01. ¿Por qué “Data Coaching”?

El problema no es que falten datos. El problema de verdad es que las organizaciones no saben cómo aprovecharlos para ganar dinero.

Es un problema de personas y de cultura, o mejor, un problema de culturas, en plural.

Jeremiadas de datos

De mi trabajo con diferentes organizaciones voy recogiendo los lamentos más frecuentes relativos a la cultura de datos. Les llamo, en broma, Jeremiadas. Lo considero parte del trabajo de escucha y análisis de la Voz del Empleado¹, que es el proceso de captura y análisis de las expectativas, preferencias y aversiones de las personas que trabajan en las diferentes organizaciones. Es decir, lo mismo que el Voice of Customer pero en Empleados.

Una jeremiada es en realidad algo más serio, profundo y aburrido. Se trata de una obra literaria en la que el autor se lamenta amargamente del estado de la sociedad y sus costumbres. Acaba siempre con una profecía que anuncia la caída inminente de la sociedad.

El bíblico Jeremías, al que se atribuye el libro de las Lamentaciones, profetizó la caída del reino de Judá, porque sus gobernantes habían roto el pacto con el Señor.

La lista de Jeremiadas respecto a datos es muy larga. Pero las tres más recurrentes y significativas con las que me he encontrado son las que recojo aquí.

Jeremiada 1: Muchos informes, no entienden nada, ninguna acción

Esta jeremiada se escucha entre mis compañeros de datos. Con diferentes palabras vienen a decir algo así como:

“¡Ay, de nosotros! La empresa pide informes constantemente. Cuando los presentamos, parece que le estamos hablando a la pared. Se dedican a discutir la validez de los datos y nunca ponen en marcha las sugerencias que hacemos”.

Jeremiada 2: Muchas inversiones en datos, sin gente preparada

Esta jeremiada es de alguna manera, la misma que la anterior, pero escuchada desde la perspectiva de la gente de negocio. Suena algo así como:

¡Ay, de nosotros! Llevamos años invirtiendo en tecnología para procesar datos masivos y en disponer de un entorno seguro para los datos. Nos falta gente capaz de encontrar valor en esos datos.

Jeremiada 3: Reinos de taifas

Esta jeremiada se escucha en todas partes.

“¡Ay, de nosotros! Cada departamento de la empresa es como un reino de taifas. Cada uno hace la guerra por su cuenta. No se comparten datos, no hay colaboración”

Los que están en la parte de negocio necesitan saber más de datos, para aprender a convertir el conocimiento en dinero. Los que están en la parte de datos no son suficientemente conscientes de que lo que debe dirigir su trabajo (como en el resto de la organización) es precisamente la búsqueda de valor económico, o sea, de ganar dinero.

Así que “Data Coaching” es un método que ayuda a las organizaciones a extraer el valor económico de los datos, profundizando en todos los niveles de la empresa en la cultura de datos y en la cultura de negocio.

El origen de “Data Coaching”

Aprendí la palabra “coach” con 9 años cuando empecé a jugar a béisbol allá por los años 70 del siglo pasado. El coach es el entrenador del equipo. No decíamos “entrenador”, ni “míster” (como dicen ahora en fútbol), decíamos “coach”.

Tengo que confesar que me apasiona el béisbol. Para mí, ningún otro deporte representa mejor qué es la cultura de datos aplicada a conseguir resultados.

En 2008 se publicó el libro The Data Coach’s Guide to Improving Learning for All Students: Unleashing the Power of Collaborative Inquiry.

Los autores recogían en el libro su experiencia de varios años trabajando con escuelas de Estados Unidos con el programa Use Data Project que busca ayudar a los educadores a utilizar los datos para conseguir la mejora sistemática y continua de la enseñanza, especialmente en las comunidades más desfavorecidas.

El proyecto Use Data Project es muy inspirador. Mi propósito es trasladar su misión (enseñar a utilizar datos para la mejora continua) a empresas y otros tipos de organizaciones.

