Querido directivo: el ‘big data’ no te hace más listo

Los datos no lo podían decir más claro: el 91% de los niños que jugaban con piezas de Lego eran chicos. Hace diez años los directivos de la multinacional danesa podrían haberse rendido ante la enésima evidencia: a las chicas no les gustaba jugar con sus construcciones. Sin embargo, el presidente, Jørgen Vig Knudstorp, un joven ingeniero de 40 años (el primero fuera de la familia fundadora y un fan de Lego desde su infancia), no estaba convencido. La empresa se embarcó en un estudio de investigación con 3.500 familias durante cuatro años y descubrió que las niñas estaban más interesadas en juegos colaborativos y en pequeñas construcciones. Así nació la exitosa línea de Lego Friends.

Este ejemplo ilustra muy bien por qué los datos no pueden tratarse como pura evidencia. La explosión del big data ha calado entre los ejecutivos y muchos creen que los datos deberían estar en el centro de la toma de decisiones. Gracias a ellos la dirección de empresas es ahora más científica que nunca. Este enfoque tiene sus limitaciones, de acuerdo con R.L Martin y T. Golsby-Smith. Según estos autores, las decisiones se tienen que deconstruir entre “se puede” y “no se puede”. “Un verdadero genio tiene la capacidad de imaginar procesos y productos que simplemente no han existido antes”, aseguran.

Lego Friends fue toda una novedad y los datos no animaban mucho a investigar en el mercado de las niñas, sino todo lo contrario. La visión del “maestro constructor” Vig Knudstorp consiguió reflotar la multinacional, a punto de ser engullida por sus millonarias pérdidas. 

• ¿Más listos con muchos más datos?

Más información

Le damos demasiada importancia al presente (y eso es un error): este Nobel explica por qué

La ciencia lo confirma: la amistad tiene un límite

Con tantas nuevas métricas disponibles, ¿corren el riesgo los directivos de tomar decisiones equivocadas basadas precisamente en lo que los datos no dicen?

“El problema del big data es que la ciencia se hace al revés: primero estableces una hipótesis y luego la contrastas. En el caso de Lego lo que decían era que las niñas no jugaban. Nada más. No explicaban por qué. Los datos te pueden llevar a interpretarlos como a ti te interesa si no tienes una hipótesis previa”, asegura Pedro Rey Biel, profesor de economía del comportamiento en ESADE.

Durante años ese ha sido el enfoque: generas una hipótesis y te vas a la realidad a ver si responde a tu modelo. La llegada del big data ha hecho que se dé “la vuelta a la tortilla”, tal y como explica Pablo Haya, director de Social Business Analytics del Instituto de Ingeniería del Conocimiento (IIC). Las técnicas de aprendizaje automático se están aplicando a terrenos inexplorados, según defiende este experto, y la forma de avanzar es diferente porque los científicos de datos no asumen nada sobre las variables. “La revolución viene por ahí. Los algoritmos generan las hipótesis a posteriori y se quedan con la mejor. Si están bien construidos suelen acertar bastante. Cómo se ha llegado a esa conclusión, sin embargo, no se puede explicar. Es como si fuera una caja negra”.

Haya pone de ejemplo los casos de detección de fraude en las tarjetas. “Sería complicado explicar por qué el algoritmo señala determinadas operaciones como sospechosas. En este caso lo importante es acertar y que cuando sea fraude se deniegue el cargo, pero cuando no lo sea no se bloquee la tarjeta”. 

El científico de datos tiene que estar, pero el big data tiene que abrirse a otros campos para poder explotar todo el potencial que esconden las cifras.

• El por qué, ¿es importante?

La respuesta a esta pregunta queda en manos de los directivos, un mundo donde los rumbos se han tomado muchas veces porque el presidente tenía una corazonada o simplemente por imitar a la competencia.

¿Necesito saber por qué suben mis ventas, cuál es el motivo por el que se van los clientes o la razón por la que un determinado producto no funciona? ¿Me hace falta conocer lo que hay dentro de la caja negra o con acertar el resultado futuro me vale? “Para determinados problemas empresariales la explicabilidad no es fundamental y en ese caso los algoritmos tienen ventajas”, defiende Haya.

“Las empresas tomarán mejores decisiones si analizan bien los datos y no se abrazan a ellos simplemente porque están ahí. Para sacarle partido al big data hace falta gente que sepa hacer preguntas y dónde buscar las respuestas”, opina Rey.

¿Qué tienen en común Airbnb, Disney, Uber, ING, Virgin, Google o Walmart? Todas tienen muchos datos de sus clientes, sí, pero también todas aplican la economía del comportamiento a sus decisiones. 

• Dos mundos con un solo perfil

Las sinergias de los dos mundos parecen claras, pero aparentemente solo se está imponiendo un perfil: el del científico de datos. Quizá sea el primer paso, porque la revolución big data es bastante reciente y muchas empresas no tienen un histórico o no han guardado toda la información relevante para su negocio. “Esto ocurre también en compañías grandes, no es un problema de las pymes”, aclara Haya.

Una vez superada esta fase, llega el siguiente escalón: ¿y ahora qué? Muchos han invertido cantidades ingentes en guardar miles y miles de datos, les han vendido que el big data es una maravilla, pero se sienten frustrados. “Hay de todo, es verdad”, admite Haya, “y una queja reiterada entre algunos directivos es que los modelos, aun siendo buenos, no responden a una pregunta de negocio”.

El científico de datos tiene que estar, pero el big data tiene que abrirse a otros campos para poder explotar todo el potencial que esconden las cifras. Rey cree que la tecnología de captación de datos ha avanzado mucho más rápido que la teoría de lo que podemos hacer con ellos. “Creo que solo se está sacando partido al 5% de los datos”, concluye.

El dato es el petróleo del siglo XXI, reza una de las afirmaciones de moda. Pero incluso el oro negro necesitó de muchas más disciplinas para sacarle todo su partido. Ahora ocurre algo parecido. La revolución del big data coincide en el tiempo con otra, la de la economía del comportamiento (tal y como demuestra el premio Nobel a Richard Thaler). Pensar que son mundos paralelos sería llegar a una apresurada conclusión. Let’s be friends.