Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Este documento está autorizado para uso de revisión de educadores solo por José Najarro, Universidad del Pacífico hasta julio de 2022.
La copia o publicación constituye una infracción de los derechos de autor. Permissions@hbsp.harvard.edu o 617.783.7860
Machine Translated by Google
ESTRATÉGICO
ANALÍTICA
Machine Translated by Google
Machine Translated by Google
Póngase al día y profundice su comprensión de los temas que están dando forma
Análisis estratégico
Cambio climático
El año en tecnología, 2021
Datos del cliente y
Privacidad
Machine Translated by Google
Machine Translated by Google
ESTRATÉGICO
ANALÍTICA
Boston, Massachusetts
Machine Translated by Google
Los títulos de Harvard Business Review Press están disponibles con importantes descuentos
por cantidad cuando se compran al por mayor para obsequios de clientes, promociones de
ventas y premios. Las ediciones especiales, incluidos libros con logotipos corporativos,
portadas personalizadas y cartas de la empresa o del director ejecutivo impresas en la portada,
así como extractos de libros existentes, también se pueden crear en grandes cantidades para
necesidades especiales.
Las direcciones web a las que se hace referencia en este libro estaban vigentes y eran correctas
ISBN: 978-1-63369-898-7
eISBN: 978-1-63369-899-4
Contenido
Introducción
Sección 1
con datos
se capturan
Contenido
Sección 2
Necesidades de la empresa
laboratorio de análisis
viii
Machine Translated by Google
Contenido
campo de juego.
Seccion 3
10. Cómo Vineyard Vines utiliza la analítica para conquistar clientes 115
11. Cómo usar los datos de los empleados de manera responsable 127
análisis de personas.
ix
Machine Translated by Google
Contenido
13. Cómo las empresas pueden utilizar los datos que recopilan 151
Índice 163
X
Machine Translated by Google
Introducción
QUE HACE
ANALÍTICA ESTRATÉGICA
por Thomas H. Davenport
potentes, sino también una cultura que fomente la gestión basada en datos.
xi
Machine Translated by Google
Introducción
usaban para predecir lo que los clientes podrían comprar; cerrar tiendas,
xi
Machine Translated by Google
Introducción
XIII
Machine Translated by Google
Introducción
analítica
talentos clave y aprovechan esas habilidades para alcanzar sus objetivos de datos.
xiv
Machine Translated by Google
Introducción
XV
Machine Translated by Google
Introducción
xvi
Machine Translated by Google
Introducción
NOTAS
xvii
Machine Translated by Google
Machine Translated by Google
Sección 1
COMPRENSIÓN
ANALÍTICA
LO ESENCIAL
Machine Translated by Google
Machine Translated by Google
ELEMENTOS PARA
DATOS
H ayelun montón
espacio de del
de datos: grandes
análisis alideas y técnicas
aprendizaje en
automático
desde la toma de decisiones basada en datos hasta la
mejora de la calidad de los datos. Algunas de estas ideas han
existido durante mucho tiempo y están completamente
examinadas, probándose una y otra vez. Otros han disfrutado de
una amplia socialización en la prensa empresarial, popular y técnica. De hecho, e
3
Machine Translated by Google
Hombre rojo
Economist proclamó que los datos son ahora "el activo más valioso del
mundo".1
Se necesita mucho para tener éxito con los datos. Como muestra la figura
1-1, una empresa debe realizar un trabajo sólido en cinco componentes, cada
uno razonablemente alineado con los otros cuatro. La falta de alguno de estos
Ayuda si algunos de los datos son propietarios, lo que significa que usted tiene
Para la mayoría de las empresas, los datos son un problema real. Los
son altos. Los datos erróneos hacen que sea casi imposible convertirse en
4
Machine Translated by Google
Los cinco elementos esenciales para tener éxito con los datos
FIGURA 1-1
Cuando un elemento
Está perdido
Altos costos y
X
dificultad
pequeño negocio
X beneficio
Poco crecimiento
X
más allá de los silos
no se
X puede escalar
Cuesta tiempo,
X
dinero y problemas
5
Machine Translated by Google
Hombre rojo
6
Machine Translated by Google
Los cinco elementos esenciales para tener éxito con los datos
tienen que enseñar a las personas cómo usar los datos de manera efectiva. El
liderazgo debe darse cuenta de que ganar incluso una fracción del valor que
valoran los datos, pero sus líderes tienen dificultades para responder preguntas
básicas como "¿Qué datos son los más importantes?" "¿Cómo planea ganar dinero
con sus datos?" o “¿Tienes algo que sea de propiedad?” Algunos incluso se refieren
a los datos como "agotamiento", ¡la antítesis de un activo valioso! Sin abundancia
de talento
y una estructura organizacional y una cultura que valoran los datos, es difícil para
las empresas hacer crecer sus esfuerzos exitosos más allá de los niveles de equipo
y departamento.
y entregar sin ella. Facebook, Amazon, Netflix y Google, que han tenido éxito con
los datos, han construido plataformas poderosas. Quizás por estas razones, la
7
Machine Translated by Google
Hombre rojo
8
Machine Translated by Google
Los cinco elementos esenciales para tener éxito con los datos
PARA LLEVAR
9
Machine Translated by Google
Hombre rojo
niveles del organigrama, así como una estructura y una cultura que
permitan compartir los datos.
