El ‘big data’ ayuda a tomar decisiones, pero lo importante es la intuición

El auge de las llamadas data-driven companies, o empresas dirigidas por datos, es una realidad creciente derivada de la explosión del big data en el entramado empresarial de la sociedad de la información. Pero los datos no dan por sí mismos respuestas irrefutables a nuestros problemas y suele ser necesaria la intervención del factor humano para interpretar lo que nos dicen y valorar hasta qué punto debemos escucharlos.

Reducir la toma de decisiones a la intuición sin valorar la información recogida o no escuchar al sentido común para obedecer ciegamente lo que dicen los datos es una simplificación de la ecuación que no resuelve el problema. Como explica Juan Francisco Gago, director de tecnologías digitales de la plataforma Minsait de Indra, “no se trata de conceptos opuestos, sino complementarios”. El experto considera que la intervención humana permite que los datos hablen. “El big data y la analítica son condición necesaria pero no suficiente para optimizar la toma de decisiones. También son imprescindibles la intuición del directivo que conoce el negocio y la del visionario que conceptualiza las apuestas de futuro”.

Antonio Pita, elegido mejor científico de datos en los Data Science Awards el pasado año, también apuesta por esta filosofía del término medio. “Sin información, solo eres una persona con su opinión. Lo mejor que podemos hacer es preguntar a los datos y valorar si la respuesta es razonable. No nos podemos fiar al 100% de los datos ni de nuestra intuición”.

• ¿Por qué no podemos fiarnos de lo que dicen los datos?

Un estudio llevado a cabo entre más de 200 grandes empresas por la compañía de software Qlik desvela que el 38% de ellas tiene dificultades para entender la información que recogen. El crecimiento del flujo de datos en las compañías, previsto en más de un 50% durante este año, dificulta su interpretación en un ecosistema en el que solo una de cada cinco empresas tiene un equipo dedicado en exclusiva a analizarlos.

Las compañías deben preocuparse de alfabetizar digitalmente a sus empleados

Gustavo Loewe, country manager de Qlik

El problema no es tanto tecnológico como cultural. Cuando una compañía toma decisiones basadas en datos tiene que contar con que las personas sobre las que recaiga esta responsabilidad estén preparadas para poder hacerlo. No todo el mundo es capaz de analizar e interpretar datos.

En este ámbito entra en juego el concepto de alfabetización de datos o data literacy, que se compone de la habilidad de leer, trabajar, analizar y argumentar con datos. Según el MIT, leer implica comprender qué son los datos y qué representan; trabajar consiste en crearlos, adquirirlos y administrarlos; analizar supone filtrarlos, clasificarlos y compararlos; y argumentar significa utilizarlos para apoyar una narración más grande para comunicar un mensaje.

Gustavo Loewe, country manager en España y Portugal de Qlik, defiende la necesidad del data literacy y la lleva al extremo con un ejemplo: “El 80% de las personas que cumplen condena en EE UU son analfabetos. Existe una relación directa entre las posibilidades que una persona pueda tener en la vida en cuanto a desarrollo personal y profesional, y su alfabetización. Lo mismo ocurre en el mundo de la empresa. Las compañías deben preocuparse, más allá de la tecnología, de formar a sus empleados en competencias digitales y alfabetizarles digitalmente”.

Otro problema fundamental que afecta a la calidad del dato es su abundancia. Hace no más de 15 años, encontrar la información que buscabas era como descubrir un oasis en medio del desierto, ya que las fuentes a las que podías recurrir eran más reducidas. Actualmente, para conseguir lo que quieres tienes que buscar agua dulce en medio del océano. “La realidad es que hasta ahora no nos habíamos topado con tal cantidad de datos en formatos tan diversos en tiempo real”, expone Ignacio Alonso, especialista en Big Data de IBM. “Un factor clave para analizarlos correctamente es la democratización del dato”. Para Alonso, esto significa que científicos de la información, expertos en negocio, desarrolladores e ingenieros trabajen sobre los mismos datos y puedan hacerlo de manera ágil, abierta y sencilla.

Las empresas deben entender qué información necesitan para responder a cada pregunta

Isabel Fernández, managing director de analítica en Accenture

Loewe coincide en que parte del problema reside en la dispersión del dato. “En lugar de usar herramientas de trabajo colaborativas, Excel se ha convertido por defecto en la herramienta por excelencia de autoservicio, y esto es un problema para garantizar la calidad del dato”, lamenta. “En Excel, cada uno modifica la información como le conviene y se sacan conclusiones diferentes a partir de un mismo documento. Este problema se llama polución del dato y es el día a día de empresas medianas y grandes de todo el mundo”.

Por este motivo, el exceso de datos no tiene por qué ser un inconveniente si están bien trabajados. Isabel Fernández, managing director de analítica en Accenture, opina que la información nunca es demasiada cuando se gestiona adecuadamente. “Las empresas debemos transformar nuestra manera de trabajar los datos para dar soluciones relevantes y, para ello, debemos entender qué información necesitamos para responder a cada pregunta”.

Hay otros motivos por los que no se deja a los sistemas de análisis tomar las decisiones. Eva García, responsable de analítica de datos en KPMG, enumera tres de ellos. “En ocasiones, el sistema desconoce ciertas fuentes de información relevantes a la hora de tomar una decisión. También existe cierta desconfianza en el sistema, porque al estar construido por personas puede estar sujeto a errores. Por último, hay un factor no necesariamente racional: el convencimiento extendido de que solo el ser humano puede tomar la decisión adecuada”.