Estrategia de datos para gente de a pie

Por Matías Zapiola

¿Cómo pensar tu estrategia sin ser especialista en datos?

En la actualidad, es cada vez más fácil recolectar grandes cantidades de datos. Tenemos disponibles las herramientas, las personas, las habilidades, sin embargo, el desafío –y lo que marcará el verdadero diferencial—está en poder hacerse las preguntas correctas.

Una vez que las tengas, es el momento de entender si podés responderlas, cómo lo harás y para quién es la respuesta. Me gusta pensar este proceso en tres pasos por los que los datos tendrán que pasar:

1. Fuentes.
2. Transformaciones.
3. Presentación.

1) Fuentes

Cada proyecto implica intentar alcanzar un objetivo, puede ser vender más, entender a quién le estás vendiendo o reducir tus costos. Para cualquiera de estos casos, necesitás datos que puedan resolver el problema (porque, después de todo, siempre que hablamos de proyecto de datos buscamos resolver algún tipo de problema).

Entonces lo primero que tenés que hacer es entender si tenés los datos para responder a tus preguntas. A veces esto puede ser difícil, pero una buena manera de hacerlo es comprender lógicamente cómo funcionan tus preguntas. Veamos algunos ejemplos:

• Supongamos que te preguntás: “¿Qué puedo hacer para aumentar mis ventas?”. Primero pensemos qué datos pueden ayudarte a responderla. Tengamos en cuenta que las ventas varían en función del precio y del volumen. Entonces, si contás con los datos de precio y volumen, podés profundizar y analizar si conviene aumentar precio o volumen.

• Otra pregunta: ¿Cómo son mis clientes? Comprenderlos puede depender de tener ciertos datos sobre ellos: qué edad tienen, dónde viven, con qué género se identifican, etc. En este ejemplo, puede ser que no sepas dónde residen y esto podría ser un obstáculo, en ese caso, tendrías que redefinir tu estrategia y basarla en datos que efectivamente sí tengas. En ese caso, tu estrategia podría seguir dos caminos: cambiar la definición de conocimiento de clientes o empezar a recolectar los datos faltantes.

• Algo muy común es preguntarse: ¿qué puedo hacer para reducir los costos? Estos pueden depender del volumen, del precio o de las diferentes estrategias que utilices que, muchas veces, se pueden cuantificar fácilmente (como cuando comprás a granel, por ejemplo, te otorgan un descuento) y en otras no (como cuando un proveedor hace descuentos arbitrarios sin una regla definitiva). Entonces, en el primer caso contamos con la regla de negocio (la cantidad y su descuento asociado) y podemos tomar una decisión acorde, mientras que en el segundo tendremos que saber que, si bien mis costos dependen de los descuentos, no tenemos una manera de usar estos datos para tomar decisiones.

Este ejercicio de preguntas implica algo muy importante: entender si contamos con los datos necesarios para continuar o no.

2) Transformaciones

Una vez que sepas si contás o no con los datos, pasamos a la segunda etapa: entender cómo transformarlos. La transformación puede implicar modificaciones simples (manipulación, limpieza, etc.) o puede ser un proceso más largo que implique varias operaciones.

Otro aspecto a tener en cuenta es entender si las transformaciones se pueden hacer automáticamente (sumar todas las filas en una columna, por ejemplo) o manualmente (etiquetar cada fila en una columna).

Pensemos esto a partir de algunos ejemplos que van desde los más simples hasta los más complejos. Supongamos que querés entender:

❓ ¿Cuánto vendiste en el último mes? -> Para eso simplemente sumás el precio por el volumen.

❓¿Cuál fue tu producto estrella? -> De todo lo que vendiste, qué fue lo que más se vendió (discriminación por producto desde la información anterior).

❓¿Cuál es tu mejor cliente? -> Lo mismo, pero por cliente.

❓¿Cuál es el precio promedio? -> Monto vendido dividido por volumen.

Los ejemplos anteriores dan cuenta de transformaciones simples, pero pensemos qué pasa ante casos más complejos como puede ser etiquetar filas en una tabla. Por ejemplo, si analizás tu resumen bancario y querés etiquetar los gastos del mes en categorías como “supermercado”, “Agua y Luz”, Salidas sociales” u otras. O si analizás audiencias y querés agruparlas a discreción. En estos casos, no hay una fórmula que pueda aplicar o una acción repetible, sino que tendrás que manipular los datos por tu cuenta (etiquetar, sumar valores únicos, restar, promediar, contar, u otras operaciones manuales).

Este ejercicio de pensar cómo van a ser las transformaciones es importante porque te va a ayudar a entender qué herramienta deberías elegir para trabajar. En el caso de transformaciones simples y repetibles podrías utilizar una herramienta como PowerBI, LookerStudio o Tableau. Para operaciones más manuales donde tengas que intervenir los datos quizás necesites Microsoft Excel o Google Sheets.

3) Presentación

Una vez que tenés tus fuentes y transformaciones, es el momento de actuar en base a tus datos. Aquí es importante entender quién va a actuar sobre los datos y cómo van a respaldar sus decisiones.

Si vos sos quien va a actuar sobre los datos, podés quedarte con tu herramienta de visualización y con tu hoja de cálculo, ya que las conocerás a fondo. Esto te va a permitir entender los datos a un nivel granular y conocer cómo funcionan los modelos y las herramientas.

En el caso que tengas que presentar tus datos a personas en posiciones gerenciales o de índole más estratégico, debés ser aún más sintético. En estos casos, lo mejor sería una presentación o un resumen ejecutivo con pocos gráficos, algo que se pueda enviar fácilmente y tenga las conclusiones listas.

El nivel de detalles que tengan tus datos dependerá del tipo de persona que necesite consumirlos. Un gerente de operaciones no necesitará los mismos datos que un CEO, por ejemplo.

Para que se entienda mejor qué necesita cada nivel de la organización:

Nivel operativo:

• Datos granulares. Por ejemplo, en nuestro ejercicio de pronósticos de ventas nosotros sabemos los precios y cantidades de cada artículo en particular.
• Paneles de control y hojas de cálculo para trabajar con los datos.
• Información de contexto como el problema comercial y las soluciones probables.

Nivel táctico:

• Datos a nivel intermedio. Por ejemplo, en nuestro ejemplo de pronóstico de ventas sería saber los valores de las ventas de cada artículo en particular
• Escenarios y soluciones con notas y justificaciones.
• Panel de control, hoja de cálculo para comprender los escenarios.

Estratégico:

• Datos a alto nivel. En este caso, podríamos plantear que solo es necesario saber el resultado de Ventas.
• Escenarios con evaluación de riesgos y oportunidades.
• Resumen ejecutivo o presentación.

En conclusión, aunque no lo sepas, siempre estás trabajando con datos: todo proyecto, es un proyecto de datos. Entonces, siempre pensá en tus proyectos en pasos y con estas preguntas fundamentales:

• ¿Tengo los datos?
• ¿Cómo los transformaré? ¿Qué herramientas usaré?
• ¿Quién va a actuar sobre los resultados? ¿Cómo debo mostrarlos?