“Los datos son el game changer de las empresas. Poder tomar decisiones y analizar la información en tiempo real es parte de la transformación digital que están realizando las empresas y esto aplica a recursos humanos, a marketing, a finanzas”, señaló Sebastián Márquez, senior human resources business partner en Equifax Uruguay. “Es un cambio de paradigma: tomar decisiones más informados para reducir el riesgo”.
Junto con Federico Pignataro -data scientist for new business development en PedidosYa- brindaron la conferencia “Business analytics: ¿cuáles son los beneficios de implementar programas de analítica de datos?”.
El evento, organizado por la Escuela de Postgrados de la Facultad de Administración y Ciencias Sociales, tuvo lugar el jueves 11 de abril de 2019 en el Campus Pocitos de la Universidad ORT de Uruguay.
El científico de datos
“Si cambiamos las herramientas en recursos humanos, podemos encontrar nuevos insights”, señaló Márquez y citó al psicólogo estadounidense Abraham Maslow: “Si tu única herramienta es un martillo, todo problema se va a parecer a un clavo”.
Márquez recordó Moneyball, una película basada en una historia real, en la que un entrenador de béisbol de Estados Unidos usó las estadísticas avanzadas para elegir a los jugadores. “Las empresas estamos formadas por personas, que vendríamos a ser los jugadores del equipo. Si podemos tomar mejores decisiones en base a las personas y los procesos, seguro vamos a tener más éxito”, indicó.
El experto habló también del caso de Target, la cadena estadounidense de grandes almacenes, que felicitó a una adolescente por su embarazo luego de analizar su patrón de compra. El padre, que no sabía del embarazo, se enteró a partir de la felicitación. “Hay mucha información disponible -señaló Márquez-. Se dice que los datos son el nuevo petróleo”.
Destacó que “el nuevo jugador” es el científico de datos. No es imprescindible contratar personal para este rol. Se lo puede destinar a alguien que ya trabaje en la empresa. Lo ideal es “que sepa de métodos cuantitativos, que pueda analizar información, que conozca el negocio y que tenga buenas capacidades de comunicación”.
Para los recursos humanos, el análisis de datos supone un cambio de paradigma sobre cómo se piensan, se analizan y se solucionan los problemas. Mediante un buen análisis, indicó el experto, se puede gestionar y mejorar el desempeño de los talentos en una empresa, establecer modelos de rotación de personal e incluso predecir quién puede ser la persona idónea para un puesto.
Los datos importan más que el dinero
“Los datos pueden generar un diferencial, dar un valor agregado”, indicó Pignataro. El experto habló de la importancia de entender el problema del cliente, qué hay que resolver.
Al recolectar y procesar los datos, es fundamental buscar la eficiencia de las variables (por ejemplo, ventas, compras, cantidad de horas): “Que cada variable nos dé la mayor cantidad de información posible y no usar un millón de variables porque sí”.
La importancia del análisis de datos radica en su valor para tomar mejores decisiones y disminuir los riesgos. Y no se necesita ser una empresa con un gran presupuesto ni tecnología para hacerlo.
A la vez, Pignataro coincidió con Márquez en que el uso de los datos puede ser más determinante que los recursos económicos que se tengan. Lo ejemplificó con el triunfo de Donald Trump frente a Hillary Clinton en las últimas elecciones en Estados Unidos, a pesar de haber contado con un presupuesto mucho menor. Esto lo logró a partir de personalizar la campaña, ofreciéndole a cada persona lo que buscaba según sus problemas o ideología. Por ejemplo, en barrios complejos usaba la publicidad para brindar más seguridad o en el sur hizo énfasis en no prohibir la caza.
Etiquetar al usuario final es otro factor relevante para el uso efectivo de los datos. En PedidosYa, por citar un caso real, intentan que a las personas veganas no les llegue publicidad de hamburguesas de carne. Es decir: “Mandarle la publicidad adecuada al usuario adecuado”.
Esto se puede hacer a partir de saber los datos exactos o de inferirlos: “Si hoy en día no tengo una variable que sea ‘vegetariano/no vegetariano’, puedo hacer suposiciones. Al conocer los restaurantes en los que compra, si a menudo pide ensalada, si pide distintos tipos de comida sin carne, existe una probabilidad más alta de que esa persona sea vegetariana o vegana”.
Es responsabilidad del científico de datos entender, en base a los datos, cuál es el peor error. Por ejemplo, es más grave mandarle al vegetariano una hamburguesa de carne que mandarle al carnívoro una hamburguesa vegetariana. Al entender este error, se lo puede evitar.
A la vez, es importante elaborar un modelo generalizable, que pueda volver a usarse, y validar el modelo en función de la realidad.
Para concluir, Pignataro resaltó que es importante crear modelos aunque no sean perfectos. Incluso si un modelo no funciona en su totalidad, “nos va a dar más información de la que teníamos antes”.
Y agregó: “Vamos a estar un poco mejor con ese modelo que sin él. Lo bueno es que en el proceso vamos a conocer mejor de qué hablamos. Vamos a ir encontrando problemas, generando ideas y los resultados se van a empezar a ver”.
Conferencia completa:
Galería de imágenes:
