Cómo hacer que todo el mundo sea bueno con los datos

A estas alturas, la mayoría de las empresas saben -al menos a nivel intelectual- que unos buenos datos son esenciales para unas operaciones eficientes, una toma de decisiones acertada y una IA potente. Sin embargo, no reconocen el papel fundamental que desempeñan las personas en la creación de buenos datos. De hecho, muchos ven a las personas como una gran parte del problema, culpándolas de falta de atención, reticencia a aprender nuevas habilidades y miedo excesivo a ser sustituidos. Esta actitud no cuadra con lo que vemos como asesores que intentan ayudar a las empresas a obtener mejores rendimientos de sus inversiones en datos; de hecho, vemos a personas que hacen cosas heroicas todos los días para intentar crear, utilizar y analizar los datos adecuadamente ante la falta de formación, apoyo y dirección. Sin embargo, muchos directivos, en su mayoría inconscientemente, dificultan que la gente haga las cosas bien cuando se trata de datos. Este punto parecerá a muchos directivos fuera de lugar. Al fin y al cabo, ellos también se esfuerzan por hacerlo lo mejor posible: están preocupados por cumplir los KPI y sometidos a la presión de sus propios jefes. Ciertamente, ¡no se aplica a sus equipos! Pero pensándolo bien, es posible que reconozca lo siguiente (todos ellos son hechos reales o compuestos de hechos reales): Escenario 1: En un banco, la dirección se negó a formar a los empleados de primera línea, mal pagados, sobre cómo los datos que introducían eran fundamentales para las operaciones comerciales. No querían invertir en estas personas porque la tasa de rotación era alta. Como resultado, la calidad de los datos era deficiente y los que estaban abajo tenían que hacer correcciones para poder hacer su trabajo. Escenario 2: Durante años de trabajo en el departamento financiero, Mary se ha dado cuenta de que las listas departamentales de proveedores contenían incoherencias, que son el resultado de que varios departamentos introduzcan los mismos datos de formas diferentes. También sabe que distintos departamentos compran los mismos materiales en pedidos más pequeños y separados, y que la organización ahorraría millones de dólares si coordinara las compras y comprara al por mayor. Sin embargo, su bonificación se calcula en función de la exactitud de las cuentas por pagar, y solucionar este problema le quitaría tiempo de su "trabajo diario". Así que, por ahora, se queda callada ante esta oportunidad. Escenario 3: Una organización sin ánimo de lucro quería utilizar los datos para identificar los factores clave que mejoran los resultados de las familias a las que atienden. El personal de los trabajadores sociales era reacio a comprometerse con cualquier cosa relacionada con los datos; estaban en la organización para servir a las personas, no para trabajar con la tecnología. Además, habían visto una y otra vez que los datos sólo se utilizaban de forma punitiva y pensaban que nada bueno podía salir de que la dirección hiciera un seguimiento de su trabajo basándose en los datos. Escenario 4: Una empresa de software de Silicon Valley que quería aumentar sus ingresos fijó objetivos trimestrales para cada equipo: Los objetivos de marketing se fijaron en función del número de clientes potenciales y los de ventas en función de los ingresos generados. Ambos objetivos estaban claros y acordados. Para perseguir su objetivo, en las conferencias, Marketing adoptó el mantra "si respiran, escanea su placa". Esto supuso mucho trabajo extra para Ventas, ya que perseguían a personas sin ningún interés en sus productos. Lo que realmente necesitaba Ventas eran clientes potenciales cualificados, no tarjetas de identificación escaneadas. En cada caso, las personas hicieron su trabajo lo mejor que supieron, incluso cuando al hacerlo perdieron oportunidades y trabajo extra en otras partes de la organización. Como explicaremos en el resto de este artículo, no hace falta mucho -un poco de formación, una oportunidad para hablar, mejores KPI- para obtener resultados mucho mejores. Apoye el orgullo de trabajar En cada uno de estos escenarios, nadie vino a trabajar tratando de crear malos datos - aunque eso es lo que terminó sucediendo. Tampoco los directivos vinieron a trabajar con el objetivo de animar a la gente a hacerlo. Estos escenarios recuerdan inquietantemente a los que se han producido en las fábricas desde los primeros tiempos de la industrialización. Abordar este problema fue el objetivo de estadísticos y consultores de gestión como W. Edwards Deming, Joseph Juran y Walter Shewhart ya en la década de 1920. Deming, en particular, subrayó la importancia del trabajador común y su derecho a comprender cómo encaja su trabajo en el resto de la organización. Reconocía que casi todos los trabajadores sienten un orgullo natural por lo que hacen y un fuerte deseo de hacer lo correcto. Están, argumentaba, singularmente bien situados para ayudar a determinar la mejor manera de hacer su trabajo. Deming codificó su filosofía en 14 puntos clave. Sus puntos 7 y 12, que dicen: "Expulse el miedo para que todos puedan trabajar en beneficio de la empresa" y "Elimine las barreras que se interponen entre el trabajador común y su derecho al orgullo de la mano de obra", son especialmente relevantes en este caso. Sería difícil exagerar la contribución de Deming a la mejora de la calidad y la productividad en todo el mundo. Ayudó a lanzar la revolución de la calidad, primero en el Japón posterior a la Segunda Guerra Mundial y, más tarde, en todo el mundo. Su pensamiento