NOTA
1. “El recurso más valioso del mundo ya no es el petróleo, sino los datos”,
Economist, 6 de mayo de 2017, https://www.economist.com
/líderes/2017/05/06/el-recurso-más-valioso-del-mundo-es-no
-más-petróleo-pero-datos.
Adaptado de “5 Ways Your Data Strategy Can Fail” en hbr.org, 11 de octubre de 2018
(producto n.º H04KB5).
10
Machine Translated by Google
COMPRENSIÓN
LOS TIPOS DE DATOS
Y COMO SON
CAPTURADO
por Hugo Bowne-Anderson
La capacidad
Los datos son unade entender
habilidad y importante
cada vez más comunicar sobre
para el siglo XXI.
En segundo lugar, gran parte de las noticias se informan a través de los lentes
11
Machine Translated by Google
Bowne-Anderson
12
Machine Translated by Google
13
Machine Translated by Google
Bowne-Anderson
14
Machine Translated by Google
Datos tabulados
El tipo más común que utiliza un científico de datos son los datos
tabulares, que son análogos a una hoja de cálculo. En el artículo de
Robert Chang "Using Machine Learning to Predict Value of Homes
on Airbnb", muestra una muestra de los datos, que aparecen en
una tabla en la que cada fila
15
Machine Translated by Google
Bowne-Anderson
noche y los ingresos de un año. (Tenga en cuenta que los datos rara vez
de datos es un paso esencial para preparar los datos para dicho análisis).
aprendizaje automático para predecir los valores de vida útil (LTV) de las
relación.
Datos de imagen
Los datos de imagen son datos que consisten en, bueno, imágenes.
objetos en su campo de visión son dos de los muchos casos de uso de datos de imágenes.
predictivos.
dieciséis
Machine Translated by Google
Datos no estructurados
del científico de datos es estructurar dichos datos para que puedan ser
Estos son solo dos de los cinco pasos para trabajar con datos, pero
17
Machine Translated by Google
Bowne-Anderson
está tratando con datos, piense en cómo se recopilaron y qué tipo de datos
PARA LLEVAR
parte de la conversación.
tistas y analistas
trampas
18
Machine Translated by Google
NOTAS
19
Machine Translated by Google
Machine Translated by Google
LA MANERA CORRECTA DE
IMPLEMENTAR PREDICTIVO
ANALÍTICA
21
Machine Translated by Google
Siegel
inteligentes que hacen cosas creativas para encontrar valor en sus datos.
Es importante que todos tengan esto en cuenta al aprender a trabajar
con datos.
Bajo el amplio paraguas de la ciencia de datos se encuentra el
22
Machine Translated by Google
23
Machine Translated by Google
Siegel
24
Machine Translated by Google
25
Machine Translated by Google
Siegel
26
Machine Translated by Google
Hay dos cosas que debe saber sobre estos pasos antes de
seleccionar las opciones de capacitación para sus líderes de
análisis predictivo. En primer lugar, estos cinco pasos implican
un extenso retroceso e iteración. Por ejemplo, solo al ejecutar el
paso 3 podría quedar claro que no hay suficientes datos para el
objetivo de predicción establecido en el paso 2, en cuyo caso se
debe revisar y modificar el paso anterior.
En segundo lugar, al menos para sus primeros proyectos
piloto, deberá contratar a un consultor externo de aprendizaje
automático para las partes clave del proceso. Normalmente, su
personal no debería esforzarse por convertirse de inmediato en
practicantes autónomos del aprendizaje automático central, es
decir, el paso 4. Si bien es importante que los líderes de proyecto
aprendan los principios fundamentales detrás de cómo funciona
la tecnología, para comprender tanto su requisitos de datos y el
significado de las probabilidades predictivas que genera: un
experto cuantitativo con proyectos previos de análisis predictivo
en su cartera debe intervenir para el paso 4 y también ayudar a
guiar los pasos 2 y 3. Esto puede ser
27
Machine Translated by Google
Siegel
PARA LLEVAR
organizaciones deben:
impreciso.
28
Machine Translated by Google
Adaptado de "3 errores comunes que pueden descarrilar los esfuerzos de análisis predictivo de su equipo" en
hbr.org, 5 de octubre de 2018 (producto #H04KHM).
29
Machine Translated by Google
Machine Translated by Google
31
Machine Translated by Google
Kozyrkov
32
Machine Translated by Google
sobrevivir a cada trabajo. Hacerlo ayudará a explicar por qué los analistas
mayor que dejar tu mente como una pizarra en blanco, así que espera
la información disponible.
