Existe la tendencia a centrarse en la analítica de métricas concretas, pero la realización de un análisis amplio y contextualizado suele ofrecer una información mucho más útil a largo plazo.
Las métricas pueden ayudar a medir y mejorar un proceso hacia un objetivo concreto y tienen una gran importancia en el uso de la analítica en general. Pero focalizarse exclusivamente en este tipo de medidas puede alejarnos de la comprensión global del problema planteado. Por ejemplo, si queremos saber el número de personas que realmente leen un artículo, la métrica basada en el número de impresiones no será capaz de transmitir esta información, o en el caso de los anuncios, el número de clics ofrece una visión aproximada del número de ventas potenciales pero la mejora de esta métrica no sería nuestro verdadero objetivo final.
Por tanto, las métricas pueden aportarnos soluciones a corto plazo pero si queremos mejoras reales a largo plazo, es necesario incorporar modelos de analítica y recopilación de datos para obtener un visión completa de la problemática.
La expectación creada entorno a la analítica puede desilusionar a quienes creen que la aplicación de estas herramientas ofrecerán beneficios inmediatos. La realidad es que la analítica requiere un mayor esfuerzo, incluso los ejecutivos pueden creer que han llegado a un punto máximo global cuando en realidad sólo han alcanzado un máximo local.
¿Cómo podemos mejorar los procesos analíticos?
- Dar un paso atrás en el problema específico. El tipo de enfoque que adoptamos ante el problema puede optimizar los detalles de un problema pero del mismo modo, también puede ser un problema que impida ver otras opciones. La participación de un tercero puede ayudar a resolver este problema.
- Testear aquellos supuestos que damos por ciertos. En la definición de problemas de negocio se asumen varias premisas y supuestos, los cuales definen de manera implícita la muestra y las diferentes opciones a estudiar. Por ejemplo, en el análisis de los datos obtenidos en el sensor Nike+, Nike encontró que las personas suelen hacer más ejercicio durante la noche y establecen nuevas metas en enero. Las conclusiones del análisis realizado no son sorprendentes, pero Nike puso a prueba una hipótesis que si no hubiera sido cierta, podría haber aportado nuevas formas de comercialización y nuevos mercados. La aplicación de análisis exploratorios a aportado a Nike mejoras en el uso de materiales sostenibles.
- Construir previamente una base de datos para explorar. Si la realización de prueba exploratorias requiere una gran inversión de recursos será menos probable que la gente se anime ha hacer estos análisis. Para ellos muchas organizaciones realizan inversiones en la implementación de sistemas de datos que permitan dar respuestas a preguntas futuras que todavía no se han planteado.
- Abrirse a la analítica exploratoria. Tanto las organizaciones como los individuos pueden caer en la miopía analítica. Actualmente diversos informes destacan que las organizaciones que utilizan la analítica para la innovación, están ganando una ventaja competitiva basándose en analítica exploratoria.
Las analíticas exploratorias incluye ciertos riesgos, cada análisis implica el uso de recursos que podrían dedicarse en procesos de mejora incremental a corto plazo, pero es necesario encontrar un equilibrio entre la búsqueda de resultados incrementales y la innovación.
Ninguno de estos dos enfoques tiene sentido por si sólo. Los ejecutivos que quieran plantearse avances de largo alcance tendrán que fomentar los análisis exploratorios, a pesar de que esta estrategia significará algunos fracasos y la no obtención de un retorno inmediato de las inversiones.
En Valuexperience te ayudamos a mejorar los procesos analíticos de tu empresa mediante la adopción de herramientas estratégicas basadas en fomentar y desarrollar la Inteligencia Competitiva (IC), facilitando así una mayor comprensión de los objetivos y de la realidad del entorno.
Comentarios recientes