Serie sobre liderazgo intelectual: Análisis de datos

Una vez que empiece a recopilar estos grandes volúmenes de datos, el siguiente paso es empezar a analizarlos. Al principio puede parecer una tarea desalentadora. Al fin y al cabo, por algo se llaman "macrodatos". Sin embargo, hay una forma metódica de abordarlo, y ésta comienza con la identificación de las métricas que van a ser de mayor valor para su empresa.

Indicadores clave de rendimiento y cuadros de mando

Los indicadores clave de rendimiento (KPI o, a veces, indicadores clave de éxito) son lo primero que hay que identificar antes de empezar a dar sentido a los datos. Se trata de métricas directamente relacionadas con los objetivos de la organización. Por ejemplo, un equipo de ventas puede tener KPI de nuevos ingresos, ingresos totales, captación de nuevos clientes y tamaño de la cartera de pedidos. El seguimiento de estas métricas da al equipo una buena idea de cómo están progresando hacia los objetivos de ingresos en un momento dado. Por otro lado, un equipo de atención al cliente puede tener KPI como el tiempo de espera y las valoraciones de los clientes. Lo importante es disponer de KPI que sean indicaciones mensurables de la progresión hacia los objetivos de la empresa.

A continuación, estos KPI se muestran visualmente en cuadros de mando en los que los empleados pueden ver exactamente en qué situación se encuentran. Hoy en día existen en el mercado multitud de productos de software que analizan los KPI y muestran cuadros de mando, como Tableau, Qlik y Sense. Pero lo más importante es que un cuadro de mando es una herramienta de visualización digital. En los centros de servicios metalúrgicos de Kloeckner, por ejemplo, se han introducido recientemente cuadros de mando digitales. Se trata de pantallas digitales visuales en el suelo del almacén que muestran los KPI en tiempo real. Al poder ver el progreso, los empleados pueden influir en el resultado. También pueden hacer ajustes a mitad de camino cuando surja la necesidad.

Pruebas A/B

Sin embargo, el seguimiento de los indicadores clave de rendimiento (KPI) en los cuadros de mando no basta para aprovechar plenamente el valor de los datos disponibles. También hay que analizar las iniciativas orientadas al cliente. Una buena forma de lograrlo es a través de las pruebas A/B. Este método, también conocido como "split testing" o "bucket testing", permite probar nuevas versiones de páginas web, textos publicitarios, etc., comparándolas con un control.

Con las pruebas A/B, se empieza con el diseño original o el elemento en cuestión, una página de aterrizaje, por ejemplo. A continuación, identifique el cambio que está intentando probar, como una nueva fuente, diseño, etc. para la página. Lo mejor es limitarse a una variable específica para comprender mejor qué funciona y qué no. A continuación, inicie la prueba que da a la mitad de los usuarios de la página original y la mitad de los usuarios de la página modificada.

La prueba A/B analizará el impacto del cambio en una métrica que desee probar: clics, por ejemplo, o tiempo de permanencia en la página. La prueba determinará si el cambio ha tenido un impacto estadísticamente significativo. Esta es una forma de confirmar que una nueva dirección funcionará o una forma de demostrar que una nueva característica es contraproducente. Luego, es importante tomar esa información y utilizarla en el futuro, lo que resulta en un bucle de retroalimentación y pruebas y ajustes adicionales.

Pruebas grandes frente a pruebas pequeñas

Ahora que está analizando tanto sus métricas internas como sus esfuerzos externos, existen diferentes estrategias para sacar el máximo partido de ello. Todas las empresas se basan en suposiciones sobre lo que es más eficaz. Ahora disponemos de los datos y las herramientas analíticas para poner a prueba estos supuestos.

Las grandes pruebas suelen ser lo primero. Son formas de probar flujos de trabajo completos, propuestas de valor y enfoques de divulgación. El objetivo de las pruebas a gran escala es ofrecer algo concluyente a lo que remitirse cuando se observa que algo no funciona. Las pruebas pequeñas, en cambio, sirven para hacer ajustes. Pueden ser tan sencillas como modificar un script de llamada o cambiar el color de un botón en una página web. Aunque estas pequeñas pruebas probablemente no sean grandes impulsoras del crecimiento, tienen un efecto acumulativo.

Después de analizar todos estos datos, el siguiente paso será crear planes de negocio viables basados en ellos. Este será el tema del próximo artículo de la serie Thought Leadership: Actuar a partir de los datos.