Análisis de datos: ¿Por qué lo necesitan todos?
Por: Juan Manuel González Montiel
En el día a día suelo escuchar, de manera muy frecuente, expresiones como: “faltan productos para el envío”, “se tardaron mucho en preparar el embarque”, “casi no llegó gente al evento”, “muchos llegaron tarde”, “están saliendo mal los productos”, entre muchas otras expresiones similares. Y todas estas tienen algo en común, carecen de objetividad porque no están expresadas usando datos numéricos.
Existe pues una gran diferencia entre el nivel y tipo de toma de decisiones ante un problema en el que la magnitud se la asignamos de acuerdo con nuestra percepción o la de otros; y un problema que es cuantificable y tiene un punto de referencia o comparación para poder contrastar el nivel de involucramiento en la solución.
Para clarificar consideremos lo siguiente, en una empresa maquiladora realizamos procesos de corte de tela para la elaboración de productos, en ocasiones por diversos factores puede salir una pieza defectuosa por corte. Decidir en qué momento revisar los layouts de corte o el proceso de tendido de la tela, dependerá en gran medida del número de piezas que salgan con un corte defectuoso. En este orden de ideas, anteriormente me expresaban “tenemos varios cortes tipo A que están saliendo chuecos”, acto seguido preguntaba ¿Cuántos? La mayoría de las veces la respuesta fue en promedio 10 o 20 piezas, de un total de 2000 que requeríamos.
En este último ejemplo no estoy diciendo que debemos despreciar 20 piezas mal cortadas de un total de 2000, representan el 1% del total, y si bien, en toda organización debemos buscar llegar al 100% de eliminación de desperdicio, cuando se trata de 20 piezas podemos delegar la decisión al responsable del proceso, si fuera un número mayor 200 piezas por ejemplo, entonces exigimos una acción inmediata e involucramos al gerente, por otra parte, si llegarán a ser 500 piezas o más, entonces yo me involucro en el análisis y la solución porque la magnitud del problema es muy relevante.
Esta capacidad de análisis es de la que adolece gran parte del personal, no solo del operativo, sino también de procesos administrativos o de gestión. Es muy común encontrar expresiones en reuniones de ejecutivos, supervisores, incluso hasta gerentes en las que se discuten anécdotas, historias o ejemplos, pero ninguno de ellos es un hecho. Un hecho es cuando podemos cuantificarlo, y al momento de tener magnitud debemos tener un punto de comparación para saber qué decisión tomar, por esto quiero decir que si nos expresan “tenemos 30 quejas”, en realidad no sabemos si son “muchas” o “pocas”, ya que no hay un punto de comparación, una referencia. Sin embargo, es muy distinto si expresamos “tenemos 30 quejas de 42 clientes atendidos” un problema serio, ¿no es así? Por otra parte, es muy diferente, si el hecho fuera “tenemos 30 quejas de 12,000 usuarios atendidos”, la decisión aquí sería muy distinta.
Debo enfatizar nuevamente que no estoy diciendo que los “pequeños” errores, o fallas, o problemas de magnitudes pequeñas, deban despreciarse, lo que estoy diciendo es que el tipo de solución debe diseñarse con base en la magnitud del problema. Y es por esto que debemos desarrollar, inculcar, entrenar, orientar y supervisar a todo nuestro personal en la habilidad de analizar los datos.
En primer lugar, debemos comenzar por entrenarlos en la generación de consciencia de la importancia de dar una medida a las cosas que expresamos, y la retroalimentación de esto puede ser muy sencilla. Suelo responder a la gente ¿Cuánto? Cada que me expresan palabras como mucho, poco, de vez en cuando, no hay tiempo, no hay productos, están las piezas mal, etc. Y continuamente en reuniones o cuando se acercan con un problema les digo mi frase “datos, datos y más datos”. Con lo anterior, además de una muy recomendable capacitación en herramientas de recolección de datos, e idealmente de análisis de datos, se va desarrollando la capacidad en las personas para poder detenerse ante una problemática, identificar la potencial desviación, diseñar si es que no existe una herramienta de recogida de datos, y recolectar los datos para posteriormente agruparlos y analizarlos.
No importa el tipo de trabajo, nivel en el organigrama o preparación del colaborador. El análisis de datos y su posterior toma de decisiones, con base en ellos, es una habilidad que todo colaborador, en toda empresa, debe desarrollar. En mi experiencia, 8 de cada 10 problemas que me son reportados carecen de datos cuando los expresan y al momento de cuantificarlos, el propio colaborador llega a una potencial solución o acción inmediata sin la necesidad de supervisión directa, solo requieren un par de preguntas para reflexionar y ellos mismos identifican lo que puede hacerse. ¿Probablemente algunas veces se equivoquen? Sí, es posible, pero debemos dejar también que las personas generen aprendizaje por la propia experiencia, esto ya lo he dicho anteriormente.
Además, recomiendo no solo centrar las decisiones en el puro análisis de datos, siempre he dicho que una decisión debe integrarse por el análisis de datos, la experiencia y un poco de intuición. Aunque como alguna vez un amigo me dijo, la intuición puede ser la mente accediendo a algún dato o hecho que no tenemos en el consciente de nuestra cabeza, así que al final la intuición puede ser datos o experiencia.
Concluyo entonces resumiendo, el análisis de datos es la herramienta que todo colaborador en toda organización requiere. Para resolver problemáticas más rápido, tomar decisiones efectivas, ser ágil en las respuestas ante cambios, incrementar la productividad, mejorar continuamente y muchos otros más, los datos son un elemento necesario para analizar, y cada persona debe contar con la habilidad de obtener, organizar y analizar los datos, quiero hacer énfasis en que hablo de datos numéricos.
Así que, fomentemos este análisis, invitemos a las personas a preguntarse ¿Cuánto es el problema? ¿Cómo obtengo los datos? Y una vez con los datos, observarlos, acudir a nuestra experiencia y si, siempre también considerar aquello que nos dicta nuestro interior.
–
–