33
Machine Translated by Google
Kozyrkov
pasa las pruebas con una precisión del 99,99999 %” es “Mírame”. Con
fallar cada hora durante varios años si eso es lo que se necesita, los
maratón de prueba y error. Tener una gran intuición sobre cuánto tiempo
les tomará probar cada nueva opción es una gran ventaja y es más
ingeniería es imprescindible.
Lo que tienen en común los dos roles anteriores es que ambos brindan
análisis.
34
Machine Translated by Google
por cierto, por lo que es muy importante señalarles los problemas que
encontrar uno.
más rápido, lo que vale la pena en tiempo para obtener conocimientos potenciales.
35
Machine Translated by Google
Kozyrkov
“Pero”, objetan los estadísticos, “la mayoría de sus supuestas vistas son
pueden reflejar solo ruido. Tal vez, pero hay más en la historia.
estadístico adecuado.
(y evitar que su audiencia también lo haga). Con este fin, una forma de
36
Machine Translated by Google
De las tres razas, los analistas son los herederos más probables
del trono de decisión. Debido a que la experiencia en la materia
contribuye en gran medida a ayudarlo a detectar patrones interesantes
en sus datos más rápido, los mejores analistas se toman en serio la
familiarización con el dominio. No hacerlo es una bandera roja. A
medida que su curiosidad los impulse a desarrollar un sentido para el
negocio, espere que su producción cambie de un revoltijo de falsas
alarmas a un conjunto de ideas seleccionadas con sensatez que es
más probable que les interese a los tomadores de decisiones.
37
Machine Translated by Google
Kozyrkov
38
Machine Translated by Google
proceso.
datos. No es mi trabajo hablar sobre lo que significa, pero tal vez inspire
al tomador de decisiones a seguir la pregunta con un estadístico”.
39
Machine Translated by Google
Kozyrkov
PARA LLEVAR
40
Machine Translated by Google
conclusiones.
Adaptado de "Qué hacen los grandes analistas de datos y por qué cada organización los
necesita" en hbr.org, 4 de diciembre de 2018 (producto #H04OLF).
41
Machine Translated by Google
Machine Translated by Google
Los líderes
análisisde hoy recurren
avanzado cada vez más
con la esperanza a big data
de resolver y publicidad.
sus problemas más
43
Machine Translated by Google
Shapiro
44
Machine Translated by Google
importantes que todos los que trabajan con big data deben comprender:
45
Machine Translated by Google
Shapiro
limitaciones de tiempo.
46
Machine Translated by Google
utilizar big data y análisis para automatizar todo el proceso. Pero las
defensores de la marca.
sigan siendo eficaces a lo largo del tiempo. Por ejemplo, hace varios
años, un club de automovilistas descubrió que los automovilistas que habían
47
Machine Translated by Google
Shapiro
de retorno de la inversión.
a pequeña escala para involucrar a las personas y aprender más sobre lo que
48
Machine Translated by Google
PARA LLEVAR
Los datos solo pueden hacer mucho. Puede decirle lo que está pasando,
pero rara vez le dirá por qué. Para unir los dos, los líderes deben combinar
Adaptado de "Ayuda a tu equipo a comprender para qué sirven y para qué no sirven los datos" en hbr.org, 12 de octubre de 2018
49
Machine Translated by Google
Machine Translated by Google
Sección 2
CONVERTIRSE EN UN
ANALÍTICA
IMPULSADO
ORGANIZACIÓN
Machine Translated by Google
Machine Translated by Google
PRIORIZAR CUÁL
HABILIDADES DE DATOS SU
NECESIDADES DE LA EMPRESA
acción—
Habilidades de son el motor
datos: de las economías
las habilidades modernas.
para convertir los C.A
datos en conocimiento y
económico impulsado por los datos, o simplemente para garantizar que nosotros y
53
Machine Translated by Google
Poca madera
FIGURA 6-1
Los trabajos basados en habilidades de datos están mostrando el crecimiento más fuerte
Informática y
matemática
Arquitectura
e ingeniería
administración
Operaciones
comerciales y financieras
Ventas y
relacionado
Instalación y
mantenimiento
Construcción y
extracción
Fuente: Encuesta “El futuro de los trabajos” del Foro Económico Mundial, 2016
54
Machine Translated by Google
equipo rápidamente.
Necesito esto ahora, pero es fácil de adquirir, así que esté atento
55
Machine Translated by Google
Poca madera
FIGURA 6-2
Plan Aprender
Fuente: Filtrado
56
Machine Translated by Google
57
Machine Translated by Google
Poca madera
FIGURA 6-3
Plan Aprender
Datos
Inteligencia Ciencias
Estadístico de negocios
Programación predictiva
analítica
hojas de calculo
Matemáticas
PARA LLEVAR
58
Machine Translated by Google
enfocarse primero. Puede trazarlos en una matriz de dos por dos y ordenarlos en
cuatro grupos:
ÿ Aprender: estas habilidades tienen una gran utilidad y poco tiempo para
su equipo rápidamente.
