El análisis de datos se está utilizando, por ejemplo, para que el Gobierno de Ruanda detecte fraudes fiscales mediante el estudio de anomalías en los datos de recaudación de ingresos. También para que un sociólogo en ciernes en Indiana (EEUU) encuentre patrones en las enormes cantidades de texto que las personas usan cada día para expresar su visión del mundo, patrones que ningún lector individual podría reconocer, y así entender cómo está cambiando la cultura en Estados Unidos.

Todos los días se encuentran nuevos usos para la ciencia de datos. De todas formas, a pesar del gran interés en los datos recopilados por casi todos los sectores de las empresas estadounidenses -desde compañías financieras y empresas de atención médica hasta consultorías de gestión y el Gobierno- muchas organizaciones continúan relegando el conocimiento científico de datos a un pequeño número de empleados.

Eso es un error y, a largo plazo, es insostenible. Piénselo de esta forma: muy pocas compañías esperan que únicamente los redactores profesionales sepan escribir. De la misma manera, ¿por qué pedir solo a los científicos de datos profesionales que entiendan y analicen los datos, al menos en un nivel básico?

Relegar todo el conocimiento de datos a un puñado de personas dentro de una empresa es un problema en muchos niveles. Los especialistas en datos lo encuentran frustrante porque es difícil para ellos comunicar sus hallazgos a colegas que carecen de conocimientos básicos. Las partes interesadas de las empresas no están contentas porque las solicitudes de datos tardan demasiado en cumplirse y, a menudo, no responden a las preguntas originales. En algunos casos, eso se debe a que el que preguntaba no pudo explicar la pregunta correctamente al especialista de datos.

A día de hoy, todas las industrias están repletas de datos y las organizaciones que tienen éxito son aquellas que más rápidamente dan sentido a sus datos para adaptarse a lo que viene. La mejor manera de permitir el descubrimiento rápido y la comprensión más profunda es dispersar el conocimiento sobre el análisis por toda la organización.

Las empresas que desean competir en la era de los datos necesitan hacer tres cosas: compartir herramientas de datos, difundir habilidades de datos y difundir la responsabilidad de los datos.



Compartir herramientas

La mayoría de las herramientas de datos son parte del equipo de análisis de datos. Si bien esto puede parecer lógico, crear un silo de herramientas de datos y restringir el acceso a un grupo reducido de empleados impone una carga demasiado pesada a esos empleados. La mayoría de las consultas de otros departamentos (Ingeniería, Financiero, Producto, Marketing) son solicitudes relativamente simples que cualquier persona con capacitación básica podría cumplir. Al encargar a los científicos de datos las tareas básicas de control, las organizaciones desvían su atención de los proyectos más grandes que requieren su profunda experiencia.

Compartir habilidades

Por supuesto, cuando se comparte herramientas de datos, también se necesita habilitar a las personas para usar esas herramientas. Dependiendo de las herramientas de datos que use su organización, una variedad de programas educativos, disponibles tanto en internet como de forma presencial, pueden ayudar a su equipo a entrar de lleno en el tema.

A medida que su equipo gane la oportunidad de aprender esas habilidades, se sentirán más cómodos al llevar datos a todas las decisiones importantes. Se pondrá de manifiesto que algunos miembros del equipo se sienten más cómodos utilizando las habilidades de datos que otros. Anime a los más competentes a ser mentores de los demás.

Un equipo con conocimientos de datos realiza mejores solicitudes. Incluso una comprensión básica de herramientas y recursos mejora en gran medida la calidad de la interacción entre compañeros. Cuando el "nivel de esfuerzo" -la cantidad de idas y vueltas necesarias para aclarar lo que se quiere- de cada solicitud disminuye, la velocidad y la calidad aumentan.

Las habilidades compartidas mejoran la cultura de la empresa y sus resultados y mejoran el entendimiento mutuo. Si sabe lo difícil que es obtener un conjunto de datos en particular, ajustará la forma en que interactúa con las personas que deben proporcionarle ese resultado. Dichos ajustes mejoran el lugar de trabajo para todos.



Compartir la responsabilidad

Una vez que una organización brinda el acceso y la formación necesarios para democratizar los datos entre sus empleados, puede ser momento de ajustar los roles y las responsabilidades. Como mínimo, los equipos deberían poder acceder y comprender los conjuntos de datos más relevantes para sus propias funciones. Sin embargo, al equipar a más miembros del equipo con habilidades básicas de codificación, las organizaciones también pueden esperar que los equipos de análisis que no usan datos apliquen este conocimiento a la resolución de problemas departamentales, llevando a resultados mucho mejores.

Si su fuerza de trabajo es alfabetizada en datos, por ejemplo, su equipo de datos centralizado puede cambiar su enfoque de "hacer el trabajo de datos de todos los demás" a "construir las herramientas que permitan a todos hacer su trabajo de datos más rápido". Nuestro propio equipo de datos no ejecuta análisis todos los días. En cambio, crea nuevas herramientas que todos pueden usar para que 50 proyectos puedan avanzar tan rápido como los anteriores proyectos

El análisis de datos ya no es solo para los especialistas de datos, si es que alguna vez lo fue. Las empresas inteligentes de hoy aseguran que muchos de sus empleados puedan hablar el idioma de los datos y usarlo para mejorar los resultados del trabajo. Al capacitar a los empleados con estas habilidades fundamentales, las empresas se están dando cuenta de los increíbles niveles de innovación y eficiencia.

Actualidad Laboral / Con información de Harvard Business Review / Jonathan Cornelissen