Autor: Francisco Olvera

During most of the time in my professional career, I used to work for US based companies, and that’s the reason I need to learn how to communicate in English. During that period, many phrases helped me to communicate better. Those phrases are common used for the English speaking people in business environments, and they are powerful because have a common accepted meaning that express ideas unambiguously regardless a poor pronunciation.

• “Cut your loses”, leave a bad business
• “From soup to nuts”, the whole process
• “Time kill deals!”, opportunities waits for no one

Among all these phrases, one particularly called my attention, and more specifically, the way in which executives used to say it in Spanglish: “Claro, es un “no-brainer!”. Don´t think about it! Forget about it! (as Donnie Brassco teach us to say). It’s a fact. No doubt about it. The right choice. Obvious! Every time this phrase is pronounced, could be interpreted at least from two perspectives: the right choice is crystal clear and would be a dumb thing to waste more time making the decision, and by the other hand, someone had a spark of genius and reveals a hidden truth to the eyes of others and benefits are clear enough that for sure must be the right choice. These two approaches could be seen contradictory, as a matter of fact reminds me a saying my father used to repeat “difference among smart and dumb is like walking in the middle of a gabled roof, you could slip and fall in one side or the other just in a single step”. What makes the difference among something brilliant or banal? From my point of view, difference relies on having the intention of understand and foresee, generally trough a deep and detailed analysis.

The discussion must consider some fine points. First, becoming a no-brainer, requires alternatives must be analyzed previously (consciously or unconsciously), making the way to an obvious decision. Second, we must verify if such alternatives exist for real. Third, gut feeling could be seen as an unconscious analysis done by the decision maker based on his own experience. In other words, the no-brainier today results of the brain-power of the past. This last idea was developed by Malcom Gladwel in his book “Blink”. “Good decsions come from experience, but experience comes from making bad decisions”, as Mark Twain used to say. Lessons learned must be developed form mistakes; documented failure will be helpful to make better decisions in the future.

Of course decision could be done without think about the alternatives, but we know this reduce our chances for take control on consequences. If we expose ourselves to decision making without previous analysis, an inadequate decision will be highly probable. We need evaluate if it’s really a lack of time or it is actually an excess on confidence, letting objectives out of sight.

Proposed paradigm considers constant analysis on the facts, in order the no-brainer became the top of a consistent understanding process. “Choose wisely”, as the Templar Knight said to Indiana Jones when the Holy Grail must be choose among a series of cups, “break wise” could be said.

All these ideas has been expressed from an individual standpoint, but they’re valid on groups of people and organizations. Analyze data as operational evidence within an institution identifying root causes on relevant events, generates knowledge to support decision making, allowing many of such decisions became real no-brainers. The idea isn’t avoid the people for thinking, but ask them do the thinking when time enough is available, looking forward to be ready, and recording that knowledge in the shape of proven cases, rules or analytic models to support better choices. As we mentioned before, this approach consist in think a lot in preparation for an event, and when the scenario came, we can ask “don’t think about it!” (In fact we are saying “don’t think in this moment, you think about it already!”). We could say agile decision making mechanisms wouldn’t be supported in banal and superficial thinking, but in constant preparation to generate and make knowledge available by all possible means, from expert judge on individual basis to analytic approaches synthetizing it form humongous data amounts generated as a result of the day by day operations in our organizations.

Meaning of no-brainer is very clear, unambiguous, but I consider important advocate to a constant thinking approach, reasoning and in general, change the no-brainer for the pre-brainer! Let’s finish with another wonderful phrase: “Great minds, think alike”. Breaking-Wise.

Durante la mayor parte de mi carrera he trabajado para corporaciones cuya casa matriz está en Estados Unidos, por lo cual he tenido que aprender en cierta medida a comunicarme en inglés. Durante este periodo, aprendí muchas frases que me ayudaron a comunicarme. Estas frases son de uso común en el mundo de los negocios, y tienen el poder de tener significados tan claros, que aún mal pronunciadas permiten comunicar la idea en forma muy efectiva.

• “Cut your loses”, deja de perder dinero, salte de ese negocio.
• “From soup to nuts”, de cabo a rabo, el proceso completo.
• “Time kills deals!”, el paso del tiempo diluye las oportunidades de negocio.

De estas frases, siempre me llamó la atención la determinación con la que los ejecutivos decían en esta curiosa mezcla de inglés y español (spanglish, de hecho): ¡claro, se trata de un “no-brainer”!. Ni lo pienses, es un hecho, no hay duda, esa es la elección correcta, ¡obvio! (como en ocasiones exclaman los adolescentes). Siempre que se menciona esta frase, cuando menos se puede analizar desde dos perspectivas: la opción correcta es tan clara que si no la tomas sería una tontería, y por el otro lado, que alguien tuvo una chispa de genialidad que devela una verdad oculta a los demás y es tan benéfica o maravillosa que sin duda, es la decisión correcta. Estos dos enfoques parecen extremos y disímiles, de hecho me recuerda a una frase que decía mi padre: “la diferencia entre la inteligencia y la estupidez es como el techo de una casa de dos aguas, vas caminando por el medio y si resbalas puedes caer a un extremo o al otro en un solo paso”. ¿Qué es lo que hace la diferencia entre algo banal y algo brillante? Desde mi punto de vista la diferencia consiste en la vocación e intención de entender y de prever, generalmente mediante un análisis detallado y profundo.

Hay varios puntos finos que considero debemos agregar a la anterior argumentación. Primero, para llegar a un no-brainer, consciente o inconscientemente se hizo un análisis previo de las alternativas que permite llegar a la obviedad al momento de decidir. Segundo, en verdad deben existir dichas alternativas sobre las cuales decidir, lo cual también se averigua durante el análisis. Tercero las corazonadas (o gut feeling, para seguir con el inglés) pueden verse como un proceso de análisis inconsciente con base a la experiencia personal de cada tomador de decisiones. Dicho sea de otra forma, el no-brainer del momento presente, proviene del brain-power del pasado. Esta última afirmación se es tratado con amplitud por Malcom Gladwel en su libro “Blink”.”La buena experiencia viene del buen juico, pero el buen juicio viene de la mala experiencia” (Mark Twain). Debemos aprender de los errores, usar las experiencias documentadas de falla para trazar rutas de acción y toma de decisiones más acertadas.

Por supuesto se pueden tomar decisiones con arrebato y sin meditar en alternativas, pero sabemos que esto provocará que tengamos un mínimo control de las consecuencias. Ante la situación de estar expuestos a la toma de una decisión sin la oportunidad de un análisis previo, una consecuencia casi inevitable es que tomemos una decisión con gran incertidumbre. Lo que debemos meditar es si en verdad no hubo tiempo para preparar el momento clave, o si perdimos de vista nuestro objetivo (como se dice comúnmente, “nos confiamos”).

El paradigma que se propone es el de llevar a cabo un análisis constante de los hechos que nos rodean, para que los no-brainer sean en realidad la cúspide de un proceso de comprensión consistente. “Choose wisley”, le dice el caballero templario a Indiana Jones cuando tiene que seleccionar la copa del Santo Grial: elige con sabiduría, “break wise” sería el consejo.

Todas estas meditaciones han sido expresadas desde el punto de vista individual, pero también son válidas para el colectivo de una organización. El analizar los datos como evidencia de la operación de una institución, para identificar las causas raíz de determinados eventos, va generando conocimiento en las organizaciones para apoyar la toma de decisiones, permitiendo que muchas decisiones cotidianas sean obvias o no-brainer; no es que se pida a los funcionarios que no piensen, lo que se pide es que el pensamiento se haga en forma previsiva, cuando haya tiempo para ello, y se registre en forma de casos comprobados, de reglas, o de modelos analíticos que apoyen a inferir mejores elecciones. Como habíamos mencionado, se trata de pensar mucho en preparación para un evento, para que cuando se presente cierto escenario, podamos pedir “¡ni lo pienses!”. En realidad la indicación sería “no lo pienses más en este momento, ya lo has pensado antes”. Podemos decir que la agilidad de nuestros mecanismos de decisión no radicaría en un pensamiento superficial apoyado en la obviedad, sino en una preparación constante de generar y hace disponible conocimiento por todos los medios posibles, desde el juico experto resultante de la experiencia individual hasta los enfoques analíticos que lo sintetizan y lo infieren a partir de enormes cantidades de datos generadas durante la operación de los procesos que impulsan a las organizaciones.

El significado de no-brainer es muy claro, no hay lugar para la confusión, pero considero que es importante hacer énfasis en la vocación de pensar, de razonar, cambiar en no-brainer por el pre-brainer. Terminamos esta meditación con otra de las frases concisas en inglés que dicen mucho: “Great minds, think alike” (Las mentes grandiosas, piensan parecido). Breaking-Wise.

Back in 1995, Nicholas Negroponte wrote his book “Being Digital”, in which he describe the unstoppable information migration from physical to digital formats. Through the whole book, Negroponte described different tasks using phrases as “it will be possible”, when he referred to activities nowadays are totally ordinary, as watch a rock concert broadcasted trough Internet, perform banking payments from a personal computer, or keep in touch with our friends and relatives trough smartphones without necessarily “talk” to them.

The transformation process took over 20 years. Nevertheless, the impact of this changes could be understood belter if we go back to 1995, and at that moment, try to prophesying the Britannica Encyclopedia won’t be printed in paper again, the vinyl records vanishing (whom are returning to witness the compact disc decline!), our watches becoming mobile phones, fridges recalling us to buy milk, and in general, a series or gadgets that would be seen as amazing and hilarious as some portrayed on the 70’s cartoons as “The Jetsons” (Hanna & Barbera).

Once we have the chance to analyze a big change like this one, with a retrospective view, often we judge the witnesses at that era whit some lightness, blaming them of suffer an unacceptably short-sightedness towards innovation in the light of history: how could be possible not foresee the household use of electric power?, it wasn’t clear how TV will reshape entertainment industry?, wasn’t evident e-commerce potential? In other words, today use a phrase as “being digital”, is not a prediction but the description of business as usual, and if is the case this status has not been reached yet, condemn us to be anachronistic.

The wise thing to do is learn the lesson, and stand at the present times and question to ourselves: are we in the middle of one of those “silent revolutions” and we are not sizing the opportunity? If we are not in the process of “Being Analytic”, doubtless we are wasting a great chance.

Beyond digital.

Being analytic could be defined as the utilization of all available elements to identify mechanics driving all organization’s relevant objectives, as sell more, attract more customers, score risk on each transaction we do, or perform early qualifications looking for fraudulent operations. Being analytic consists on having the conviction to understand why things are the way they are, and be able to repeat them or avoid them every day and everywhere. It is to apply the same approach of Newton and other scientist did: watch the universe and come up with a law for gravitation and become able to describe the movement of a falling apple and the stars or planets in the open space.

Among the key elements to be considered in the implementation of this paradigm, we have in first place the operational data gathering. This data represent the records of the organization’s operations and the current environment in which they were performed; starting on top of them, we will be able to understand past events and infer future behavior.

Secondly, you must choose a model to explain or simulate the expected results and the way in which the conditions present at that moment, influenced those results. The purpose of a model, is identity the drivers on such results, and hence to be able of prognosticate or lead future results. Models are generally implemented through mathematic formulas or statistical treatments, and as the time goes by, more advanced methods has been identified, showing to be reliable and dependable, as well as applicable to a wide variety of situations, regardless the complexity of each of such challenges. The set of this methods has been named as analytics.

Among the analytic methods, we will mention the following;

• Time series to perform reliable forecasting with several aggregation levels (region, product, etc.).
• Data mining, to identify best predictors on customer behavior, allowing us anticipate future actions becoming in better products or value services.
• Link analysis, to understand interaction among users and customers, explaining how they become related through a social network, which of them are the more influential in that network, and hence our best marketing targets.
• Text mining, in particular “sentiment analysis”, allowing the process of huge amounts of data crossing social networks in order to score if comments are favorable or unfavorable to our organization, and then take actions to improve or avoid potential “avalanches” of bad comments.

Some of these methods has been integrated within enterprise solutions in which analytics are just one piece of workflows designed by business users, allowing them to take advantage of their results, without necessarily involve specialists or scientists. This approach has enabled solutions devoted to fraud-detection and prevention, risk management on financial institutions to comply with international regulations, marketing campaign management addressing to big audiences and still consider individual preferences, distribution-route optimization, demand forecasting or taking advantage of social network behavior (of the ones whom are in the networks and the information flowing among them).

We can say we are at the right moment to become analytic, because is not a “silent revolution” anymore: the challenges are there, the proven methods to face them, and there are solutions to implement such methods in a feasible and practical way. Pretend to be analytic just by the fact of utilize computers, arithmetic, and basic statistics to support our organizations, could be the same as saying we are being digital just because we have a watch with a numeric display in our wrist. Let´s learn the lesson by jumping into this paradigm, and when we will have the chance to seen backwards to this era, we will be in position to say we were no victims of innovation short- sightedness, but the ones to take benefits from it. Breaking Wise.

En 1995, Nicholas Negroponte publicó su libro, “Being Digital” (Siendo Digital), en el que dejaba clara la tendencia de migrar toda la información de formatos físicos a digitales. A lo largo de sus descripciones, Negroponte utilizaba construcciones gramaticales como, “será posible” o “se podrá”, cuando se refería a tareas que ahora son cotidianas y más aún, hogareñas, como ver un concierto de rock difundido en Internet, hacer trasferencias bancarias desde un equipo de cómputo personal, o mantener contacto con nuestros conocidos utilizando teléfonos inteligentes sin tener que “hablar” con ellos.

El proceso de transformación tomó cerca de 20 años. Sin embargo la dimensión de este cambio se entiende mejor situándonos en 1995 y en ese momento afirmar que desaparecería la versión en papel de la Enciclopedia Británica, o que ya no habría discos en acetato (¡no digamos en Compact Disc, que también enfrentan ya el proceso de extinción!), que nuestros relojes podrían ser utilizados como teléfonos móviles, que podríamos pedir al refrigerador que nos recordara comprar la leche y en general, que tendríamos a nuestra disposición una serie de avances o gadgets que podrían ser tomados casi con la comicidad que se nos presentaban en las caricaturas de los años 70 como “Los Supersónicos” (“The Jetsons”, por Hanna & Barbera).

Una vez que nos toca ver en retrospectiva un cambio de esta magnitud, con frecuencia caemos en la tentación de juzgar con cierta ligereza a los protagonistas de la época, acusándoles de miopía ante la innovación, que a la luz de la historia parecería inaceptable: ¿cómo es que no aceptaban el uso de la energía eléctrica en los hogares?, ¿será posible que no se dieran cuenta del impacto de la televisión?, ¿no les era evidente el potencial del comercio electrónico? Dicho sea de otra forma, en la actualidad, utilizar una frase como “debes ser digital”, no es una predicción sino un estado de normalidad, que de no vivir como parte de él, nos convierte en anacrónicos.

Lo interesante es aprender de esas lecciones, y posicionados en el momento que nos toca vivir, debemos cuestionarnos: ¿estamos en medio de una de esas revoluciones silenciosas y no estamos aprovechando la oportunidad? Si no estamos “Siendo analíticos”, sin duda nos encontramos en esta situación.

Más allá de lo digital

Estar Siendo analítico consiste en utilizar todos los elementos disponibles para determinar la mecánica que explique los objetivos que resultan relevantes a las organizaciones, como elevar la venta de productos, atraer más clientes, determinar el riesgo de cada transacción o calificar a priori si una operación pudiera ser o no ser fraudulenta. Dicho de otra forma, ser analítico consiste en tener la convicción de entender el porqué de los fenómenos que nos rodean, para ser capaz de repetirlos o evitarlos, extendiendo a las labores cotidianas de nuestros negocios e instituciones, lo que alguna vez Newton y otros científicos lograron al dar explicación a fenómenos físicos, como la Ley de la Gravitación Universal, que no sólo explicaba cómo una manzana caía de un árbol, sino que describía el comportamiento destructivo del movimiento de un proyectil o porqué los astros se mueven en el cosmos en la forma en que lo hacen.

Entre los elementos clave a considerar para implementar este paradigma, tenemos en primer lugar los datos de la operación de la organización, pues representan el registro de resultados y de las condiciones en las que se obtuvieron, para que a partir de ellos se puedan entender comportamientos pasados para inferir comportamientos futuros.

En segundo lugar se debe elegir un modelo para describir o simular los resultados y la forma en que las condiciones existentes al momento de ser generados, influyeron en ellos. El propósito de los modelos es determinar los porqués de dichos resultados, y por lo tanto, tener la capacidad de pronosticar o inducir resultados futuros. Los modelos generalmente son materializados mediante fórmulas o procesos matemáticos y estadísticos, pero generados con base a métodos cada vez más poderosos que han dado muestras de ser confiables y aplicables a problemas de todo tipo por más complejidad que exista. A todos estos métodos en su conjunto se les denomina analítica.

Entre algunos de estos métodos analíticos, mencionaremos:

• Las series de tiempo para hacer pronósticos muy precisos con diferentes niveles de agregación (por región, por producto, etc.).
• La minería de datos, para identificar las características que determinan de mejor manera el comportamiento de los clientes, permitiéndonos anticipar una futura acción que resulte en un servicio o producto de valor para nuestros clientes.
• El análisis de vínculos para analizar las interacciones de usuarios y clientes de nuestros servicios, identificando como se constituyen en una red social, quienes de ellos son el centro de influencia de la misma y por tanto el mejor objetivo de nuestros objetivos de mercadotecnia.
• La minería de texto, con una variedad llamada, “análisis de sentimientos”, permite procesar los enormes volúmenes de información que transitan en los medios sociales, para calificar si sus comentarios son favorables o no a los servicios que presta nuestra organización y así tomar acciones que mejoren la calidad de servicios o evitar posibles “avalanchas” de comentarios negativos.

Algunos de estos métodos se han integrado en soluciones empresariales en las que los métodos analíticos son parte de un flujo diseñado para que los especialistas de negocio tomen ventaja de sus resultados, disminuyendo la frecuencia en que los analistas deban intervenir para operarlos. Así es como se ha construido soluciones orientadas a la detección y prevención de fraude, la administración del riesgo financiero de acuerdo a regulaciones internacionales, generación automatizada de campañas de mercadotecnia dirigidas a grandes cantidades de clientes sin dejar de considerar sus preferencias, optimización de rutas de distribución, pronósticos basados en la demanda o el aprovechamiento del comportamiento de redes sociales (de quienes las integran y de la información que fluye en ellas).

Podemos afirmar, que estamos en el momento justo para ser analíticos en forma práctica, pues ya no se trata de una “revolución silenciosa”: los retos actuales lo demandan, existen métodos probados, además de las soluciones que los implementan en forma práctica y efectiva. Llamarse analítico tan sólo por usar sistemas de cómputo y algunos métodos aritméticos de estadística básica para apoyar la operación de nuestras organizaciones, sería tanto como afirmar que se es digital tan sólo por utilizar un reloj de pulso en lugar de manecillas, mostrarse la hora con un panel numérico. Aprendamos la lección, adoptemos este paradigma, para que cuando llegue el momento de mirar esta época en retrospectiva, podamos afirmar que no fuimos víctimas de miopía ante la innovación, y que formamos parte de aquellos que mayor ventaja tomaron de sus beneficios. Breaking Wise.

Es muy probable que las primeras pertenencias de las que tenemos conciencia fueron juguetes y tal vez fue, como parte de nuestros juegos, que comenzamos a comprender las primeras operaciones lógicas como distinguirlos y clasificarlos, por ejemplo, en cochecitos, muñecas o canicas. Casi en forma paralela, también entendimos el concepto de tamaño relativo y comparación, objetos grandes y pequeños. En esa misma línea de pensamiento, es muy seguro que logramos conseguimos dominar nuestra primera operación lógica compleja: el ordenamiento.

Es el ordenamiento lo que nos permite llevar a cabo nuestros primeros análisis, generando varios resultados interesantes: cuál es el objeto menor, cual es el mayor, si tenemos múltiples objetos con el mismo tamaño. Esto es aún más interesante porque esta operación con sus resultados se logra realizar sin que el concepto de número o valor haya sido necesariamente asimilado.

El ordenamiento, ya con el logro de la abstracción del concepto de número nos lleva a consolidar nuestra primera herramienta importante de análisis: el pensamiento unidimensional. Con ella podemos hacer listas ordenadas en forma creciente o decreciente, de frecuencias, y en general segmentaciones de objetos concretos o abstractos de acuerdo a un valor que permite efectuar el ordenamiento. Podemos decir que el pensamiento unidimensional es nuestra primera herramienta de decisión, queremos vender más, perder menos y en general nos permite seleccionar cual o cuales especímenes de una lista nos interesa tomar o rechazar, es decir en ocasiones más es mejor (ganancias, potencia, etc.) y en otras, preferimos lo menos (dolor, pérdidas, etc.).

Toda herramienta de decisión comienza a tener un límite práctico: todos los que usen este modelo de pensamiento elegirán las mismas opciones. Por esto es que parecería lógico ir más allá de una dimensión única. Si de nuestro aprendizaje inicial elegimos la estrategia donde más es mejor, entonces dos dimensiones serían mejor que una para hacer nuestros análisis.

Un primer avance para transcender el análisis unidimensional, lo constituye graficar las funciones  en un plano cartesiano con dos ejes. Estas gráficas están destinadas a presentar el cambio de una variable respecto a otra, como la distancia de un objeto al paso del tiempo, o el cambio de la presión con respecto a la temperatura, etc. En este punto, si bien ya estamos hablando de dos atributos que cambian, uno sigue siendo la variable principal y el otro es un marco de referencia (una variable objetivo y un parámetro). Esto es prácticamente graficar un “lugar geométrico” (como una parábola o un círculo), más que a contar con una herramienta de análisis: es formalmente correcta, aporta una gran cantidad de información y se puede establecer una razón de cambio entre las variables, pero aun así, no resulta intuitiva ni tan fácil de interpretar como una lista ordenada.

Más que la precisión matemática que representa la gráfica de una variable en función de un parámetro de observación, buscamos una herramienta que nos permita hacer un entendimiento intuitivo del comportamiento de dos variables relevantes y nos genere además una clasificación. Esta forma de análisis está relacionada con los percentiles (cuartiles, quintiles, etc.) en una gráfica de frecuencia: inducen una clasificación que es intuitiva o fácil de interpretar a los analistas formando grupos de elementos parecidos entre sí, por ejemplo, los miembros del quinto quintil son empleados de alto desempeño, los del segundo quintil, son empleados en evaluación, etc.

La herramienta a la que me refiero son los cuadrantes. En ellos se presentan elementos que se clasifican en dos dimensiones, que más que una escala de valores precisos, se les asigna una comparación prácticamente cualitativa entre ellos: alto / bajo, reducido / amplio, ligero / pesado etc. Los pares de valores elegidos para hacer un contraste, generan cuatro combinaciones, cada una en un cuadrante, donde se clasifican los especímenes. Adicionalmente, cada clase determinada por un cuadrante, se le asigna una denominación que facilita la interpretación y comunicación de la combinación de valores. Para ilustrar la creación de un cuadrante, proponemos un ejemplo.

• Colección de elementos: Proyectos
• Dimensiones: facilidad de implementación / valor agregado
• Valores: [Bajo / Alto], [Bajo / Alto]
• Etiquetas de clasificación: Éxitos Rápidos, Estratégicos, Operativos, En Evaluación

Si contrastamos su definición en forma de texto versus su representación gráfica, se puede observar lo intuitivo que resulta esta forma de clasificación, además que facilita el tomar una decisión comparada con tener percentiles respecto a un único valor, por ejemplo para hacer una lista de prioridades de ejecución de proyectos. Aún que se trata de un ingenio sencillo, en ocasiones permite hacer hallazgos interesantes y hasta contra-intuitivos. Sin el rigor de un método formal, se pueden lograr formas básicas de optimización.

Hay algunos cuadrantes famosos, como el que propuso Boston Consulting Group para clasificar productos. La influencia de este cuadrante es tal, que es muy común en el ámbito del análisis de productos (o negocios) hablar de “vacas lecheras”, para remarcar el hecho que se trata de productos que sin ser los más glamorosos, tienen un buen crecimiento con una participación de mercado aceptable. Incluso se pueden encontrar diversas representaciones de esta matriz que usan directamente iconos de “estrellas”, “signos de interrogación”, “vacas” y “perros” (que en ocasiones se asocian a proyectos “mascota” o “pet projects”). El cuadrante tiene menor rigor, pero es una excelente herramienta de comunicación.

Otra familia famosa de cuadrantes, son los de liderazgo de Gartner, donde todos los fabricantes de cierta tecnología, luchan por estar primero entre los elementos considerados para el ejercicio y después colocarse en el cuadrante de “Líderes”. Este ejemplo es muy útil para resaltar un acierto en el diseño, pues las cuatro categorías (Líderes, Contendientes, Visionarios y De Nicho) son atractivas.

Utilizando la potencia del pensamiento bidimensional, se podrían hacer cuadrantes para hacer clasificaciones de casi cualquier cosa, incluso algunos jocosos o lúdicos. Por ejemplo este cuadrante de alimentos de “comida rápida”.

Este ejemplo es muy pertinente para revisar un tema importante que es lo que hace que esta herramienta se útil y confiable: la claridad con la que se eligen las dimensiones válidas y la forma de evaluarlas. En el mencionado ejemplo, dejando a lado el enfoque lúdico, hay varias preguntas que surgen cuando se intenta clasificar algún alimento: ¿Cómo se determina el valor nutricional?, ¿es puramente cualitativo o se utilizó un método cuantitativo que agrupo a los elementos en estas categorías?, ¿existen encuestas o datos que apoyen esta determinación de valores? La respuesta a estas preguntas nos da la oportunidad de dejar muy claro que el hecho de que se utilicen escalas cualitativas o enunciativas, no implica que los valores que se les asignan son puramente arbitrarios. Aún las escalas cualitativas se deben manejar con rigor manteniendo la utilidad del cuadrante.

En este ejemplo, se utilizan las dimensiones de Re – Usabilidad y Rapidez para generar Valor. Se puede apreciar que se da una definición de cada una de ellas para tener un entendimiento común. Adicionalmente, la definición contiene elementos con base a los cuales se estimaron los valores que se asignaron a cada espécimen. De esta forma, aun tratándose de valores cualitativos, se buscó transformarlos en cuantitativos con base a los elementos de la definición. Es interesante notar que se utilizaron los signos de “+” y “-“, para dejar claro que son valores relativos entre sí, en pocas palabras, son ordenamientos. También es importante notar que aquí los cuadrantes (y por ende las clases) no se “bautizaron”, pero es muy claro que buscaremos los proyectos que tengan elementos re utilizables y que aporten valor con mayor rapidez. De hecho, las encuestas utilizadas para estimar el impacto de ciertos riesgos operativos que se basan en el juicio experto de los funcionarios que los operan se basan en este principio.

En este punto es interesante pensar en el cuadrante como un artefacto muy útil para plantear hipótesis de cómo se comportarían dos dimensiones puestas en contraste o bien, de que valiosos sería poder clasificar los objetos disponibles si acaso las dimensiones que hemos vislumbrado son factibles de medición o determinación. Por ejemplo, si hablamos del problema de retención de clientes, podríamos pensar en el siguiente cuadrante.

Pensemos que en el análisis de clientes contrastamos el valor esperado de ellos en el futuro, comparado con el riesgo de abandono la compañía. El cuadrante en este caso, plantea acciones o enfoques de atención que debemos tener con cada una de las cuatro clasificaciones. Los clientes de alto valor que tienen poco riesgo de fuga, reciben un incentivo de lealtad, pero es claro que las acciones claves de retención deben aplicarse especialmente a aquellos clientes de alto valor esperado que también tienen un alto riesgo de fuga. Es claro el valor y la claridad que da el cuadrante, pero la pregunta clave es ¿quién y cómo se determina el valor esperado y el riesgo de fuga? Siendo que el cuadrante es la hipótesis, o el deseo de lo que busco saber, puedo recurrir a métodos cuantitativos avanzados, como técnicas analíticas.

Con el apoyo de la minería de datos, se toma información histórica para determinar los atributos que caracterizan a los clientes que se han fugado en el pasado, se identifican los factores que más han contribuido a este fenómeno y se determina una probabilidad. Se filtran los clientes de meses anteriores no incluidos en el análisis, para «validar» la certeza del modelo, para entrenarlo y afinarlo: cuantos aciertos se logran en un “futuro” relativo al modelo. Una vez afinado el modelo se «califican» los clientes actuales.

También apoyado de métodos analíticos (como series de tiempo) se puede establecer un pronóstico de facturación futura y se establece un patrón de ciclo de vida con información histórica de clientes. Se establecen límites estadísticos para determinar los umbrales de validez, y de esta forma se puede inferir el valor futuro de un cliente.

Una vez definidas ambas dimensiones, se puede aplicar la hipótesis original con valores cuantitativos y se podría establecer una estrategia interesante, que además se puede comunicar de forma clara y contundente a todos los miembros de la organización apoyando la creación de una visión común.

Como observaciones adicionales apreciamos que una de las dimensiones de este cuadrante es otro cuadrante con valores numéricos. En ese caso el cuadrante de nuestra mayor atención no es el de los clientes que “se portan bien”, sino el de aquellos que se están “cansando de portarse bien”. En este caso el cuadrante “+ / +” no es el cuadrante superior derecho, pues los signos están colocados en forma inversa a otros cuadrantes.

Conclusiones.

Los cuadrantes son una expresión del pensamiento bidimensional, que tienen la característica de tener una interpretación muy intuitiva por su representación gráfica (esta idea podría extenderse a modelos n-dimensionales, paro su interpretación no es tan sencilla). Les comparto las siguientes conclusiones que espero sean de interés.

• Los cuadrantes permiten hacer clasificaciones y ordenamientos considerando dos dimensiones.
• Tienen gran utilidad para calificar y categorizar elementos que tienen una estructura compleja.
• Son herramientas intuitivas de análisis que hacen distinguibles objetos similares en una dimensión única
• Son un buen instrumento de comunicación de una hipótesis, de una estrategia o de una categorización.
• Cuando se usan para establecer una hipótesis sus dimensiones son cualitativas, cuando se emplean como instrumentos de aplicación práctica dichas dimensiones deben ser cuantitativas.
• La intención de análisis es clave, pues aún con un cuadrante cualitativo se pueden lograr resultados interesantes y se pueden sofisticar de acuerdo a las herramientas analíticas disponibles.

Los ejecutivos a cargo de los destinos de las organizaciones, son frecuentemente acosados por las promesas de algunas soluciones a sus problemáticas, que en ocasiones resultan casi mágicas. Ya sea por falta de elementos que expliquen cómo funcionan, o bien porque parecen no tener relación con los objetivos de las instituciones, algunas tecnologías o disciplinas no son consideradas con seriedad al momento de integrar el arsenal de capacidades y habilidades que deben ser adquiridos por los ejecutivos para enfrentar y solventar con éxito los retos que les son planteados. Conscientes entonces de que en apariencia podría confundirse con una receta milagrosa, hacemos la siguiente invitación: no tolere más la toma de decisiones sin los elementos que usted solicita y utilice la analítica como solución y como parte integral en la cultura de su organización.

No acepte sólo lo que le den, pida además lo que necesita.

En la serie televisiva «Breaking Bad», son presentadas las circunstancias que hacen que el personaje central, un hombre bueno, tolerante y por sobre todas las cosas muy inteligente, inicie una gran transformación de la forma en la que debía resolver los terribles problemas que lo aquejan. La invitación no es a pasar al lado “obscuro”, sino a la transformación radical y positiva en el uso de la analítica: “Breaking Wise” (transformándose a la sabiduría).

La idea de utilizar información para tomar mejores decisiones en muy bien entendida desde hace tiempo, inclusive podemos decir que es absolutamente común hasta el límite de la banalidad. Pero lo que no es banal ni fácil de entender (y en ocasiones sigue siendo una pesadilla), es el hecho de que en apariencia resulten insuficientes para la toma de decisiones clave, todas las tecnologías de almacenamiento para mayores cantidades de datos, tableros de reportes que consolidan indicadores en forma eficiente e incluso atractiva y hasta algunas soluciones que integran buenas prácticas de negocio en sus flujos de operación. Claramente hay un eslabón perdido en el proceso de generar el conocimiento que demanda una buena decisión, que además permita aprovechar algunas de las más recientes tecnologías destinadas a consolidar y procesar la información disponible para este propósito. Nuestro planteamiento de transformación gira en torno a la analítica, cuando menos en dos aspectos: la forma en la que se incrusta en la cultura y la forma en que habilita a las modernas tecnologías de manejo de datos a contribuir en la toma de decisiones.

La cultura propicia: de la intención a la ejecución.

La primera parte del planteamiento es de hecho filosófico y necesario: debe existir la intención y la confianza en el hecho de que se pueden tomar mejores decisiones aprovechando los datos que generamos y almacenamos en nuestras actividades cotidianas. ¿Pero cómo es que estas dos condiciones se generan? Podemos decir que intención y confianza forman parte de un proceso donde una regenera y fortalece a la otra. Si hay intención y se utilizan datos para tomar decisiones y estas resultan positivas, se genera confianza para seguirlos usando (piloto). Si hay confianza en los datos, esto genera un ambiente propicio para pasar de la intención a la ejecución (cultura). Pero los datos no dan respuesta al proceso de toma de decisiones por sí solos, estos deben ser interpretados o analizados, para comprender mejor el entorno que rodea la operación de una institución, entender por qué se generan errores o como se consiguen aciertos. Este análisis se lleva a cabo por medio de modelos. Los modelos no son por fuerza complejos artefactos matemáticos que en ocasiones se comparan con magia, los hay de varios tipos con base a su complejidad y sus alcances.

Los promedios y acumulados son los primeros modelos en la escala de potencia. Por ejemplo, el acumulado de la venta de un día es un apoyo para inferir cual podría ser la venta del día siguiente. El promedio diario de ventas en un mes se puede utilizar como base para inferir cual podría ser la venta diaria durante mes siguiente. El volumen de las ventas en cierta estación de un año, es nuestra primera referencia para intentar determinar cómo podrían ser las ventas del año entrante en la misma estación. Si bien son modelos fáciles de aplicar, es claro que su alcance tiene ciertos límites en asertividad y en la relevancia que tienen para la toma de decisiones. Inicialmente es bueno saber cuánto se vendió, pero pronto aumentará la ambición de conocimiento y será deseable saber cuáles son los factores que determinan porqué se vendió, además de mejorar la precisión de lo que se venderá en un futuro, todo esto para reducir los costos y aumentar los ingresos, por ejemplo.

Mejora continua, la ambición positiva o medios que apoyan a fines elevados.

Las preguntas más especializadas y relevantes son resueltas por modelos más complejos. Para ilustrar esta situación, citaré un magnífico ejemplo que Malcom Gladwell incluye en su libro “Blink”[1], respecto a la toma de decisiones rápidas con base a una cantidad reducida de información. Gladwell describe como la sala de emergencias (ER) del hospital del condado de Cook en Chicago, hacía un uso poco efectivo de sus salas de atención a enfermedades cardiacas, pues unos de los síntomas clásicos como el dolor de pecho, en muchas ocasiones está relacionado con otras afecciones menos críticas como la indigestión, lo cual provocaba que cuando llegaba algún paciente con un infarto “verdadero”, pudiera ser que las salas especializadas estuviesen ocupadas atendiendo a algún glotón. También era sabido que ciertos electrocardiogramas (denominados anormales), si bien son indicativos, tampoco eran determinantes para el diagnóstico. Los diferentes médicos interrogaban a sus pacientes tratando de indagar otros síntomas que en su experiencia podrían generar un diagnóstico más efectivo. A falta de avances notables en varias medias “tradicionales”, el director de la institución tomó una decisión disruptiva: acudió a un modelo de árbol de decisión que había sido desarrollado bajo el auspicio de la marina norteamericana para diagnosticar infartos en lugares con escases de recursos médicos (como un submarino, por ejemplo). Este modelo de árbol de decisión fue desarrollado por el cardiólogo Lee Goldman, junto con un equipo de matemáticos en los años 70, le cual determinó que los resultados de los electrocardiogramas, presión sanguínea y algunos otros síntomas y mediciones fáciles de obtener, permitían hacer un diagnóstico muy acertado. Cuando fue probado en el hospital del condado de Cook, mejoró el desempeño en cerca de un 70% con respecto a los métodos tradicionales y acertó en el diagnóstico hasta en un 95% de las ocasiones. Los árboles de decisión se pueden crear como resultado de la aplicación de minería de datos, que son modelos más avanzados aplicados a considerables volúmenes de datos, con aportes aún más importantes.

Otro ejemplo de esta clase de modelos relevantes para la salud, lo constituye el TRISS (TRauma Injury Severity Score[2]), que con base en una amplia base de información, utiliza un modelo de regresión múltiple para determinar la probabilidad de supervivencia luego de un traumatismo, usando también datos muy directos que podría averiguar un equipo de rescate. Tomar decisiones efectivas en tiempo y forma para preservar la vida parece ser un objetivo valioso, con lo cual podríamos intuir que estos modelos podrían aportar valor las decisiones en las organizaciones.

En este punto, es importante hacer notar que son temas diferentes el entender al máximo detalle el funcionamiento del modelo y el determinar el potencial de aplicación de dicho modelo para la toma de decisiones. El tener un enfoque analítico resulta de tener disponibles en nuestra organización ambas capacidades como parte de su cultura, la de entender cómo funcionan los modelos (intención) y la de desarrollar la visión de las posibilidades (confianza). También es clave dejar claro que estas capacidades pueden estar presentes en individuos diferentes de la organización, unos que producen el análisis (científicos de datos) y otros que lo aplican (expertos de negocio), que en su conjunto permiten utilizar la analítica como eje de una transformación disruptiva para lograr un “Breaking Wise”: no conformarse con “lo que hay” para tomar decisiones, sino buscarlo como conocimiento y sabiduría creada a partir de los datos de que dispone la organización.

Las soluciones tecnológicas como habilitadores de una visión.

Si estamos convencidos de la parte cultural y filosófica del enfoque de la analítica, la porción del uso de las tecnologías disponibles de alguna manera se vuelve una consecuencia lógica de habilitar este paradigma. Ahora tiene sentido el uso de soluciones de limpieza y calidad de datos que nos permitan tener “materia prima” de calidad para la toma de decisiones. El contar con herramientas de almacenamiento como las bases de datos y los Dataware house (DWH) para poder acceder a ellos en forma eficiente y con los formatos correctos parece igualmente entrar en forma natural al arsenal de soluciones tecnológicas que necesitamos. Las soluciones de reporteo y visualización de datos para hacer análisis visuales de los resultados de algunos modelos para facilitar el proceso de interpretación por parte de los tomadores de decisiones son igualmente consecuentes, junto con la posibilidad de aprovechar las capacidades móviles de nuestros teléfonos inteligentes y tabletas.

Ahora tiene sentido y absoluta consecuencia, mencionar un grupo de soluciones homónimas a nuestro paradigma de cambio: las soluciones analíticas. Estas han desarrollado modelos, métodos estadísticos y matemáticos de gran complejidad de tal forma que su uso es más propicio y más fácil en los entornos de las organizaciones, sin perder el poder de generar conocimiento e indicadores de gran valor. De esta forma, se puede contar de forma práctica con modelos de minería de datos, de regresión, de series de tiempo para hacer pronósticos y de correlación que permitan inferir ocurrencias de eventos futuros, determinar la contribución de atributos y síntomas que caractericen los comportamientos que queremos incentivar (mas compras, mejores rendimientos) y aquellos que queremos evitar (abandono de servicios, uso inadecuado de recursos). En algunos casos se integran en marcos de trabajo para resolver problemas muy específicos de industria como la administración de riesgos financieros, la detección y prevención de fraudes, la segmentación actitudinal de clientes y la generación, monitoreo y optimización de campañas de mercadotecnia.

Sea radical con los buenos hábitos.

Considerado lo anterior, podemos decir que el uso de la analítica no es una solución más para apilarla junto con otras que parecen no cumplir una serie de promesas casi mágicas, sino que se constituye en un marco de trabajo que da orden, alinea a muchas otras capacidades y tecnologías para lograr el objetivo de generar conocimiento que apoye en forma efectiva a los ejecutivos a cargo de tomar decisiones de todo tipo y a todo nivel dentro de sus organizaciones.

La grandeza de nuestras intenciones muy a menudo determina el tamaño de nuestros esfuerzos y la potencia de nuestras herramientas. Utilice el enfoque analítico y haga del conocimiento un hábito: aborde el “Breaking Wise”.

[1] “Blik. The power of thinking without thinking”, Malcom Gladwell, Black Bay Books, 2006

[2] TRISS, http://www.trauma.org/archive/scores/triss.html