ÿ Plan: Estas habilidades también tienen una gran utilidad pero requieren tiempo
ÿ Navegar: Las habilidades en este cuadrante tienen poca utilidad y poco tiempo
NOTA
Adaptado de "Priorizar qué habilidades de datos necesita su empresa con esta matriz de 2 × 2" en
hbr.org, 18 de octubre de 2018 (producto #H04KOL).
59
Machine Translated by Google
Machine Translated by Google
CÓMO UN ALEMÁN
FABRICACIÓN
CREACIÓN DE LA EMPRESA
SU LABORATORIO DE ANALÍTICA
ventaja competitiva.
61
Machine Translated by Google
productos virtuales con los que ZF no sabía cómo competir, y los ingenieros
que les esperaba su propio “momento Kodak”, una interrupción fatal que
datos.
¿Pero cómo?
62
Machine Translated by Google
63
Machine Translated by Google
64
Machine Translated by Google
3. Ejecución
compromiso.
sesenta y cinco
Machine Translated by Google
Más allá de obtener una comprensión general del trabajo del laboratorio
de datos como un proceso de tres etapas, aprendimos otras lecciones
66
Machine Translated by Google
Información.
y experiencias”.
participar estrechamente en
67
Machine Translated by Google
Problemas resueltos
Tres años después, podemos decir con confianza que ZF Data Lab es una
muy lejos de
68
Machine Translated by Google
de dólares a la empresa.
69
Machine Translated by Google
PARA LLEVAR
el mayor impacto.
equipo motivado.
70
Machine Translated by Google
71
Machine Translated by Google
Machine Translated by Google
COMPUTACIÓN EN LA NUBE
COMPETIR
¿Es la tecnología
empresas digital unay fuerza
más pequeñas nuevasdemocratizadora quegigantes
para competir contra permite
¿unos? ¿O proporciona una ventaja aún mayor a los titulares?
Esa pregunta ha recibido mucha atención últimamente, en respuesta
a los datos que muestran que la tasa de creación de nuevas
empresas en los Estados Unidos se ha desacelerado, y
73
Machine Translated by Google
Bloom y Pierri
que en la mayoría de las industrias, las empresas más grandes tienen una
datos cuando los necesite. También significa que no necesita analizar estos
datos en sus propias máquinas, sino que puede "alquilar" estos servicios a
e inesperadas.
Damos las gracias a Toulouse Network for Information Technology por la financiación de los
datos.
74
Machine Translated by Google
La computación en la nube está ayudando a las empresas más pequeñas y nuevas a competir
escalar y ofrecer sus servicios en todo el mundo, sin construir una infraestructura
circundante.
75
Machine Translated by Google
Bloom y Pierri
software utilizados por millones de empresas por año desde 1981. Los
acceso a sus datos de otra empresa a través de Internet, para los fines
76
Machine Translated by Google
La computación en la nube está ayudando a las empresas más pequeñas y nuevas a competir
FIGURA 8-1
10%
informática
5
empresas
usando
están
dicen
nube
%que
de
la
0
2010 2011 2012 2013 2014 2015 2016
de EE. UU. Esta no es solo una tecnología utilizada por nuevas empresas
todo el país. Cada condado de EE. UU. sobre el que tenemos datos ha
las empresas más pequeñas tienen las tasas de adopción más altas. Las
77
Machine Translated by Google
Bloom y Pierri
las tasas de adopción son más bajas en las empresas con alrededor
de 100 empleados, quizás porque tienen la escala suficiente para
adoptar sistemas informáticos internos, pero no la escala suficiente
para poder costear esos sistemas internos y los servicios en la nube.
Las empresas más grandes, aquellas con 500 empleados o más,
nuevamente ven tasas de adopción crecientes, típicamente con 5% a
10% de empresas que adoptan la computación en la nube.
FIGURA 8-2
20%
15
10
0
0a9 10 a 99 100 a 999 1,000
o más
Número de empleados
78
Machine Translated by Google
La computación en la nube está ayudando a las empresas más pequeñas y nuevas a competir
Pero no son solo las pequeñas empresas las que impulsan la adopción
computación.
79
Machine Translated by Google
Bloom y Pierri
FIGURA 8-3
la computación en la nube
20%
15
10
0
0–4 5–9 10–14 15–19 20–24 25–29 30+
Edad de la empresa (años)
80
Machine Translated by Google
La computación en la nube está ayudando a las empresas más pequeñas y nuevas a competir
PARA LLEVAR
81
Machine Translated by Google
Bloom y Pierri
hardware.
ciento años. Las investigaciones indican que las tasas de adopción de la nube
ÿ Las empresas más pequeñas tienen las tasas de adopción más altas.
evolución.
