que estar en el centro. Es la única forma de poner a los clientes y sus interacciones con nuestros servicios en el centro de la organización. Cuando disponemos de bases de datos diferentes para cada aplicación todo es más complicado, aparecen datos duplicados y datos incoherentes entre los diferentes sistemas y nos vemos obligados a implementar complicados interfaces entre cada uno de ellos.

Resolver todo esto no es fácil pero tenemos que ser conscientes del problema, y comenzar a plantearnos que la empresa es un sistema que gira en torno a los datos del cliente y no entorno a las aplicaciones empresariales. Sin duda, se trata de un cambio profundo.

Mientras pensamos como resolver todo esto, y al mismo tiempo, no podemos dejar de seguir proporcionando respuestas y visualizaciones a los problemas que se plantean de forma constante.

La resolución de un determinado problema, mediante la visualización de información, tiene que partir de un completo análisis de todos los datos relacionados disponibles. Son precisamente esos datos los que finalmente serán transformados en información útil.

Conocer el problema

Disponer de una buena organización de los datos, como decía antes, no siempre es posible, y menos si partimos de un sistema centrado en aplicaciones. Esto implica que nuestro análisis inicial será mucho más complejo de lo que necesitaríamos en el caso de que la estructura de datos estuviera optimizada.

Ahora bien, independientemente del estado de los sistemas de información, necesitamos saber cuál es el tipo de problema que tenemos y como lo vamos a resolver. Identificar los orígenes de datos disponibles y pensar en estructurarlos siguiendo líneas estándar.

En definitiva, antes de tocar una tecla y ponernos delante del ordenador necesitamos realizar siempre un análisis del problema. Además, este análisis implica adicionalmente conocer el ámbito en el cual está enmarcado y los actores que tendrán que interactuar con el mismo.

Tipos de Análisis

Desde el punto de vista del análisis de datos existen dos estrategias claramente diferenciadas:

  1. Análisis Exploratorio: Consiste en entender el problema y todo el contexto y ámbito en el que se enmarca. Con el resultado del mismo construiremos la información para que los usuarios estén dirigidos para entrar en acción y resolver el problema. En definitiva, este análisis consiste en la transformación de los datos almacenados en los sistemas en información útil para los usuarios implicados.
  2. Análisis Aclaratorio: Es el que realizarán los usuarios con la información que les proporcionamos. Los objetivos principales son informar y dar herramientas suficientes para que los usuarios puedan resolver el problema. En definitiva, este análisis consiste en la transformación de la información en acción.

Veamos estos dos tipos de análisis con un poco más de detalle.

Análisis Exploratorio

Este tipo de análisis tiene que ser realizado por usuarios especializados en el análisis de datos e información, ya que requiere de un conocimiento previo de las estructuras de datos, de las estrategias de la compañía y de los objetivos inmediatos a cumplir.

Para realizar este tipo de análisis tenemos tres necesidades:

  • Necesitamos conocer nuestros datos. Descubrir nuestra mina y extraer el contenido almacenando de la forma más eficiente posible.
  • Necesitamos conocer el problema. El analista tiene que dominar todos los datos funcionales del problema a resolver. Este análisis es necesario que esté avalado por expertos en cada una de las problemáticas.
  • Necesitamos conocer el entorno. Conocer a los usuarios destinatarios, las herramientas disponibles, las tendencias, y estar atentos a los cambios constantes.

El conocimiento del entorno implica tener respuesta a tres cuestiones principales:

  • Quién: Quiénes son los destinatarios
  • Qué: Qué queremos conseguir
  • Cómo: Cuál es la mejor forma de proporcionar la información.
Conocer el contexto

Conocer el contexto

Descendiendo un paso más.

Quién

  • ¿Quiénes son los usuarios finales? Conocer a los receptores de la información y su forma de trabajar, y facilitar el uso de la información que proporcionaremos es imperativo.
  • ¿Cómo nos perciben?, ¿Nos conocen?, ¿Confían en nosotros? Son preguntas de las que tendríamos una respuesta clara.
  • ¿Son los canales de comunicación los adecuados?, ¿Es la información efectiva?, ¿Es útil y mejora o resuelve realmente el problema?

La confianza en la información es clave, cuando existen errores en la información los usuarios dejan de confiar en la misma y la información deja de ser utilizada.

Qué

¿Queremos informar, o que los usuarios realicen algún tipo de acción?

Dependiendo básicamente de estas dos líneas, la estrategia tiene que ser diferente. Además, tendríamos que dejar claro a los usuarios cuáles son los siguientes pasos a realizar.

Cómo

¿Cuál es la mejor forma de transmitir la información?, ¿Qué canal utilizaremos?, ¿Cuándo lo comunicaremos?, ¿Cómo recogeremos el feedback de los usuarios?

Qué formatos utilizaremos, proporcionaremos una tabla, un gráfico, una combinación.

Al final del proceso de análisis exploratorio tenemos que haber conseguido transformar los datos en información más o menos elaborada y lista para que nuestros usuarios puedan realizar el análisis aclaratorio que pretendemos que realicen para alcanzar el objetivo de resolver el problema.

Análisis Aclaratorio

En este tipo de análisis dirigido a usuarios operativos, las capacidades de análisis proporcionadas se tienen que ceñir a las necesarias estrictas para conseguir alcanzar nuestro objetivo en el informe que estemos mostrando. No se trata de que los usuarios realicen una exploración, se trata de que dispongan de la información necesaria y suficiente para entrar en acción.

No queremos que exploren datos queremos acción.

Sobre el análisis aclaratorio hablare en un próximo post, por el momento quiero quedarme con la idea anterior.

Mapa visual resumen

Seguidamente añado un pequeño mapa visual resumen, con el objetivo de que pueda ser utilizado como punto de partida para realizar un análisis propio.

Como referencia de este post me gustaría añadir un libro excelente de Cole Nussbaumer Knaflic que tiene por título “Storytelling with data

Muchas gracias

Mapa visual. Data centric. Visualización de datos

Mapa visual. Data centric. Visualización de datos

Categoría:
Big Data, Marca Personal, Visual Thinking, Visualización de datos
Etiquetas:
, ,

Join the conversation! 1 Comment

  1. […] Visualización en un mundo Data Centric […]

    Me gusta

    Responder

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s

A %d blogueros les gusta esto: