Este año ha sido impredecible. Ese es el contexto en el que un estudio de KPMG muestra que los CEO buscan más confianza en los datos y el análisis. La previsibilidad del análisis de big data tuvo un mini auge hace unos años, casi al mismo tiempo que el antiguo estadístico de béisbol Nate Silver encontró un éxito repentino al predecir elecciones. Luego, llegó la imprevisibilidad. Como muchos videntes antes que él, el tiempo ha hecho que Silver baje algunos peldaños, principalmente porque subestimó las posibilidades del candidato novato Donald Trump. Silver no ha sido el único en perderse esa predicción. Mientras tanto, una serie de sorpresas ha marcado el 2016. El ascenso político de un outsider, la salida de Gran Bretaña de la Unión Europea, la caída tardía de los Golden State Warriors, entre otros elementos, han combinado para darle al 2016 el aura de “Año de la Imprevisibilidad”. Esto podría afectar la confianza en los datos y el análisis de big data. ¿Por qué? Si las predicciones exitosas como las de Silver dieron a algunos CEO una sensación de confianza en los datos y el análisis, una aparente cadena de fracasos podría hacerles dudar. ¿Quién puede decir que estos obstáculos en el camino hacia predicciones basadas en datos no afectarán la confianza de algunos CEO en los datos y el análisis? ¿Desconfianza en los datos en la alta dirección? Algunos datos sugieren que la confianza en los datos y el análisis es limitada. Aunque los gestores de datos han trabajado a lo largo de los años para mejorar la calidad de los datos corporativos, los líderes en la alta dirección siguen teniendo dudas. Según una encuesta de KPMG a 400 CEO de Estados Unidos, el 77% de los CEO tiene algún nivel de desconfianza hacia la calidad de los datos en los que basan sus decisiones. Esto deja solo al 33% de los CEO con una alta confianza en la precisión de sus datos y esfuerzos de análisis. “Puedes hacer la mejor ciencia de datos del mundo, pero si el líder no confía en los resultados, no es útil”, dijo Wilds Ross, principal de datos y análisis de KPMG. Ross describió esta brecha como un “déficit de confianza”. Puede haber una buena calidad de datos y un buen trabajo de análisis de datos, pero a menudo no se utiliza en el negocio, dijo. Según Ross, el análisis predictivo debe ser más amigable para los ejecutivos de alto nivel. La brecha entre las preocupaciones de los tecnólogos de datos y las preocupaciones de los CEO puede ser amplia. El problema a menudo radica en la comunicación, dijo. “A veces, los datos se presentan en estructuras de ‘caja negra'”, dijo. “El mensaje del experto en análisis es ‘confía en mí, esto está bien’. Por otro lado, las personas de alto nivel se preguntan ‘¿cómo sé que esto realmente es como lo presentan?’ o ‘¿si el código está libre de errores?'”, dijo Ross. Para cerrar la brecha, primero, los datos mismos deben ser bien gestionados; segundo, los expertos que entregan el análisis deben poder guiar a los ejecutivos a través de todo el proceso que llevó al análisis. Además, no es útil que el mensajero del análisis actúe como si tuviera el síndrome de “la persona más inteligente de la habitación”. El análisis debe hacerse en el contexto de cómo se toman las decisiones en la organización. “Es un esfuerzo de grupo”, dijo Ross. “No se trata de ser la persona más inteligente de la habitación, se trata de un esfuerzo de grupo”. Comenzar con las decisiones en mente Otra perspectiva sobre la previsibilidad en relación con el análisis y la toma de decisiones proviene de James Taylor, CEO y consultor principal de Decision Management Solutions en Palo Alto, California. Durante muchos años, su práctica se ha centrado en la toma de decisiones porque ha visto muchas instancias en las que los tecnólogos, y los actores empresariales, se centran en la tecnología más nueva sin tener en cuenta la forma en que una empresa toma sus decisiones comerciales. Taylor ve esto repetido en las nuevas tecnologías de big data y análisis predictivo de hoy en día. Taylor dijo que regularmente ve análisis presentados de formas que no ayudan a los tomadores de decisiones. Su consejo es “comenzar con la decisión en mente”, una variación del consejo de Steven Covey de “comenzar con el fin en mente”. Sin ese objetivo, es poco probable que el científico de datos realmente haga las preguntas correctas sobre los datos. “Con demasiada frecuencia, los datos son analizados y presentados por personas que no entienden el negocio”, dijo Taylor. “Los miembros del equipo de análisis rara vez hablan con los tomadores de decisiones sobre cómo toman decisiones, eso es una desconexión”. Para leer la historia completa, haz clic aquí.