NOTAS
82
Machine Translated by Google
La computación en la nube está ayudando a las empresas más pequeñas y nuevas a competir
83
Machine Translated by Google
Machine Translated by Google
Y EL ARTE DE
PERSUASIÓN
por Scott Berinato
La ciencia
añosde
lasdatos está creciendo
empresas rápidamente.
han invertido Durante para
miles de millones los últimos
obtenercinco
la
85
Machine Translated by Google
Berinato
HBR.org de 2018: “La gran mayoría de mis invitados me dicen que las
86
Machine Translated by Google
idioma.
pero esta división es más profunda. Considere que hace 105 años, antes
problema de la última milla: “Vez tras vez sucede que algún miembro
¿Cómo es posible que esta canción siga siendo la misma durante más
orígenes del problema de la última milla son múltiples. Por un lado, las
desarrollada como su manipulación de datos, y las personas que usan las herramientas
87
Machine Translated by Google
Berinato
88
Machine Translated by Google
89
Machine Translated by Google
Berinato
Ayudó a hacer de los gráficos una lingua franca para los negocios.
Impulsó el uso de datos en las operaciones y finalmente permitió que
existiera la ciencia de datos, porque superó el límite bajo de la cantidad
90
Machine Translated by Google
datos como el trabajo más sexy del siglo XXI, el rol se describe en
91
Machine Translated by Google
Berinato
audiencia.
adoptado.
(Continuado)
92
Machine Translated by Google
La fábrica y el capataz
Una parte interesada empresarial quiere impulsar un proyecto favorito
La verdad conveniente
Finalmente, los principales tomadores de decisiones están entusiasmados con su trabajo, pero
93
Machine Translated by Google
Berinato
de última generación.
pensamiento unicornio sea asignar a varias personas los roles que ahora
una habilidad que una o más personas poseen. Una persona puede tener
94
Machine Translated by Google
95
Machine Translated by Google
Berinato
Tab leau, Michael Correll, explicó por qué cree que es crucial infundir la
contexto. Hace que las personas sean visibles de una manera en la que
96
Machine Translated by Google
solo elegir colores y fuentes o idear una estética para los gráficos. Eso es estilo,
parte del diseño, pero de ninguna manera la parte más importante. Más bien, las
personas con talento para el diseño desarrollan y ejecutan sistemas para una
más que cualquier otra cosa, ayudará a cerrar la brecha de comunicación entre
los algoritmos y los ejecutivos. Sin embargo, "narrar historias con datos", una
97
Talento información
para
presentar
alas
partes
interesadas. Estas
son
las
formas
en
que
varios
talentos
están
involucrados
amedida
que
avanza
un
proyecto
de
ciencia
de
datos,
desde
la
recopilación
de
datos
hasta
el
desarrollo. Talentos
centrales
para
comunicar
datos TABLA
9-1
disputa
de
datos Gestión
de
proyectos
•Solucionar
problemas •Gestionar
la
creación
de
equipos,
•Mariscal
de
recursos
Tareas
línea
de
tiempo
yhorarios
procesos modelos datos
ysistemas
de
visualización,
algoritmos
ysistemas
para
repetibles
•Buscar,
limpiar
yestructurar
•Desarrollar
e
implementar
•Desarrollar
plantillas
y datos
•Metodología
Gestión
de
personas •Organización Habilidades
•Sistemas •Estadísticas •Codificación
arquitectura (como
scrum)
•Durante
la
creación
de
•Durante
la
creación Dirige
•Al
principio
de
un
equipo
de
datos
•Al
principio
de
un
proyecto
yejecución
de
un
proyecto una
operación
de
ciencia
datos
desarrollo existencia
•Durante
los
datos
de
rutina
•Datos
continuos Soporta
análisis,
prueba
de
hipótesis
yexploración
visual
de
datos operaciones
científicas
Machine Translated by Google
Cuentacuentos Diseño Experiencia
en
el
tema Análisis
de
los
datos
•Desarrollar
historias
a
partir
de
datos
•Ayudar
a
construir
presentaciones
•Presentar
a
personas
no
técnicas •Desarrollar
comunicación
visual
•Crear
plantillas
yestilos
para •Desarrollar •Desarrollar
yprobar
hipótesis •Definir
objetivos
comerciales •Desarrollar
yprobar
hipótesis
sobre
•Encontrar
patrones
ytendencias
útiles
audiencias yvisuales ypresentaciones comunicación para
informar
las
decisiones
comerciales datos
ymodelos
de
datos
en
formato
de
historia visualización
repetible
•Persuasivo •Presentación •Redacción
yedición •Diseño
de
información •Persuasivo •El
pensamiento
de
diseño •Diseño
de
presentación •Diseño
de
información •No
técnico •Desarrollo
de
estrategias •Pensamiento
crítico •Conocimiento
funcional •Técnico
y •Pensamiento
crítico •Método
científico •Estadísticas
comunicación comunicación comunicación comunicación
no
técnica
•Durante
la
presentación
a •Durante
la
creación
de •Durante
los
datos •Durante
el
diseño
del
proyecto,
•Durante
la
comunicación
a •Durante
los
datos
de
rutina
visualización
de
datos
ypresentaciones visualización
ycreación
de
presentaciones
ysistemas
visuales
(plantillas) prueba
de
hipótesis
yexploración
visual
de
datos análisis,
diseño
de
proyectos,
prueba
de
hipótesis
yexploración
visual
de
datos
audiencias
no
técnicas audiencias
no
técnicas
•Durante
la
iteración
visual •Durante
la
iteración
visual •Al
principio
de
un
equipo
de
datos
•Durante
la
visualización
y •Al
principio
de
un
equipo
de
datos
•Al
principio
del
proyecto
•Durante
la
visualización
yprototipos yprototipos proceso
de
diseño existencia presentaciones
para
audiencias
laicas desarrollo
de
la
comunicación
y desarrollo existencia
Machine Translated by Google
Machine Translated by Google
Berinato
Una vez que haya identificado los talentos que necesita, libere su
reclutamiento de la idea de que estos son roles para los que debe
100
Machine Translated by Google
matemáticas”, dice.
