alexa

icorp | Blog

icorp | Blog

4 consideraciones para la toma de decisiones con base en datos

Es común que en ocasiones todos tomemos decisiones de forma impulsiva, sin embargo, en la organización no se debe optar nunca por esto. Se tiene que hacer una toma de decisiones con base en datos. Si bien puede que este concepto y modelo no sea sencillo, a continuación te dejamos las 4 consideraciones más importantes para llevarlo acabo.


1. Recopilación de los datos

Lo que alimenta las decisiones es la información, pero al mismo tiempo la información es alimentada por datos. Ahora, para obtener estos últimos, uno debe de ser muy consciente de cuales son las fuentes que los generan.

Para comenzar con la generación y/o recolección de datos debes construir sistemas o usar herramientas que lo permitan.

Por ejemplo, en las organizaciones son herramientas como el CRM, el ERP, Softwares de Inventarios, etc.

Estas se encargan de medir las operaciones y reflejarlas en datos legibles, es decir, se pasa de un “creo que tenemos 5 piezas” a un “de acuerdo con el CRM tenemos 5 piezas disponibles en el almacén de Tamaulipas”.

Análisis de las posibles jugadas de ajedrez

También lee: ¿Cómo son la herramientas de gestión empresarial?


Cabe recalcar que, para la recopilación de datos, se deben configurar y/o diseñar muy bien las herramientas que los estarán recolectando. Una herramienta mal configurada puede llevar a tener datos incorrectos o mal estructurados.

Cuando se empiecen e medir y recopilar los datos, se puede continuar con la optimización de los sistemas para que arrojen datos más precisos y/o en mayor volumen.

Aquí se debe hacer hincapié en el volumen, siempre es recomendable trabajar en la toma de decisiones con miles o millones de datos, esto, porque mientras más datos se interpreten, hay menor riesgo en un sesgo en la información. No es lo mismo obtener una estadística de 1,000 registros, que hacerlo con 2,000,000.

También lee: Perder ingresos en vez de datos


2. Homologación y estructuración de datos

Por sí solos, los datos no van a hacer magia y a convertirse en información. Ya recopilados, estos tienen que pasar por procesos para que sean legibles ante herramientas de análisis o la misma interpretación manual. Los principales aspectos a tomar en cuenta son la homologación y estructuración.


Homologación

Los datos deben seguir parámetros muy bien establecidos para que puedan ser legibles.

Es decir, si se tienen múltiples fuentes de datos que comparten información, se tiene que asegurar que tengan la misma nomenclatura para que estos se puedan comunicar entre sí. Es altamente recomendable revisar que sean idénticos hasta en los acentos, comas, puntos etc.


Ejemplo de datos:

HomologadosNo homologados
Argentinaargentina
PerúPeru
Perúperú
ColombiaColombia
ChileChile
Chilechile
ArgentinaArgentina


Estructuración

Y el otro aspecto a tener en cuenta previo a la interpretación de datos es su estructuración.

Esto se refiere a que sean archivos en formatos legibles para softwares o herramientas como Microsoft Excel o Google Sheets.

Estructuración de la información de las jugadas

Cuando se tienen datos representados por símbolos, letras, caracteres, estas herramientas pueden calcular o automatizar procesos para su digestión. Dado lo último mencionado, además del diseño de las herramientas que recolectarán los datos, también se debe considerar el formato en el que entregarán estos datos una vez recolectados.

Aquí la mayor recomendación es validar y asegurarse que cada tipo de dato esté en un formato correcto y no pueda ser modificado. Por ejemplo, considerar las fechas (DD/MM/AA, DD/MM/AAA) números (1.00, 1, 1,0), monedas ($1.00, $1, $1,00), etc.

También lee: ¿Qué son los datos estructurados?


3. Transformación y digestión de datos

Analizar cada dato puede ser imposible, por ello, para esta tarea se tiene que echar mano de diversas herramientas de análisis. Estas pueden ayudar a sumar, promediar, obtener porcentajes, graficar y demás funciones.

Obviamente, ya con totales, promedios, porcentajes o gráficas que muestren tendencias, los tomadores de decisiones pueden agilizar su proceso y actuar de forma casi inmediata.

También lee: Cómo analizar los datos del área de TI


Un punto importante mencionado en todo este proceso es el diseño. Al igual que con las consideraciones anteriores, en la transformación de datos a información, este juega su rol tal vez más importante.

Pero para poder tener información deben estar muy bien diseñadas las fórmulas que harán la digestión de los datos. Un paréntesis mal colocado, una coma en otra posición o una selección de áreas de calculo puede echar abajo todo el trabajo previo.

Por ello, es ampliamente recomendable diseñar y probar que todas las fórmulas están correctas tomando pequeñas cantidades de datos y asegurarse que todo está en orden.

Práctica de jugadas y decisiones ágiles

También lee: Conoce Google Forms y Google Sheets


4. Interpretación de la información

El último paso es la interpretación de la información ya digerida. Aquí no se tiene que ahondar en muchas cosas, lo primordial es mantener la información actualizada y validar que todo funcione.

En este paso, el mayor consejo es no dejarse guiar por las emociones, es decir, apreciar los datos y la información tal cual como es. Si se malinterpreta la información a propósito, se generan “números felices” o se tratan de sesgar los datos, cualquier decisión que se quiera tomar con esta información no será la óptima.

Jugada decisiva para ganar


Sobre la toma de decisiones con base en datos

En conclusión, este proceso no debe de ser algo extremadamente complejo o a lo cual los profesionales deban tenerle miedo. Si bien, puede parecer que se requieren muchas cosas para la toma de decisiones correctas con base en datos, le mejor decisión es iniciar, así, tu organización estará un paso más cerca de mejorar su competitividad.

Si te gustó este artículo y quieres conocer más herramientas de liderazgo organizacional, da click en el botón y suscríbete a nuestro Newsletter.

Sobre el autor

Josue Yanez
Josue Yanez

Emprendedor de profesión y marketero por vocación. Siempre enfocado en el análisis de datos para lograr optimizar las estrategias mercadológicas. Demand Generation Specialist en icorp desde 2018.

Agrega tus comentarios