Es normal que al ignorar factores, contextos e investigaciones, las decisiones que se toman no sean las mejores. Pero una mala decisión se puede tomar, incluso, bajo la sombrilla de la información. Justamente sobre cómo aprovechar los datos para tomar mejores decisiones, escribieron para la revista HBR los investigadores Michael Luca y Amy Edmondson.
En la primera parte de este texto, describimos cuáles son los cinco errores más comunes que cometen los líderes al momento de utilizar datos e investigaciones para tomar decisiones en sus organizaciones. Así que si no lo has leído, échale un ojo y regresa a este texto, en el que te contaremos
Ahora, teniendo en cuenta estos errores y de dónde surgen y conociendo los principales retos y fallos al querer tomar decisiones basadas en datos o investigaciones, Luca y Edmondson también han recopilado estrategias para que los datos sean aliados estratégicos en los planes de las organizaciones. ¿Qué recomiendan?
El primer paso es hablar
La sabiduría popular existe, como demostró un conocido análisis de datos de 1906, en el que el investigador Sir Francis Galton pidió a los asistentes de una feria ganadera adivinar el peso de un buey. Si bien las respuestas de cada persona fueron muy variadas, en promedio, los cálculos del público se acercaron bastante al peso correcto.
Precisamente a esta sabiduría de las masas o inteligencia colectiva y de la acumulación de información, pero no es fácil cosechar sus poder.
Making Data-driven Decisions in Business | Google Data Analytics Certificate
“La inteligencia colectiva funciona mejor cuando existen mecanismos correctos que promuevan una participación activa y diversa. De otra forma, las multitudes también pueden amplificar sesgos, sobre todo cuando se trata de un grupo homogéneo de personas”, explican los investigadores.
Una manera de evitar posibles sesgos es buscar contribuciones y conversaciones que se nutren de distintas perspectivas y pide que reten sus propias ideas. Los líderes, incluso, deben presionar a las personas a considerar el impacto de sus decisiones para distintos actores, esto, para forzar quebrar ideas arraigadas. “Promover el disenso y la críticac constructiva puede ayudar a combatir el pensamiento grupal, lo cual puede evitar darle demasiado peso a las opiniones de los líderes”.
Y no olvidar la seguridad sicológica para promover diálogos abiertos
Este tipo de discusiones pueden ayudar a sopesar concienzudamente la evidencia disponible antes de tomar una decisión. Sin embargo, para que tenga el efecto deseado, el equipo de trabajo debe sentirse psicológicamente seguro.
Un ejemplo conocido de los malos resultados que puede tener esto fue el descubrimiento de las investigaciones que Facebook hacía a sus empleados y a usuarios sin su consentimiento. Desde que se conocieron los resultados, los empleados de la empresa dejaron de participar en investigaciones externas y retrasó a la empresa durante años de actuar frente a los impactos negativos de las redes sociales; sin contar con los costos reputacionales que tuvo este episodio.
“Incontables estudios han mostrado que las jerarquías pueden llevar a las personas a retener puntos de vista disidentes, así como que los participantes tienden a compatir información relevante cuando no tienen seguridad psicológica (la creencia de que se espera discusión y que esta no será castigada”, explican.
¿Cómo evitar errores predecibles?
De acuerdo con la experiencia de Luca y Edmondson, existen cinco errores que los líderes cometen al interpretar análisis o juegos de datos. Además, sugieren algunas preguntas que pueden ayudar a evitarlos
- Para prevenir confundir correlación y causalidad, pregúntate por la forma cómo se consiguieron los datos para determinar su validez. Algunas preguntas a considerar pueden ser:
- ¿Este análisis está basado en un experimento?
- Si no es así, ¿existen factores que puedan confundir o variables que afecten distintos tipos de variables?
- ¿Hasta qué punto estas limitaciones fueron reconocidas en el análisis?
- Para evitar subestimar la importancia de la muestra, piensa en preguntas sobre el tamaño de la muestra y los resultados que arroja. Por ejemplo:
- ¿Cuál fue la tasa de variación promedio?
- ¿Cuál fue el tamaño de la muestra y el margen de error, que es el rango con el que se puede medir qué tan confiable es un dato o resultado?
- ¿Cómo cambiaría las próximas acciones de la organización dependiendo de la certeza de estos resultados?
- Si quieres evitar vincular una medición con lo que realmente importa para la organización, pregúntate por la medición de resultados.
- ¿Qué resultados se midieron?
- ¿Fueron suficientemente amplios?
- ¿Capturan consecuencias intencionadas y accidentales?
- ¿Se rastrearon por un periodo suficientemente extenso?
- ¿Se reportaron todos los resultados relevantes?
- ¿Cómo creemos que se ajustan a las metas organizacionales?
- Si buscas no generalizar incorrectamente, piensa en preguntas sobre los contextos como se hacen los estudios. Algunos ejemplos pueden ser:
- ¿Qué tan similar es el escenario del estudio en comparación con el contexto empresarial?
- ¿El contexto o periodo de análisis lo hace más o menos relevante para nuestra decisión?
- ¿Cómo se compone la muestra estudiada y cómo puede influenciar la aplicabilidad de los resultados?
- ¿El resultado varía en distintos subgrupos? ¿Qué nos dice esto sobre la posibilidad de generalizar?
Finalmente, para no darle demasiada importancia a un resultado específico, siempre haz preguntas sobre mayor evidencia y recolección de información.
- Existen otros análisis que validen los resultados de esta investigación.
- ¿Qué información extra podría recolectarse y qué tan práctico y útil es?
- ¿Cómo podría cambiar esto nuestra interpretación de los datos?
De la información a la decisión
Tomar decisiones en momentos de incertidumbre es necesariamente un proceso repetitivo: requiere pausas para reflexionar tanto en la información como en los procesos. “Los equipos eficientes van a aprender de los datos, ajustar planes de acuerdo a esto y trabajar deliberadamente en mejorar sus discusiones”, sostienen.
Si algo ha demostrado el avance del conocimiento es que la evidencia nunca está completa y rara vez es absolutamente definitiva. Por eso, cada dato o información es como un pequeño rompecabezas que toca descifrar y que, en la mayoría de los casos, es más sencillo con un equipo disímil que no teme aportar y construir desde su punto de vista.
También ayuda replicar metodologías y sistematizar la recolección de datos y su análisis e interpretación. De esta manera no dependerás de experimentos externos, sino que la información será hecha a la medida de las necesid
