Al diseñar una estrategia de datos el planteo del problema es un tema central. Su correcta definición depende de la participación de todas las áreas y sectores clave de las empresas.

Cuando nos referimos a una estrategia de ciencia de datos, la definición correcta del problema es la clave de todo este proceso. Si lo que estamos buscando es que los datos trabajen en nuestro beneficio, debemos ser capaces de hacer las preguntas adecuadas. 

Una vez formuladas, los datos pueden darnos excelentes perspectivas, buenas predicciones y revelar insights de gran utilidad para los negocios en un contexto donde escapar al big data parece poco probable: el 65% de las empresas corren el riesgo de convertirse en irrelevantes o no competitivas si no adoptan estrategias de datos, un sector que en España crece un 30% cada año.

La primera medida, debemos tener muy claro el problema que queremos resolver, por lo que toca preguntarse: ¿Cuál es mi objetivo principal? ¿Qué problema de negocios tengo? ¿Qué quiero explicar utilizando datos? ¿Qué modelo de negocios me interesaría crear? ¿De dónde creo que puedo obtener los datos para solucionar ese problema?

Como segundo punto es preciso corroborar si existe una metodología estandarizada para plantear el problema al equipo de ciencia de datos. Por ejemplo, es posible detectar problemas de forma directa  (mediante señales en el entorno o a través del uso de indicadores, o bien anticipando tendencias) o también es posible hacer uso de herramientas como el “Customer Journey Map” que nos puede indicar la experiencia del cliente (CX), entre otras posibles.

Pero en este punto, quisiera llamar la atención sobre ciertos peligros en la definición de un problema: esa definición puede ser demasiado ambigua o amplia o por algún motivo no ser el enfoque preciso que se requiere de los datos. 

Es por eso que dentro de las metodologías directas encontramos la opción más adecuada a la hora de plantear un problema: involucrar a todos los actores de la organización. Los datos provienen de múltiples fuentes, por lo cual también toca enfocar el problema desde lo multisectorial. Necesitamos integrar la visión de todas las áreas para poder construir el problema de la manera más efectiva.

Una reflexión interesante respecto de esto es que el planteamiento del problema es un paso en el proceso de la ciencia de los datos que depende más de las habilidades blandas que de las habilidades tecnológicas o duras.

Con esto quiero decir que se trata de una instancia similar al brainstorming:  todos los representantes clave de las distintas áreas interactuando en un mismo espacio con un mismo objetivo, llegar a la definición más acabada del problema.  

Vale destacar que el pensamiento lateral es una valiosa habilidad blanda en esta fase de un proyecto de ciencia de datos. Estos escenarios de intercambio colectivo son una técnica altamente efectiva dado que las preguntas de otros integrantes llevan fácilmente al equipo a generar preguntas adicionales que permiten cumplir mejor con el fin último.

La colaboración entre los científicos de datos y los usuarios del negocio que – a fin de cuentas, son los que tienen el mayor conocimiento del mismo desde sus respectivas áreas – es una instancia clave en el éxito de un proyecto de este tipo: una comunicación fluida e integrada entre todos ellos marca sin duda el camino hacia el éxito.

Julio Cesar Blanco – 23 de junio del 2022