es tan relevante para la "fábrica de datos" actual como lo fue para la fábrica física hace años. En nuestro propio trabajo, vemos que este tema de la gente que quiere hacer lo correcto en lo que se refiere a los datos se repite cada día. Considere lo que sucede, o no sucede, en los escenarios anteriores, haciéndose las siguientes preguntas: Comprensión: ¿Comprende la gente que son creadores de datos y cómo los datos que crean encajan en el panorama general (por ejemplo, los trabajadores del banco)? Empoderamiento: ¿Existen mecanismos para que las personas expresen sus preocupaciones, sugieran posibles mejoras y realicen cambios? ¿Proporciona seguridad psicológica para que lo hagan sin miedo (por ejemplo, la hoja de cálculo de Mary)? Responsabilidad: ¿Sienten las personas orgullo de pertenencia y asumen la responsabilidad de crear, obtener y poner a trabajar datos que apoyen la misión de la organización (por ejemplo, los trabajadores sociales sin ánimo de lucro)? Colaboración: ¿Se ven las personas a sí mismas como clientes de los datos que otros crean, con el derecho y la responsabilidad de explicar lo que necesitan y ayudar a los creadores a elaborar soluciones por el bien de todos los implicados? Como dice el proverbio "Si quieres ir rápido, ve solo; si quieres llegar lejos, ve juntos". Si ha respondido "no" a alguna de estas preguntas, debería considerar seriamente la posibilidad de elevar su enfoque, tal y como se describe a continuación. Aproveche la oportunidad Hemos ayudado a cientos de directivos a ver cómo se desarrollaban en sus equipos los escenarios descritos anteriormente y a tomar medidas básicas para convertir los "no" en "síes". Y hemos visto los mejores datos y los empleados activados que resultan de ello. Por ejemplo, con un programa de formación de una hora, el banco antes mencionado vio reducirse los errores en un 90%. Del mismo modo, hemos visto cuánto se facilita el trabajo de todos cuando la gente trabaja a través de las líneas departamentales para aclarar sus requisitos de calidad de datos. Para ganarse estas recompensas, recomendamos a todos los directivos que hagan lo siguiente: Ver a las personas de forma positiva y darles voz, como recomienda Deming: Aclare dónde encaja el trabajo de las personas en el panorama general. Concédales un amplio margen de maniobra a la hora de fijar objetivos y de decidir cómo cumplirlos. Vincule el "trabajo diario" de la gente a los datos: Aunque no se consideren como tales, las personas ya son clientes y creadores de datos. Anímeles a asumir estos papeles, ya que les ayudará a desbloquear sus tendencias naturales a "hacerlo bien". Consiga que las personas trabajen juntas: Los seres humanos tienen una empatía natural, y casi todos trabajarán para mejorar los datos una vez que comprendan cómo los utilizan otros equipos. Ayúdeles a conectar entre sí. Comprenda que el empoderamiento conlleva responsabilidad: Haga que la gente sea responsable de la calidad y deje que el "orgullo de pertenencia" impulse el deseo de obtener los datos correctos. Adopte una actitud de "ninguna idea es demasiado descabellada": Pida a la gente que exprese sus opiniones y ayúdeles a conseguir apoyo para hacerlas avanzar. Liderar el cambio cultural Todos los líderes tienen los platos llenos (o demasiado llenos). Es fácil pasar por alto lo fundamentales que son los datos de alta calidad para todo, y lo fundamentales que son las personas para la calidad de los datos. Respételas, muéstreles el panorama general y ayúdelas a crecer en su papel de creadoras de datos y clientes de datos. Conecte a ambos, fije unas expectativas altas, proporcione un mínimo de apoyo y, a continuación, déles rienda suelta para que encuentren y eliminen las causas profundas de los problemas. Haga estas cosas y no habrá necesidad de capacitar a las personas: ellas se capacitan solas. Esto es "datos bien hechos", y funciona para todos los datos: datos de clientes, datos de operaciones, datos utilizados para la toma de decisiones y la elaboración de informes, datos no estructurados, etc. Para ser claros, pocas empresas están haciendo bien los datos. La tentación de abordar los problemas citados anteriormente a través de políticas, controles o los últimos prodigios tecnológicos suele ser demasiado fuerte. No hay nada en contra de la tecnología: puede ayudarle a agilizar ciertas tareas. Pero primero hay que hacer bien los datos. En cambio, la oportunidad para los altos dirigentes, incluidos los directores de datos, consiste en resolver cómo dar vida a lo anterior dentro de la cultura actual de su empresa. Mai AlOwaish, del Gulf Bank de Kuwait, lo consiguió mediante una red de embajadores de datos y una amplia formación; Nikki Chang, de Chevron Drilling and Completions, lanzando un reto a las unidades de negocio; Liz Kirscher, de Morningstar, dirigiendo personalmente la primera media docena de proyectos de mejora; y Bob Pautke, de AT&T's Access Management, definiendo un gran problema, estableciendo una visión y dando rienda suelta a docenas de equipos. (Revelación completa: Tom asesoró en todo este trabajo). El enfoque esbozado aquí es un ganar-ganar-ganar. Liberar el orgullo natural de la mano de obra de las personas que trabajan en la "fábrica de datos" actual les ayuda a empoderarse para mejorar la calidad, al igual que ocurría en la fábrica física de Deming. Pruebe este enfoque de los datos centrado en las personas. Escúcheles. Apóyeles con los recursos necesarios. Ayúdeles a hacer grandes cosas.

Cómo hacer que todo el mundo sea bueno con los datos

Resumen.

Partner Center