- ¿Decisiones basadas en datos?
- Claro, deme todas las que tenga, por favor.
Básicamente así se comportan todos los emprendedores de hoy en día.
No toman ni una decisión sin basarse en un dato duro.
Es más, usan datos hasta para decidir a dónde llevarán a cenar a su novia en su siguiente cita.
Es broma...los emprendedores no tienen novia.
Esta super bien que cada vez más personas tomen decisiones basadas en datos.
Es una de las cosas que he tratado de evangelizar durante toda mi carrera.
Tomar decisiones basadas en datos no te asegura el éxito en todas ellas.
Pero reduce el número de decisiones mal tomadas.
Además de reducir el tiempo de toma de decisión.
Lo último es super valioso...sobre todo cuando eres emprendedor (o soltero, que es lo mismo).
Así que, si tienes los datos...ya puedes comenzar a tomar decisiones basadas en ellos.
Pero espera...no tan rápido.
Algo más debes de hacer, si decisiones basadas en datos quieres ejercer.
- Me lanzo a la poesía o esta última frase no es suficiente para convencerte?
Más allá de las cosas que tienes que hacer al tomar este tipo de decisiones, te voy a platicar...
Las 10 cosas que NO tienes que hacer al tomar decisiones basadas en datos
1 . Elegir los datos
Muchas veces, al tomar una decisión basada en datos, queremos que un resultado X se cumpla.
Para que este resultado X suceda, elegimos determinados datos únicamente...y entonces se cumple.
Obviamente esto sesga la decisión.
Por ejemplo: Quieres que aparezca en tu gráfica que el 90% de los Mexicanos juegan más de 1 hora al día videojuegos ... entonces eliges los datos de las personas encuestadas en una feria de videojuegos.
Los datos son como la varita de Harry...
Tu no eliges los datos, ellos te eligen a ti.
2 . Usar incentivos negativos
Es decir, inflar artificialmente una métrica para que se vea mejor...pero a la vez causando un efecto negativo en otra.
Por ejemplo: quieres que tus empleados vendan más así que le pagarás el triple al que llegue a determinada meta.
Uno de ellos rompe la ley para poder generar transacciones más rápido y llega a la meta.
Tu métrica de "ventas" se ve muy bonita, pero...
Una semana después, el gobierno te multa con el triple de tu facturación mensual por romper la ley.
3 . Caer en la falsa causalidad
No porque dos métricas tengan una correlación, quiere decir que una es la causa y la otra el efecto.
Por ejemplo: si grafícas número de empleados contra volumen de ventas y tienen correlación...pueden tener causalidad.
Pero si grafícas número de letras en el nombre del empleado contra volumen de ventas y tienen correlación...no vas a contratar a puras "Ana".
4 . Usar muestras no representativas
La muestra para tomar la decisión siempre tiene que ser representativa de el universo sobre el cuál la tomarás.
Por ejemplo: si quieres saber si a los Mexicanos les gusta más el helado de vainilla que el de chocolate, tomando en cuenta la población del país...no es suficiente con hacerle la pregunta a tus 3 amigos Mexicanos.
5 . Creer la falacia del apostador
No porque algo haya pasado más frecuentemente en el pasado, es menos probable que pase en el futuro.
Por ejemplo: si vas al casino, miras la ruleta durante una hora y te das cuenta que cayó 11 veces el número 24...no quiere decir que sea menos probable que vuelva a caer en el siguiente tiro.
6 . Regresar a la normalidad
Cuándo pasa algo bueno o malo y una determinada métrica sube o baja...no forzosamente regresará a la media.
Por ejemplo: "Este fin de semana fue el peor en ventas de todo el año, pero el lunes todo regresará a la normalidad."
Puede ser que regreses a tu promedio de ventas, pero puede ser que nunca vuelvas a vender lo mismo...
7 . Usar los datos de los sobrevivientes
Generar conclusiones con un set de datos incompleto, sólo porque sobrevivió a determinado criterio.
Por ejemplo: si quieres estudiar a los emprendedores, no sólo debes de usar los datos de Marc Zuckerberg, Bill Gates y Jeff Bezos...ya que esos son emprendedores exitosos.
Si quieres estudiar a los emprendedores, debes de usar los datos de emprendedores exitosos y emprendedores fracasados.
8 . Observar mientras captas los datos
El simple hecho de estar observando mientras capturas los datos hace que los datos estén sesgados.
Por ejemplo: si quieres saber cuál es la velocidad máxima de un atleta y lo pones a prueba dejándolo correr mientras lo mides...probablemente su rendimiento nos será el mismo contigo ahí.
9 . No entender el contexto
Para hacer un buen análisis de datos, no solamente se necesitan los datos...sino el contexto de ellos.
Por ejemplo: Los datos dicen que 1940 fue el año con más avances tecnológicos del siglo...pero a la vez ese año estábamos en plena segunda guerra mundial.
10. Usar promedios
Los promedios son, usualmente, malos indicadores.
Es más recomendable segmentar los datos para trazar una conclusión.
Por ejemplo: el promedio de temperatura en el desierto es de 20º.
¿Entonces en el desierto hay temperatura templada?
Nope...en el desierto por las mañanas hay 0º y por las tardes 40º.
Si ya tachaste todas estas malas costumbres en tu lista de "cosas que NO hacer" entonces puedes comenzar a tomar decisiones basadas en datos...tienes mi permiso.
.png)
