Según algunos estudios, los cocos matan 150 personas al año, haciéndolos 15 veces más peligrosos que los tiburones.
Es 5 veces más probable que mueras camino a comprar un boleto de lotería que ganarla.
Hay el doble de tigres en propiedad privada en los Estados Unidos que los que existen en todo el mundo en estado natural.
Estas son tan algunas curiosas estadísticas que se puede ver en internet. No tengo ni idea de si son fiables. El caso es que nos encantan los datos y su análisis. A veces parece que cuantos más datos tengamos mejor. Todo el mundo te anima a analizar, ya sea para tu negocio, para tu web, para una empresa. Y estamos de suerte en ese sentido porque vivimos en la época de la historia donde más fácil es conseguir datos. Estamos rodeados del famoso "Big data". Por eso la pregunta de este post:
¿Es realmente posible medir y analizar los datos con efectividad?
La respuesta obvia es "depende". Depende de muchos factores. Mi respuesta es que difícilmente. Es posible, pero hay que usar técnicas avanzadas para ello.
Y, ¡ojo!, soy el primero al que le gustan los datos. Desde pequeño, me gustó mucho analizar, crear mis fórmulas, las famosas hojitas de Excel, etc.
Pero después de tiempo, he llegado a una serie de conclusiones que quiero compartir. Creo que es muy difícil medir y analizar datos con efectividad, y menos con el procedimiento que se está utilizando normalmente.
Para intentar demostrar esto, vamos a ver 7 factores que hay que tener muy en cuenta para analizar los datos con efectividad. Más que factores, son, para que nos vamos a engañar, 7 problemas de la medición.
1. La gran cantidad de datos a nuestra disposición
El tener tantos datos disponibles hace muy complicada una medición correcta, excepto para una gran empresa. Y la razón es de lógica: a más datos, más recursos necesitas para guardar esos datos, mantenerlos, extraerlos y analizarlos.
Hoy en día se puede digitalizar todo, en plan Matrix. Todo son ceros y unos. Un sistema de reconocimiento facial es capaz de detectar tu rostro, de saber lo que dices por el movimiento de los labios. Hay programas gratuitos que, con la cámara, son capaces de grabarte en video en vivo y añadirte objetos a tu rostro, o deformarte la cara. Se puede digitalizar olores, colores, letras. Ya existen muchos sistemas, gratuitos por cierto, que buscan objetos y palabras dentro de una foto. Esto son capacidades que hasta hace poco, sólo teníamos los humanos. Y si esto es lo gratuito, imagina lo que se puede estar haciendo.
Y todo esto, son datos, muchos datos. Por eso le llaman “big data”. Claro, conseguir los recursos para hacer un buen análisis de todo esto, dar con el algoritmo correcto es algo que no es posible sino para una gran empresa que dedique una sección entera a analizar datos. Y aún así, la realidad es que los algoritmos no suelen acertar en los objetivos para los que se hicieron.
2. El coste de oportunidad
Muy relacionado con el punto anterior está el coste de oportunidad. Todos tenemos el mismo tiempo, nos guste o no. Y el tiempo se gasta en algo. Si tu lo gastas en analizar, no te queda para realizar. Es así de sencillo. Y el problema es que analizar datos y ver gráficas es muy cómodo. Tienes una infinidad de sistemas a tu disposición para esto. Y lo puedes hacer tumbado en la cama con una tablet. Se te pueden ir las “horas muertas” mirando datos.
Aún en el caso de que seas capaz de analizar los datos correctamente y de saber cómo te afectan o qué tienes que mejorar, lo que realmente va a cambiar las cosas es HACER. Así que lo que habría que hacer es medir el coste de oportunidad para ver si es realmente rentable medir tanto. A veces, si la gente simplemente dedicara más tiempo a crear, a imaginar y llevarlo a la práctica, conseguiría más resultados.
Una opción sería externalizar y que sea otro quien te de un informe detallado, pero, nuevamente, esto es más fácil para una gran empresa.
