captura paper 1994 picoscaptura paper 1994 picos 2

Las empresas deben entrenar a su gente en la sana disciplina de entender los Datos. Con el rótulo que sea (Big Data, Analytics, AI, Data Science…) este intento debe a) contemplar el trabajo cotidiano b) provocar curiosidad para ir más allá c) fomentar una cultura donde el dato ocupe el centro de la escena.

Cómo hacer esto? Propongo seis variables fundamentales en el diseño de un curso centrado en los Datos.

1) Audiencia: Los jóvenes profesionales necesitarán un “kit básico de supervivencia” en torno a datos (KPI, insight, calidad de datos), y una explicación breve de cada elemento.  Los jefes y gerentes querrán conocer metodologías y trucos para convivir en torno a los datos. El top management querrá casos de uso concretos de transformación digital. Si no hay segmentación se deberá apuntar al centro de este “amplio espectro”, haciendo foco en el uso y la rentabilidad de cada práctica.

2) Qué cambio se desea lograr? De momento alcanza con una referencia a los casos de uso, pero en pocos años muchas empresas de nuestro medio “empujarán” a sus empleados a que aprendan a programar. El Excel vale solo en situaciones de “small data” y negocios poco cambiantes.

3) Es un instante o un proceso? Valen ambas opciones. En el primer caso el training puede ser un evento dentro de una jornada que combine el mensaje corporativo con cuatro o cinco ideas claras sobre datos. El caso más común es el de un proceso, una serie de talleres o cursos donde se aprecie paulatinamente el sentido de toda la cadena de valor de los datos.

4) Cómo se involucra al asistente? Con ejercicios grupales: simulando un Agile, evaluando el impacto económico del churn, o respondiendo a una estimación de negocios. El involucramiento se logra incentivando las respuestas. Como dice la gente de Google X: hay que aprender a fallar. Esta interactividad implica grupos chicos (no más de 20 personas) y ambientes adecuados donde los asistentes puedan cambiar de lugar y formar grupos.

5) Cómo deben ser los contenidos? Siguiendo un hilo central, con cambios cada diez minutos: casos de uso, anécdotas, “tips”, preguntando constantemente,  y animando a la audiencia a que corran el riesgo de la respuesta. Habrá momentos incómodos? Tal vez sí, pero ese es el riesgo menor a correr en estos años de corrección política, donde la mayoría de la gente perdió la cultura de las preguntas y las respuestas, bases del método científico.

6) Finalmente, hay que evaluar al entrenador? Siempre! El dato (la evaluación) debe ser compartido. Esto debe disparar acciones y decisiones, como en cualquier otra industria.

Hago un flashback  al final de mi tesis en Física. Hace 25 años yo estaba bombardeando muestras de geofísica con una fuente de neutrones, simulando un ensayo no destructivo que ahora es corriente en Oil&Gas. Los neutrones impactan la muestra y ésta emite rayos gamma, que permiten identificar ciertos elementos, que a su vez son son proxy de la rentabilidad de un pozo de petróleo. Suena más o menos fácil, pero la cosa no venía bien.

Había requisitos. Tener una fuente radioactiva intensa (había cierto riesgo personal aquí), aproximar la fuente a la muestra (pero sin dañar el detector), tener nitrógeno líquido en abundancia (elemento caro y difícil de obtener, históricamente) y dejar midiendo mucho tiempo (cruzando los dedos para que no hubiera cortes de luz o alguien apagara algún switch). Adivinen qué: tenía bajo conteo, los picos de energía eran chiquitos y no llegaba a medir nada apreciable. Terminé buscando un mejor equipamiento en el Balseiro, publiqué el paper y en un mes pude cerrar mi tesis. A un cuarto de siglo de distancia pienso que los datos estuvieron siempre ahí,  hablando pero en voz baja; había que prestarles mucha atención, admitir que había que hacer cambios. Algo en el entorno del set-up original perturbaba la medición.

Por qué el flashback? A la ciencia de datos  le está faltando el rigor científico, que ineludiblemente debe figurar en estos aprendizajes. Los datos están ahí, en casi todos los ámbitos, pero hay que hacer silencio, tener la mente abierta, y prestar atención. No siempre el cambio necesario es invertir en la última tecnología. Muchas veces alcanza con ser consistente con los datos, entender la industria (fundamental!), ser curioso, mantener cierta actitud objetiva o científica, y animarse a correr riesgos con las preguntas. Por eso en los trainings incluyo estimar magnitudes, resolver problemas de Fermi, contar historias verdaderas de situaciones con clientes difíciles en varios verticales y sobre todo animar a la audiencia a responder preguntas.

Finalmente, qué esperar a largo plazo en la empresa, después de un entrenamiento?

Si el curso fue efectivo, se advertirán con el tiempo las siguientes actitudes:

  1. Decenas de empresas se jactan de ser “data-driven” y no lo son. Contra esto, un buen comienzo es que el individuo aprenda a no mentir(se) con los datos. No duplicar fuentes de datos, por ejemplo.
  2. Una actitud de respecto hacia el compañero es chequear que la fuente  de datos que comparten sea consistente. De paso, respeto hacia el público que usa los servicios es entender qué es Data Ethics.
  3. Permitirse sospechar del error. Preguntar al custodio de la información o al interlocutor técnico si algo no esta bien en el diseño de la campaña, del producto, o del servicio. Si hay error, no mirar hacia otro lado! Compartir esta inquietud.
  4. Una vez chequeadas las hipótesis y ejecutada la acción, entrenar los sentidos para intuir qué cosas interesantes pueden aparecer después, siempre en contexto de negocios. “Qué pasa si correlaciono este dato con este otro? Hay causalidad?”
  5. Fortalecer el pensamiento crítico. Esto va bastante más allá de defender la opinión gerencial, es super importante. Diez años de redes sociales favorecieron en todo el mundo el pensamiento monolítico y de corto plazo, amparado solo en las opiniones que confirmaran nuestras creencias. Hay que volver a los hechos.

La única forma de supervivencia de muchas de las empresas que conozco es volver a la cultura de preguntas y respuestas que ha guiado hasta aquí a el método científico. No se tratará de neutrones o de rayos gamma, pero sí de gente incapaz de mentirle a los datos de su empresa y dispuesta a hacer los cambios necesarios para alcanzar la rentabilidad deseada. Por eso la consecuencia no prevista de estos cursos es volver a una cultura centrada en los datos.

dcs mono google x