Pero ahora volvemos con los deportes…

El béisbol es el deporte del Data Coaching

Aunque es el deporte estrella de Estados Unidos y de varios países latinoamericanos, no es un deporte muy conocido en España.

No voy a explica cómo se juega y muchos otros detalles interesantes sobre este deporte. Nos interesa más bien conocer el vínculo estrecho y antiguo que tienen el béisbol y sus aficionados con los datos, las estadísticas y el análisis orientado a la mejora de resultados.

Henri Chadwick, padre del béisbol, creador de las primeras estadísticas

Las estadísticas han sido desde siempre fundamentales en este deporte.

Henry Chadwick (1824-1908) fue un periodista deportivo estadounidense considerado el “padre del béisbol” por sus contribuciones al desarrollo del juego. Editó la primera guía de béisbol. A Chadwick se le atribuye la creación de las “scorecards”, las tarjetas donde se registran los datos de lo que sucede en cada partido. Son la fuente principal del análisis estadístico posterior.

Se dice además que Chadwick creó ya en el siglo XIX algunas de las métricas más populares del deporte, como el promedio de bateo (el número de accesos a base, dividido por el número de turnos al bate) y promedio de carreras limpias (el promedio de carreras limpias permitidas por un lanzador cada nueve entradas).

Hoy día, en béisbol se manejan regularmente casi tantas métricas, dimensiones y ratios como en Google Analytics. Mirad, si no, el artículo de Wikipedia sobre las estadísticas del béisbol: https://en.wikipedia.org/wiki/Baseball_statistics).

Resulta muy gratificante ver que hay muchísimos aficionados alfabetizados en el lenguaje de datos del béisbol. Ese es, como veremos, el camino del Data Coaching.

El manifiesto de Sabermetrics

Sabermetrics es el análisis de béisbol a través de estadísticas. El término proviene de las siglas SABR, que significa (Society for American Baseball Research - Sociedad para la Investigación del Béisbol de América). El juego de palabras de SABERmetrics, sea intencionado o casual, es muy sugerente para los que hablamos español.

Sabermetrics cuestiona algunas de las métricas tradicionales del béisbol, precisamente porque las evalúa por su relevancia para conseguir resultados. Por ejemplo, el promedio de bateo se considera generalmente de utilidad limitada ya que parece ser una herramienta pobre para determinar la capacidad de un equipo para hacer puntos. Una forma típica de pensar al modo sabermetrics es que una buena métrica de un jugador es su capacidad para ayudar a su equipo a hacer la mayor cantidad de puntos. Foco en resultados otra vez.

El sabermetrics sirve tanto para establecer el valor de un jugador en las últimas temporadas, como para tratar de predecir su valor en el futuro.

¿Sólo me pasa a mí o esto es realmente muy inspirador?

Moneyball, el arte de ganar usando la analítica

Moneyball: the art of winning an unfair game (el arte de ganar un juego injusto) es un libro de Michael Lewis, del año 2003, sobre el equipo de béisbol de los Oakland Athletics. El libro cuenta la historia real de cómo por medio de un enfoque analítico apoyado por SABERMETRICS, un equipo con un presupuesto modesto fue capaz de hacer los fichajes adecuados y derrotar a los super ricos y famosos del deporte estrella de Estados Unidos y llegar milagrosamente (o más bien científicamente) a los playoffs de los años 2003 y 2004.

En 2011 se hizo una película basada en el libro, protagonizada por el grandísimo Brad Pitt en el papel de Billy Beane, el director general del equipo (“General Manager” en la jerga del béisbol), que es el responsable del fichaje de jugadores y coaches.

Al volver a analizar las estrategias que producen victorias en el campo, los Oakland Athletics de 2002, con un presupuesto de 44 millones en salarios, eran capaces de competir con equipos con recursos muy superiores, como los Yankees de Nueva York, que tenían invertidos 125 millones de dólares en nóminas esa misma temporada.

El Oakland Athletics se vio obligado a buscar jugadores infravalorados por el mercado. Su sistema de búsqueda de valor ha demostrado seguir funcionando hasta hoy. Esta estrategia analítica llevó a los Oakland Athletics a los éxitos de 2002 y 2003.

