Menos ruido, menos humo y más trabajo con el bigdata

Cuando colocamos a un vocablo en el altar mediático ya no existe nada más. Hasta que lo manoseamos tanto que le quitamos su esencia. Ha ocurrido con innovación, también con emprender y ahora todo es bigdata. Rápidamente, si acabas de crear una empresa tecnológica -da igual de lo que sea- le colocamos la palabra ‘bigdata’ para mostrar sus fortalezas. Cuando queremos decir que somos muy innovadores y capaces de captar tendencias y aprender de nuestros clientes, saldrá la palabra bigata varias veces. Pero bigdata en sí mismo no es nada. Son grandes cantidades de datos. Ahora acceder a datos parece más fácil que nunca. Se puede registrar muchísima información. Fíjate, podemos poner una pulserita y rápidamente sabemos cuánto dormimos, cómo, los pasos que damos, las calorías consumidas…y poco más que hasta cuando respiramos. Datos, datos y datos, pero…

los datos no son un fin en sí mismos. Datos sin saber para qué y, sobre todo, cómo estructurarlos para sacarles partido -lo cual requiere conocimientos importantes de matemáticas y estadística para evitar gambazos serios- no sirven de nada

Mi amigo Abel Fernández, un tipo al que sí se le puede llamar científico de datos, lo explicaba bien en Sintetia:

no hay nada fundamentalmente novedoso en el Big Data. De hecho, dicha denominación no es más que un gancho comercial para denominar a la estadística que siempre hemos conocido. Ello no quiere decir que durante las últimas dos décadas no se hayan producido avances en las técnicas estadísticas y en cómo los expertos enfocan los problemas, pero el cambio ha sido y será, como casi siempre, gradual.
¿Dónde está entonces el problema con el Big Data?
Primer problema: nuestra capacidad de modelización es muy reducida
Una característica distintiva del Big Data es que se refiere generalmente a la posibilidad de modelizar y predecir ciertos comportamientos del ser humano. Lo distintivo del Big Data es la recolección de datos de comportamiento real, y el problema aquí se encuentra en que las personas actúan por motivos muy complejos y en que ninguna “asignación a un grupo u otro” es aleatoria (clave para hacer estudios consistentes y obtener conclusiones útiles).
La capacidad de modelización a partir de bases de datos masivas, por prometedora que sea, es por ahora solo una quimera para el 99% del tejido productivo.
Segundo problema: el Big Data solo es complementario con un tipo de capital humano muy específico.
Un “trabajador de los datos” necesita combinar tres tipos de conocimientos:
Estadística pura y dura. Modelos lineales, generalizados, máxima verosimilitud, contraste de hipótesis, inferencia, machine learning
Habilidades computacionales. Trabajar con datos masivos requiere en primer lugar la capacidad para manejarlos, e implementar modelos y algoritmos requiere soltura al menos en un lenguaje.
Profundo conocimiento del tema a tratar. Ningún modelo ni algoritmo puede garantizar predicciones fiables sin un conocimiento profundo del tema, es decir, sin un marco teórico sobre el que plantear el mismo.

¿A que ahora parece menos sexy eso del bigdata y más una marca que otra cosa? Pues si. A mí me llama mucho la atención trabajar con empresas que se dicen ser bigdata y luego carecen de una mínima conexión entre sus datos -a veces un puñado de ellos bien medidos- y su estrategia. Y esto pasa tanto en pequeñas como en grandes compañías. He visto informes de 30 páginas de datos de una sola empresa, sin texto y ningún análisis de los mismos.

A veces pensamos que medimos porque tenemos muchos datos, pero en realidad creamos ruido. Muchos datos no es igual a buenos datos.

Sin una estrategia y un profundo conocimiento sobre qué hacer con esos datos, recopilarlos y mostrarlos sin más no sirve de gran cosa.

A mí realmente me preocupa más la conexión y el profundo conocimiento de los datos que la cantidad de los mismos. A veces es más útil disponer de unas cuantas métricas, bien medidas y trabajadas (comprendidas) que una gran cantidad de información que nadie convierte en conocimiento.

Y esto es especialmente importante en el mundo de las finanzas. Pensemos en la contabilidad. Un mero registro de lo que acontece. Costes, ventas y sus registros: facturas, líneas de crédito, préstamos, ampliaciones de capital, caja… En cambio, hay un puente que se necesita crear, el que une las finanzas con las métricas del negocio en todos sus ámbitos: producción, marketing, distribución, costes…

Todo ha de ser conectado, porque una empresa es un organismo vivo, interconectado y que precisa tener visiones globales conjugadas con microvisiones. Las finanzas actúan como un catalizador, como una especie de lenguaje común que permite conectar cosas que parecen –pero no lo son- independientes.

Por ello hay que formar a los financieros en estrategas, y a los ingenieros en finanzas, y a los diseñadores que piensan haciendo podrían tener mayor impacto en sus tareas si incorporan nociones financieras.

Derribar compartimentos estancos –mentales o reales- es imprescindible para crear organizaciones más fluidas, más inteligentes y con más capacidad para adaptarse.

Esto me lleva a destacar 5 ideas que me gustaría compartir:

  1. Mejora tus capacidades (me da igual quién seas y dónde trabajes) en matemáticas (básicas) y en estadística. Son el lenguaje fundamental para tratar de comprender la complejidad de este mundo.
  2. No empieces por el todo. Querer medirlo todo y poner el foco en la tecnología para medir es un error. Es meter complejidad en lo complejo. Te perderás cosas, lógico, pero tenerlo todo y no saber qué hacer con ello no ayuda en nada.
  3. Comienza con la esencia. Preguntas básicas, ¿cuál es la esencia de nuestro negocio? ¿Qué necesito medir para mejorar lo que hago? ¿Cómo lo mido? ¿Cuáles son los 10 indicadores clave que explican el 90% de mi negocio? ¿Tengo esos 10 indicadores bien medidos y bien analizados? ¿De qué dependen esos indicadores?
  4. Una vez que tengas dominada la esencia y los indicadores clave, crea puentes. Toda la empresa conectada: producción, ventas, marketing, I+D,… Todo se puede y se debe conectar. La empresa es un sistema complejo donde unas variables dependen unas de otras.
  5. Antes del bigdata hay mucho small data. Uno de los problemas más serios con los que me estoy encontrando, y me temo que no es un sesgo de selección :), es la falta de gestión. Pretendemos medir lo que pasa ahí fuera y no sabemos lo que tenemos en casa. No somos capaces de anticipar qué le pasaría a nuestra empresa si los plazos se incumplen; para cuándo tenemos caja; si podemos o no llevar a cabo esa inversión; o estimar bien los márgenes de cada venta. No nos conocemos bien y luego tomamos decisiones de inversión, deuda o contrataciones sin un sentido estratégico.
Menos marketing con el bigdata y más matemáticas, más estrategia y más foco en nuestro negocio. Menos ruido y más hechos. A veces es necesario recordar lo obvio.
Todas las grandes compañías viven del bigdata bien trabajado: Google, Facebook, Amazon, Apple, Uber… Y precisamente ellas no se describen como empresas de bigdata. Ponen el foco en su producto o servicio diferencial. El bigdata lo dejan para casa. Menos ruido y más trabajo. Parece que les funciona.
Like what you read? Give Javier García a round of applause.

From a quick cheer to a standing ovation, clap to show how much you enjoyed this story.