3. El orden de los factores
En la analítica actual se tiende a recopilar datos, todos los que se pueda, y después analizarlos. Pero esto es un sinsentido. Aparte del consumo de recursos y del coste de oportunidad, lo cierto es que tener datos sin saber para qué, te va a dificultar muchísimo entender lo que te dicen estos datos.
Es posible que en ciertos sectores, este sistema pueda ser útil. Me viene a la cabeza Sherlock Holmes. Él recopilaba datos, establecía una posibilidad, y después comprobaba si era o no cierta. Al final, lo que no había descartado era la verdad. Pero él no sabía lo que buscaba. Nosotros sí. Y si no lo sabemos, tenemos un problema más grave.
Así que el orden de los factores sí importa. Lo primero que hay que hacer es preguntarse Qué. ¿Qué es lo que quieres? ¿Cuál es tu objetivo? Después viene el ¿por qué? ¿por qué quieres conseguir esto o aquello? Y finalmente el cómo. ¿Cómo vas a conseguir tu objetivo? Una vez sepas esto, sólo necesitas recabar los datos que te digan si el sistema (el cómo) está funcionando o no. Y no hacen falta muchos datos. Quizás con 3 ó 4 preguntas bien hechas, sea suficiente. Una vez más, menos es más.
4. La privacidad
Aunque consigas analizar datos con efectividad, hay un inconveniente: la privacidad de los datos. El tema de la privacidad es un problema que va cada vez a peor.
El motivo es simple: las empresas quieren tus datos, y la gente no quiere que los demás tengan sus datos. De ahí las multas millonarias a ciertas empresas, sobre todo del sector informático. Y esto también explica la cantidad de leyes en diferentes países para proteger los datos de la ciudadanía. ¿A dónde llegará esta lucha? Hay quien piensa que terminarán pagando por nuestros datos. Eso sí, no te preocupes, que las grandes empresas buscarán la manera de seguir siendo rentables.
Sea como sea, conseguir datos se hará cada vez más complicado. Además, por supuesto, de la cuestión ética.
5. Las mediciones son manipulables
Hay diferentes sesgos que van a corromper cualquier dato que consigas. Si no te gusta un gráfico porque no ves los resultados que esperabas, o bien no demuestra la teoría que habías lanzado, buscarás otro gráfico hasta que coincida.
Eso, si lo mides tu mismo, claro está. Siempre puedes pedir a una consultora externa que haga un análisis de los datos que les digas. Pero esto también es un arma de doble filo. Es de sobra sabido que muchas empresas y gobiernos tergiversan y manipulan los datos para que digan lo que ellos quieran. Y muchas consultoras adaptan los datos a las necesidades de los clientes (a nadie le gusta escuchar que las cosas van mal).
Y luego están las falsificaciones masivas y descaradas de los datos. Influencers que compran seguidores, redes sociales que manipulan los algoritmos para beneficiar a grandes inversores, granjas de generación de datos para apoyar al mejor postor, etc.
6. Resultados pasados no aseguran resultados futuros
Es posible que hayas oído antes esta frase, dicha de forma ligeramente distinta: “gráficas pasadas no aseguran resultados futuros”. Se suele aplicar a la bolsa bursátil. Los analistas disponen de más datos que nunca antes en la historia. Sin embargo, siguen fallando como siempre. ¿Por qué? Porque por muchos datos que tengas, estos pertenecerán siempre al pasado.
Siguiendo con el ejemplo de la bolsa, sabrás que existen dos tipos de análisis: el técnico y el fundamental. El técnico se basa principalmente en datos y en gráficas. Y hay gente que tiene herramientas carísimas con las que es capaz de detectar movimientos, rebotes, y un montón de cosas más, con el fin de hacer una inversión que les de beneficios. Pero esto es muy complicado de realizar. La idea de que puedes trabajar en bolsa y hacerte rico sin esfuerzo, mirando un par de gráficas, está muy alejada de la realidad.