Por tanto, el béisbol tiene todo lo que predicamos en Data Coaching: cultura de datos, extraer el valor de los datos para obtener resultados, análisis predictivo y una audiencia alfabetizada en datos.

Ahora volvemos con Data Coaching…

¿Qué es Data Coaching?

No nos engañemos, tener datos no nos aporta beneficios. Al contrario, nos cuestan dinero.

Las empresas gastan mucho dinero en recoger datos, almacenarlos, y gestionarlos. Cuantos más datos acumulamos, más costoso resulta todo este proceso.

Durante años, muchas organizaciones se han esforzado (y siguen haciéndolo) por capturar grandes cantidades de datos en bases de datos cada vez mayores. Además, han gastado mucho dinero en plataformas de análisis que les ofrecen muchas y potentes funcionalidades².

Y, a pesar de todas las inversiones, muchas organizaciones se sienten frustradas por la incapacidad de capitalizar su valor.

Para que nos entendamos, creer que recoger datos es suficiente para ganar dinero, es como pensar que con comprarnos una báscula, pesarnos diariamente y llevar un registro de nuestro peso será suficiente para adelgazar.

Porque, si sois como yo, no os interesará esto de los datos porque sea sexy (y probablemente lo es, como dice el Harvard Business Review, Data Scientist, the sexiest job of the 21st century³), sino porque son un medio para obtener resultados, o sea, para generar beneficios. Exactamente del mismo modo que MONEYBALL es para el béisbol “el arte de ganar” con datos.

Lo que les impide convertir datos en beneficios lo encontramos muy a menudo en la desconexión que existe entre los especialistas en datos y los responsables de negocio.

Aquí tengo que recomendaros un libro. Es Data Fluency: Empowering Your Organization with Effective Data Communication, de Zach y Chris Gemignani, fundadores de Juice Analytics. En su libro profundizan en esa desconexión entre los que tienen que comunicar con datos y su audiencia. Zach y Chris Gemignani plantean un sencillo y efectivo marco de fluidez de datos (data fluency framework) que simplifica el diagnóstico de problemas en cada organización. Volveremos a Data Fluency más abajo en el capítulo 6 y veremos cómo nuestro Data Coaching le debe mucho al libro de los Gemignani.

Esto lo tengo claro. Las personas que trabajan con datos (sistemas de información, analistas y científicos de datos) carecen a menudo de formación en negocio y no son suficientemente conscientes de que lo que debe dirigir su trabajo es precisamente la búsqueda de valor económico. Y, cuando encuentran algo, no son capaces de evaluar el auténtico beneficio de sus descubrimientos en términos económicos. Así que comunican lo que han descubierto con su jerga incomprensible. Sus informes, a menudo, se quedan durmiendo en alguna estantería, sin que nadie lo convierta en acción y en dinero.

Al otro lado, los que toman las decisiones de negocio (dirección, marketing, ventas, desarrolladores de producto…), no conocen el lenguaje de los datos, no están alfabetizados y no pueden aprovechar el conocimiento que les llega del lado de los datos.

Como vemos, es fundamentalmente un problema de personas y de culturas que habitan en silos estancos (la cultura de negocio y la cultura de datos).

Es como un gran abismo que se abre entre datos y negocio, y les impide comunicarse adecuadamente. Y el resultado es que el valor se precipita en esa fosa y no llega a materializarse.

Para solucionar este problema, Data Coaching se ocupa de enseñar a las organizaciones a extraer el máximo beneficio económico de los datos. Y lo hace de un modo muy simple: acercando a la gente de datos a la cultura del negocio y a la gente de negocio a la cultura de datos.

Un paso más en data-coaching. Aunque, os adelanto que en este librito no llegue a profundizar en este tema. La democracia de datos contribuye a maximizar el beneficio económico. Las organizaciones con un alto grado de descentralización en sus decisiones están mejor capacitadas para aprovechar las oportunidades y resolver problemas rápidamente.

