En el mundo laboral actual, cada vez más profesionales necesitan tener conocimientos básicos en análisis de datos. Aunque mi trabajo como escritor y editor no requiere experiencia en este campo, debo ser capaz de comprender y utilizar análisis de datos en mi día a día. Por ejemplo, necesito entender por qué ciertos artículos sobre crisis laborales en la mediana edad tienen más éxito que otros sobre recibir retroalimentación, o por qué ciertos titulares atraen más tráfico que otros. También debo ser capaz de leer investigaciones sobre los temas que cubro y determinar si los hallazgos son válidos y generalizables, y poder comunicar estos hallazgos, así como sus limitaciones, a nuestros lectores. Para lograr todo esto, necesito tener un entendimiento más allá de lo básico en análisis de datos. Aunque el curso de estadística que tomé en la universidad fue útil, no me preparó completamente para comprender los conceptos importantes y tener las conversaciones necesarias en torno al análisis de datos. Afortunadamente, tuve la oportunidad de hablar con algunos de los mejores expertos en el campo, como Tom Redman, autor de “Data Driven: Profiting from Your Most Important Business Asset”, y Kaiser Fung, quien fundó el programa de análisis aplicado en la Universidad de Columbia. A continuación, presento cuatro conceptos clave en análisis de datos que todo gerente debe entender.

Experimentos controlados aleatorizados

Uno de los primeros pasos en cualquier análisis de datos es la recolección de datos. Esto a menudo se logra a través de una serie de experimentos que las empresas realizan, desde encuestas rápidas e informales hasta estudios piloto, experimentos de campo e investigaciones de laboratorio. Uno de los tipos más estructurados es el experimento controlado aleatorizado. Muchas personas, al escuchar este término, inmediatamente piensan en costosos ensayos clínicos, pero los experimentos controlados aleatorizados no tienen por qué ser costosos ni llevar mucho tiempo, y se pueden utilizar para recopilar datos sobre cosas como si una intervención en el servicio al cliente en particular mejoró la retención de clientes o si un equipo nuevo y más caro es más efectivo que uno menos costoso. En este repaso, Tom Redman me ayuda a entender qué significa que una prueba esté “controlada” y cómo asegurarse de que incluya un elemento de “aleatorización”. El artículo también aborda preguntas como: ¿Qué son las variables dependientes e independientes? ¿Y cuáles son los pasos para diseñar y llevar a cabo uno de estos experimentos?

Pruebas A/B

Una de las pruebas más comunes que las empresas utilizan en la actualidad es la prueba A/B (que es un tipo de experimento controlado aleatorizado). En su forma más básica, estas pruebas son una forma de comparar dos versiones de algo para determinar cuál funciona mejor. Las empresas las utilizan para responder preguntas como: “¿Qué es más probable que haga que las personas hagan clic? ¿O compren nuestro producto? ¿O se registren en nuestro sitio?” Las pruebas A/B se utilizan para evaluar desde el diseño de un sitio web hasta las ofertas en línea, los titulares y las descripciones de productos. Es fundamental comprender cómo interpretar los resultados y evitar errores comunes, como finalizar el experimento demasiado pronto antes de obtener resultados válidos o tratar de analizar un panel de métricas cuando realmente deberíamos centrarnos en unas pocas. Puedes obtener más información sobre las pruebas A/B aquí.

Análisis de regresión

Una vez que tienes los datos, el análisis de regresión te ayuda a darles sentido. Por supuesto, hay muchas formas de analizar los datos, pero la regresión lineal es una de las más importantes. Es una forma de determinar matemáticamente si existe una relación entre dos o más variables. Por ejemplo, si te dedicas a vender paraguas, es posible que desees saber cuántos más vendes en días lluviosos. El análisis de regresión puede ayudarte a determinar si y cómo las pulgadas de lluvia afectan las ventas. Responde preguntas como: ¿Qué factores son los más importantes? ¿Cuáles podemos ignorar? ¿Cómo interactúan estos factores entre sí? Y, quizás lo más importante, ¿qué tan seguros estamos acerca de todos estos factores? Afortunadamente, la regresión no es algo que normalmente hagas por tu cuenta. ¡Existen programas estadísticos para eso! Pero aún es importante comprender las matemáticas detrás de ello y los tipos de errores a evitar. En este repaso, explico cómo funciona la regresión y comparto una advertencia común, pero a menudo mal entendida, sobre no confundir correlación con causalidad.

En resumen, aunque no seas un experto en análisis de datos, es fundamental tener un conocimiento básico de los conceptos clave. Los experimentos controlados aleatorizados, las pruebas A/B y el análisis de regresión son herramientas poderosas que pueden ayudarte a tomar decisiones informadas y basadas en datos en tu trabajo. Asegúrate de comprender estos conceptos y de utilizarlos de manera efectiva para mejorar tus resultados y alcanzar tus objetivos.