no sólo les es ajena sino que les distrae. “Va en contra de su ethos”,
de datos durante 10 años, pero fue revelador para mí cuando tuve que
formar un equipo. yo
101
Machine Translated by Google
Berinato
FIGURA 9-1
roberto Diseño
Stephani Cuentacuentos
susana
Xia Li
102
Machine Translated by Google
FIGURA 9-2
ponerlo en uso
Al saber qué talentos están disponibles, los gerentes ahora pueden asignar unidades de
talento a un proyecto de acuerdo con el momento en que se necesitan. Por lo general, un
grupo de talentos tomará la iniciativa al principio de un proyecto y diferentes grupos lo harán
en las etapas posteriores. La gestión de proyectos generalmente juega un papel importante
en todo momento.
Guiar
Apoyo
Constante
Tiempo
103
Machine Translated by Google
Berinato
104
Machine Translated by Google
Con una cartera de talentos lista, es hora de usarla para lograr sus
metas. La naturaleza cambiante de qué talentos se necesitan y
cuándo puede hacer que los proyectos sean difíciles de manejar.
Las sólidas habilidades de gestión de proyectos y la experiencia en
metodologías ágiles ayudarán a planificar la configuración.
105
Machine Translated by Google
Berinato
Querrá tomar otras medidas para que sus proyectos sean exitosos:
106
Machine Translated by Google
Quién dirige y quién apoya dependerá del tipo de proyecto que sea
y en qué fase se encuentre. Por ejemplo, en un proyecto
profundamente exploratorio, en el que se procesan y visualizan
grandes volúmenes de datos solo para encontrar patrones, la disputa
de datos y el análisis requieren el líder, con el apoyo de expertos en
la materia; el talento de diseño puede no participar en absoluto, ya
que no se requiere comunicación externa. Por el contrario, para
preparar un informe para la junta sobre la evidencia de un ajuste de
estrategia recomendado, la narración y el diseño lideran con el apoyo
del talento de datos.
Colocar
107
Machine Translated by Google
Berinato
capacidad para contar historias que trabajan juntos para pulir una
tener que coordinar a tres personas entre departamentos”. Con este fin,
las habilidades que necesitan para lograr sus objetivos con un apoyo
por ejemplo, una persona de datos que necesita ayuda con la narración de
principio estadístico.
Reutilización y plantilla
108
Machine Translated by Google
Conclusión
junta. Hasta que las empresas puedan atravesar con éxito ese último
109
Machine Translated by Google
Berinato
PARA LLEVAR
110
Machine Translated by Google
111
Machine Translated by Google
Machine Translated by Google
Seccion 3
APLICACIÓN DE DATOS
ANALÍTICA
Machine Translated by Google
Machine Translated by Google
10
115
Machine Translated by Google
Sutton
ballena rosa ofrece mucho más que su exclusiva prenda para el cuello.
únicas de sus clientes. Este principio siempre ha sido una prioridad para
116
Machine Translated by Google
117
Machine Translated by Google
Sutton
comprende qué clientes son sensibles a los precios (y, por lo tanto,
comprometió el cliente
118
Machine Translated by Google
con qué productos se pueden reabastecer y con qué cadencia los reabastece
marca.
ellos:
elementos
119
Machine Translated by Google
Sutton
las festividades
Los días de las campañas por lotes y explosión para Vineyards Vines pronto
terminarán, ya que hasta la fecha los resultados de la campaña con el nuevo motor
campaña:
electrónico del Día de San Patricio de 3000 destinatarios en 2017 a más de 239 000
producto con tema navideño se dirigió a dos audiencias específicas: clientes que
habían visto previamente la ropa con tema navideño y clientes con una gran afinidad
hacia el producto.
se utilizó un enfoque por lotes y envío masivo. Para la campaña anual de Semana
Santa, el equipo de marketing utilizó la plataforma para dirigirse no solo a los clientes
120
Machine Translated by Google
churn que se dirige a los clientes en riesgo a través del correo directo.