La mayoría de las oportunidades y de los problemas se detectan precisamente sobre el terreno, en los niveles más bajos de la organización.

Por otra parte, es mucho más rentable actuar rápido. Las oportunidades tienen su máximo rendimiento cuando se aprovechan de forma temprana y van perdiendo valor económico a medida que pasa el tiempo. Del mismo modo, los problemas se vuelven más y más costosos de resolver a medida que crecen sin ser resueltos.

Por ello, las mejores organizaciones disponen de mecanismos de decisión descentralizados. Estos niveles de decisión necesitan igualmente acceso a los datos y la cultura necesaria para explotarlos con la vista puesta en el valor económico. Y ese es el fundamento racional que sostiene la defensa que hacemos de la democracia de datos desde el método “Data Coaching”.

Equifax, de soluciones financieras a empresa de analítica de datos

Durante medio año lideré el equipo ágil que conjuntamente Biko y Multiplica teníamos trabajando dentro de Equifax en Perú. Desde que volví a España, es el gran Diego Fernández, el PO (Product Owner) del equipo. Ya he mencionado por ahí que en un café con Diego nos llegó la revelación del “Data Coaching”.

Si os contara en qué trabajé para Equifax, tendría que mataros. Es lo que me exige el contrato. Sólo os digo que incluía el diseño y desarrollo de una aplicación de analítica de datos para grandes y medianas empresas.

Lo primero que nos gusta de Equifax es que es una empresa ágil. En su sede en Atlanta, Georgia, Estados Unidos, los equipos de desarrollo trabajan con metodologías ágiles, como las de Biko. En otras regiones es, digámoslo así, “agile friendly”. Eso hizo que nuestra propuesta de trabajar con un equipo ágil tuviera buena acogida y mucho apoyo dentro de la organización en Perú.

En su versión más conocida, Equifax es una empresa dedicada a la venta de reportes de crédito sobre particulares y empresas. De Equifax, lo más popular, o impopular, según el lado en el que te toque estar, son probablemente los registros de morosidad como SICOM (Perú) y ASNEF (España), donde se registran todas aquellas personas y empresas que mantienen documentos morosos y que han sido reportados por instituciones y empresas. Y por supuesto los reportes de crédito, donde el elemento estrella es lo que Equifax llama “SCORE”, una técnica que mediante el análisis estadístico permite predecir la probabilidad de pago de las empresas en los próximos meses.

Equifax sabe rentabilizar los datos

Pero Equifax es mucho más. Al igual que muchas empresas financieras, Equifax interactúa con un conjunto amplio y diverso de datos: ingresos del cliente, datos de fraude, de cumplimiento de pagos, etc.

Lo que diferencia a Equifax es su capacidad para desarrollar oportunidades de negocio a partir de los datos financieros que maneja.

Se ha sabido expandir hacia otros negocios en los que está creciendo gracias a la utilización de estos datos.

Para hacernos una idea, su producto Sandbox Analytics, por ejemplo, combina datos de Equifax y sus herramientas de análisis con los datos y la analítica de un cliente específico para llevar a cabo una evaluación predictiva de escenarios específicos de esa empresa.

Un caso de éxito

Es un caso de éxito extraordinario. Equifax proporciona información financiera y soluciones analíticas en 19 países. Es líder, por ejemplo, en EE. UU., Canadá, México, España o Perú. Se implantó en España ya en 1994 de la mano de ASNEF. En Perú lo hizo con Infocorp y es líder del sector con una cuota de mercado cercana al 80%.

Equifax forma parte del Standard & Poor’s 500. Para que os hagáis una idea de su nivel de crecimiento, el precio de sus acciones ha aumentado en un 100% en los últimos tres años. Frente a una media del 15% de crecimiento medio de las empresas del S & P 500.

El informe de PWC, The Gold Rush, que investiga la capacidad de algunas empresas financieras para aprovechar los datos sobre los que trabajan, atribuye el éxito de Equifax precisamente a su capacidad para innovar con productos y servicios generados a partir de la analítica de datos.