En el Analytics lo importante es el “cuentito”

Momento: Es fundamental remarcar que la historia que se obtiene con el Analytics puede ser sobre el pasado, presente o futuro. El tipo más común hoy es sobre el presente. Las historias sobre la actualidad implican un análisis de lo que la gente o los objetos están haciendo hoy. Es una fotografía del momento. Algo que ocurre ahora, como hecho aislado. Este tipo de análisis de datos no implica grandes procesos, sino que el desafío radica en poder acceder y mostrar la información lo más rápido posible, incluso en algunas ocasiones, en tiempo real. Es crítica la utilización de la tecnología en esta etapa.

El segundo tipo de análisis es sobre el pasado. Es cuando se le incorpora la temporalidad a esos datos. A través de análisis descriptivos se puede contar lo que pasó la última semana, mes, trimestre o año a determinados agentes (clientes, proveedores, etc.) fundamentales para la firma. La evolución en el tiempo hace a la comprensión de la situación. Por cierto, la mayoría de estas historias se ayudan de análisis visuales, que si bien no son el componente más valioso de la historia, innegablemente son útiles para comprender lo que pasó.

Por último están las historias sobre el futuro. Estas son predicciones, que utilizan, por supuesto, el análisis predictivo. Se toman los datos del pasado para crear un modelo estadístico, que luego se utiliza para predecir el futuro. Este tipo de historias de predicción siempre se basan en supuestos (en particular, de que el futuro será como el pasado en algunos aspectos clave y en otros no) y la probabilidad asociada a esos supuestos. Acá ya no es tan importante acceder a los datos solamente, sino que gran parte del valor radica en cómo se construye ese modelo capaz de aproximarse lo más posible al futuro, en tono siempre de negocio.

Disparador: Hay dos tipo de historias que se pueden contar a través del Analytics cuando consideramos el disparador del análisis. El primero es aquel análisis que se hace cuando a priori se identificó un potencial “gap” entre lo que tendría que ser y lo que realmente es. Es algo así como la función de un detective tratando de descifrar un problema. El óptimo del problema es conocido y a través del Analytics se trata de encontrarlo. En este caso la “historia” es relatar la solución encontrada. Algo muy utilizado para los conceptos de moda: “excess capacity” o “sharing economy” o “collaborative consumption”.

El otro caso es el del investigador, quien conoce un problema muy complejo e investiga alguna solución desconocida hasta el momento. Situación que hace pensar que las sucesivas iteraciones de datos y análisis harán que se encuentre la solución que aún no se conoce. Es esa situación que cuando se encuentra la solución sabemos que tenemos una innovación importante en puerta.

Afirmaciones: Por último, es importante comprender qué tipo de historia estamos contando, una de correlación o una de causalidad. Es decir, estamos contando una en donde las diferentes variables se comportan en forma similar, o estamos contando una historia que implica que una variable se comporta de cierta forma como consecuencia de una o varias otras. Entender esto es fundamental para saber qué tipo de afirmaciones podemos hacer y cuáles no. Existen muchísimas situaciones en la industria en donde los datos definen casualidades y la historia cuenta causalidades.

En resumen, para las empresas y para los emprendedores es fundamental que utilicen el Analytics para encontrar oportunidades de negocios, y que puedan desarrollar innovaciones importantes a través de “bucear” en los datos, pero es crítico que se entienda que los datos quieren decir algo sobre negocios. Muchas veces contar el “cuentito” correcto es más importante que conocer los datos exactos.

* Director de BEXTON Research
@diego_vallarino