El equipo cree que esta campaña ofrecerá una poderosa oportunidad
para volver a interactuar con estos clientes de una nueva manera.
121
Machine Translated by Google
Sutton
122
Machine Translated by Google
niños" para atraer más tráfico a esos productos. Se dirigía a clientes que
punto de contacto.
123
Machine Translated by Google
Sutton
PARA LLEVAR
Vineyard Vines utiliza los datos de sus clientes para conectarse con
ellos de manera auténtica mediante marketing uno a uno en tiempo real.
124
Machine Translated by Google
125
Machine Translated by Google
Sutton
NOTA
126
Machine Translated by Google
11
CÓMO UTILIZAR
RESPONSABLE
127
Machine Translated by Google
empresas podrían usar los datos. Quizás por una buena razón: solo el
informaron estar muy seguros de que están usando los datos de manera
responsable.
los ingresos si pierden la confianza de su gente. Por otro lado, una mayor
confianza, o un “dividendo de confianza”, valdría más que un aumento
¿Cómo pueden las empresas utilizar los datos del lugar de trabajo
marco de tres acciones clave que pueden tomar los líderes responsables.
128
Machine Translated by Google
regulaciones que les dan más control sobre sus datos. Pero este no es el caso en el
lugar de trabajo.
todavía están años por detrás de los datos relacionados con los consumidores, y la
Si los líderes quieren acceder a datos valiosos, deberán forjar una nueva relación
de "dar y recibir" con los empleados y compartir más control con ellos sobre sus
propios datos.
la IA analiza patrones para mejorar la productividad. Los datos nunca se usan para
monitorear cómo trabajan las personas, pero cualquiera puede optar en privado para
ver sus propios datos de rendimiento. Esto tiene sus beneficios: por ejemplo, la
empresa se basó en los datos para otorgar a los trabajadores descansos más
frecuentes pero más cortos para combatir la fatiga que merma la productividad.
129
Machine Translated by Google
130
Machine Translated by Google
131
Machine Translated by Google
tienen los empleados sobre sus carreras, tales como: ¿Hará un robot mi trabajo?
¿Cuál es el mejor entrenamiento para mí? AXA ahora está trabajando en una
extensión que hará coincidir los valores y rasgos de una persona con la cultura
adecuado.
seguimiento del rendimiento de los empleados, tanto para bien (para aumentar
empresas ahora rastrean a las personas, para ver, por ejemplo, qué tan rápido están trabajando.
y comparta resultados en tiempo real en cuadros de mando o en vivo
formato de juego Pero esto puede hacer que los empleados sientan que todos
sus movimientos están siendo observados. Este monitoreo en tiempo real puede
integradas con sensores, que rastrean a dónde van durante su turno, mostrando
132
Machine Translated by Google
que proporciona a los líderes los datos respaldados por la ciencia que
133
Machine Translated by Google
PARA LLEVAR
Cada vez más, las empresas recopilan y analizan datos sobre cómo trabajan sus
Las empresas deben usar esta información de manera responsable y ética para
134
Machine Translated by Google
NOTA
Adaptado de "Cómo las empresas pueden usar los datos de los empleados de manera responsable" en
hbr.org, 15 de febrero de 2019 (producto n.º H04T19).
135
Machine Translated by Google
Machine Translated by Google
12
LO IMPULSADO POR IA
TOMA DE DECISIONES
PARECE
137
Machine Translated by Google
Colson
138
Machine Translated by Google
FIGURA 12-1
Humano Negocio
juicio decisiones
139
Machine Translated by Google
Colson
sus compañeros más curiosos. El costo de huir y perder un conejo era mucho
depredador.
Con tal asimetría en los resultados, la evolución favorece el rasgo que conduce
descendiente.
engañosas para eventos que en realidad son solo ruido aleatorio. Estas son
juicio humano, un sesgo que durante muchas décadas fue el procesador central
capacidad de la organización.
140
Machine Translated by Google
141
Machine Translated by Google
Colson
FIGURA 12-2
Máquinas
Grande
Resumido Humano Negocio
datos datos juicio decisiones
142
Machine Translated by Google
143
Machine Translated by Google
Colson
puede ser más fino que estos (ciudad, código postal, incluso datos
144
Machine Translated by Google
FIGURA 12-3
Máquinas
Grande
Negocio
AI
datos decisiones
145
Machine Translated by Google
Colson
de un flujo de trabajo impulsado por IA. Claro, eso puede reducir los costos,
mejores decisiones que las que pueden tomar los humanos por sí solos.
decisiones comerciales.
146
Machine Translated by Google
147
Machine Translated by Google
Colson
FIGURA 12-4
(no digital)
Grande
Posible Humano Negocio
AI
datos comportamiento juicio decisiones
148
Machine Translated by Google
PARA LLEVAR
incorporar la IA.