Pues bien, lo mismo sucede con el resto de análisis. Si quieres analizar datos con efectividad, no te puedes fiar del pasado. Por muy bien hecho que esté cierto estudio, eso no quiere decir que se pueda repetir en el futuro. Te puede servir para sentar las bases, para tener una idea, pero no para mucho más. Y todo esto, nuevamente, invirtiendo dinero, recursos y tiempo.
7. Las comparaciones y los test AB no funcionan como nos gustaría
Vivimos en un mundo super complejo. Miles de millones de personas pululando por el planeta. Cada nanosegundo, infinitas moléculas se mueven de forma impredecible. Por eso, no es tan sencillo hacer un test de medición.
Uno de los sistemas de análisis más famoso es el test AB. Se trata de realizar dos acciones casi iguales, cambiando un factor. El resultado dirá cómo afecta ese factor. Un ejemplo: lanzas al mismo tiempo, desde dos cuentas distintas, un correo electrónico. Uno va con texto y una fotografía, y el otro sólo con texto. Después puedes medir cuánta gente ha abierto ese correo, o cuántos usuarios han hecho click en un enlace. Pero… ¿qué te asegura a ti que el resultado es correcto? ¿habrá influido el remitente? ¿han sido exactamente las mismas personas a las que les ha llegado el correo? ¿cuál vieron antes? ¿el que tenía foto o el que no la tenía? En pocas palabras: no es tan sencillo.
Entonces, ¿hay alguna forma de analizar datos con efectividad?
La respuesta es sí, pero no es sencillo.
Para que realmente sea útil, hay que invertir mucho tiempo, recursos y dinero, o bien externalizar servicios (que te lo haga otro). Y aún así, nadie te asegura que las mediciones o su interpretación sean realmente útiles.
Por eso, si quieres analizar datos con efectividad, lo que tienes que hacer es sentarte, responder las preguntas qué, por qué, y cómo. Determinar los datos que necesitas (que no sean demasiados), analizarlos y tomar decisiones. Y todo esto, sin complicarte mucho.
El tiempo más efectivo es el que se gasta creando y haciendo, no tanto midiendo.
De todas formas, quiero proponerte un sistema revolucionario para medir datos con efectividad. Es capaz de acumular más datos que el propio “big data”. Su capacidad es enorme. Analiza los datos en tiempo real, casi sin que te des cuenta, y sin gastar prácticamente recursos. Lo mejor de todo es que es gratis.
¿Sabes cuál es? Sí… tu cerebro. O mejor aún: muchos cerebros juntos.
Nuevamente, agarra un lapiz y papel, o el sistema que sea para anotar. Hazte las preguntas del principio, piensa en qué datos necesitas, y… ¡sal a la calle! ¡pregunta a la gente, a tus clientes! Llama por teléfono y pregunta a un cliente de confianza: “¿qué te parece esto?”. En esto se resume analizar datos con efectividad.
Nadie hace esto. Vas a una tienda y te preguntan el código postal. En un hotel te dan un papelito para que rellenes un cuestionario, y así podríamos seguir. Pero nadie te pregunta qué tal ha ido, si te ha gustado esto o aquello. Y no me valen las encuestas automatizadas ni sistemas parecidos. Estamos hablando de conectar la mejor herramienta de análisis que existe: tu cerebro; conectarla a otros cerebros. Una mente que escucha realmente, que se comunica.
Hasta una gran empresa debería hacer esto para conseguir analizar datos con efectividad real. Está bien que mida todo lo que quiera, pero mucho mejor estaría que dedicase algunos recursos a preguntar a la gente.
No hay ni habrá nunca un Big data ni una inteligencia artificial que se acerque ni de lejos a la capacidad que tenemos en nuestras cabezas.
Así que: ¡Déjate de tanto medir! ¡Pasa a la acción!
Imagen de Pete Linforth en Pixabay