149
Machine Translated by Google
Colson
Adaptado del contenido publicado en hbr.org, 8 de julio de 2019 (producto n.º H050C4).
150
Machine Translated by Google
13
EL BIEN PÚBLICO
A finales dede2017,
millones reseñasYelp habíalocales.
de empresas acumulado
Mientras más de 140
que el com
tiene el potencial de servir para otros propósitos. Por ejemplo, los datos de
deberían considerar ingresar o si agregar una barra. Puede ayudar a los bienes raíces
151
Machine Translated by Google
que salió mal, creemos que sería una pena que las empresas decidieran
Antes de decidir que sus datos no se pueden utilizar para otro uso,
datos oficiales, a menudo del censo de EE. UU., que durante mucho
motivación era simple : Los datos del censo son valiosos pero pueden
ser lentos y toscos. Los datos del censo de cara al público pueden
solo después de varios años. Los datos de Yelp pueden decirle, casi en
que los datos del censo estén disponibles, especialmente en las partes
152
Machine Translated by Google
Cómo las empresas pueden usar los datos que recopilan para promover el bien público
Esto habla del potencial más amplio de los datos de las plataformas
como Yelp puede arrojar luz sobre los cambios económicos locales,
público. Pero reutilizar los datos puede tener beneficios para una
empresa mucho más allá del cálido brillo de haber hecho algo bueno. A
medida que los investigadores trabajan con los datos, pueden surgir
ayudar a las empresas a comprender cómo reutilizar con éxito sus datos.
153
Machine Translated by Google
Por cada nuevo y emocionante uso de los datos digitales que hemos
encontrado, hemos visto que muchos otros fallan en la entrega. Suc
154
Machine Translated by Google
Cómo las empresas pueden usar los datos que recopilan para promover el bien público
reutilizar con éxito los datos requiere tomarse en serio los puntos
de referencia y validarlos de forma cruzada. Si sus datos no
coinciden con los puntos de referencia existentes, entonces debe
comprender por qué. Si las diferencias son irreconciliables,
entonces podría reconsiderar el valor de sus datos en esa
dimensión. Y si sigue adelante con el uso de los datos, es
importante pensar en el mejor enfoque para el análisis, teniendo
en cuenta la falta de coincidencia.
El análisis creíble también requiere comprender y ser
transparente acerca de las fortalezas y limitaciones de sus datos.
Volviendo al ejemplo de Yelp, destacamos las fortalezas anteriores.
Una limitación es que la cobertura de Yelp varía con el tiempo y
entre lugares. Mantener la credibilidad y aprovechar al máximo los
datos requiere comprender y tener en cuenta esta y otras
limitaciones en el análisis y las conclusiones extraídas de los datos.
155
Machine Translated by Google
PARA LLEVAR
156
Machine Translated by Google
Cómo las empresas pueden usar los datos que recopilan para promover el bien público
NOTAS
157
Machine Translated by Google
Adaptado del contenido publicado en hbr.org, 16 de mayo de 2018 (producto n.° H04BXA).
158
Machine Translated by Google
159
Machine Translated by Google
160
Machine Translated by Google
161
Machine Translated by Google
Northwestern.
162
Machine Translated by Google
Índice
analítica
para inteligencia artificial y aprendizaje
automático, 38–39 modelo bolsa de palabras, 17
creíble, 154–155 comportamiento, determinando el
para la toma de decisiones, 38 “por qué” de, 43–51
elementos esenciales para, 3–10 Berinato, Scott, 85–111
163
Machine Translated by Google
Índice
164
Machine Translated by Google
Índice
automático, 26 14
para qué es bueno y para qué no, 43– Davenport, Thomas H., xi–xvii,
51 24
165
Machine Translated by Google
Índice
Regulación (GDPR), 15
Glaeser, Edward L., 151–158 problema de última milla, 87–89, 100–
Glassdoor, 153 Goby, Niklas, 61– 101 liderazgo, 7 comunicación entre
71 Google, xiii, 7 gobernanza, 130– datos
166
Machine Translated by Google
Índice
167
Machine Translated by Google
Índice
168
Machine Translated by Google
Índice
colocación, 107–108
definición de talentos para, 94–99
empoderamiento, 108 habilidades tiempos de espera, 47–
169
Machine Translated by Google
Machine Translated by Google
¿Está su empresa
P
o
preparada para el futuro?
Copiar
Si disfrutó de este libro y quiere más información sobre los
temas comerciales apremiantes de la actualidad, consulte
otros libros de la serie Insights You Need de Harvard Business Review.
Con las ideas más recientes de HBR sobre temas críticos para el
N
éxito de su empresa, desde Blockchain y Cybersecurity hasta AI y
Agile, cada libro lo ayudará a explorar estas tendencias y cómo lo
afectarán a usted y a su negocio en el futuro.
Suscríbete hoy
hbr.org/éxito