Tribuna de experto
Análisis de datos: impulsa la democratización de tus datos con el Design Thinking
¿Cómo funcionan el design thinking y el trabajo analítico para una nueva experiencia de usuario? Clément Mouellé, Practice Manager Data Analytics & DataViz, lo explica.
Su reputación no ha dejado de crecer en los últimos 8 años: Power BI, Tableau, Qlik Sense, etc. Estas herramientas de Self-BI (centradas en la experiencia de usuario) han insuflado el aire del análisis de datos actual en respuesta a las limitaciones que planteaban las herramientas de la generación anterior:
- La falta de gobernanza de los datos y la inadecuación frente a las normas funcionales existentes, lo que aumenta el sesgo de la lectura de la veracidad de las tendencias observadas.
- Interfaz hombre-máquina (IHM) monótona y demasiado detallada (informes congelados en forma de tablas, lo que lleva a dedicar más tiempo a descifrar la información que a analizarla).
- Distribución de datos centralizada en el DSI (no hay una preparación de datos flexible y ágil dirigida por el usuario).
- La exploración de datos colaborativa muy limitada, lo que da lugar a una cultura de datos casi inexistente en la organización (dificulta el desarrollo de una cultura empresarial con capacidad de respuesta basada en datos y la recomendación operativa).
El análisis de datos al servicio de las empresas para una estrategia basada en los datos
Sabemos que el análisis de datos ayuda a las organizaciones a comprender sus datos para aplicar una estrategia basada en ellos, pero sigue siendo necesario acompañar al negocio en este cambio de enfoque. Con frecuencia, el objetivo es reproducir lo ya existente a través de una nueva herramienta, partiendo de las limitaciones técnicas de la base de datos. Esto implica liberarse de las limitaciones empresariales que encuentran a diario sus usuarios. Adquirir la última herramienta del mercado es una cosa, pero perfeccionar su credibilidad ante el comercio de forma continuada es otra.
- ¿Cómo puede aumentar el valor percibido de sus datos dentro de su organización?
- ¿Por qué debería dirigir a sus usuarios a las mejores prácticas de análisis visual?
- ¿Cómo mejorará esta democratización de los datos su capacidad para tomar las decisiones correctas en el momento adecuado?
El pensamiento de diseño o Design Thinking y el análisis para una nueva experiencia de usuario
En lugar de partir de un panel de soluciones estándar para imaginar una solución a un determinado problema, será conveniente explorar nuevas ideas, hasta ahora desconocidas, para dar lugar a una nueva experiencia de usuario. Esto es lo que el pensamiento de diseño se propone lograr en 2 puntos:
- Comprender a las personas (necesidades explícitas e implícitas) y replantear los problemas de forma creativa para generar soluciones y servicios a medida en poco tiempo.
- La exploración y el análisis de datos se centran en lo humano (codificación de la información en la memoria). Tener en cuenta los sesgos cognitivos y respetar ciertas reglas ergonómicas le permitirá liberar el potencial de los datos en su organización.
Gestion de proyectos según un ciclo iterativo en 5 pasos clave:
Cada uno de estos pasos debe estar impregnado del objetivo de ahorrar tiempo a su organización en la toma de decisiones. Por lo tanto, es necesario reflexionar sobre cómo interactuamos con la información. De hecho, la memoria visual representa el 80 % de toda la información que se transmite al cerebro y una imagen se procesa 60 000 veces más rápido que un texto.
Para garantizar una transcripción óptima de la información en el cerebro, es necesario dominar las normas del análisis visual (buen uso de las visualizaciones y atributos preatentivos). Vamos a ilustrar lo que queremos decir empezando por las prácticas visuales no óptimas y terminando con sugerencias de corrección sencillas y eficaces.
Libere el potencial de sus datos gracias al análisis visual: casos de uso
A menudo, los datos se manipulan y luego se muestran sin objetivos previos. Por este motivo, el gráfico que se muestra a continuación aborda un conjunto de colores inadecuado, que aporta una sobrecarga visual y acentúa la dificultad para sintetizar la información recibida. Este hecho se ve reforzado por el uso de etiquetas de marcador por defecto (redondeadas a la centésima más cercana).
¿Qué problemas hay detrás de la utilización de un indicador en lugar de otro? ¿Desde qué ángulo queremos analizarlo? Un gráfico de este tipo sería más relevante para distinguir de un vistazo los valores por encima de la media (línea de referencia) o extremos y los denominados «estándares», es decir, por debajo o iguales a la media. El resultado es una mejora significativa de la capacidad de síntesis del usuario. La propagación del código de colores a los títulos de las columnas (zonas) facilita la correspondencia con la categoría de volumen de negocio/zona.
Sin embargo, el diseño gráfico podría mejorarse en 2 puntos:
- Cambiar a una lectura más eficiente escaneando la información verticalmente en lugar de horizontalmente .
- Clasificar las zonas según su desviación de la media.
El truco de la siguiente representación consiste en:
- Integrar en la vista la desviación relativa del volumen de negocio medio/zona respecto a la media de la muestra para reforzar la diferencia entre 2 categorías (¿inferior e igual a la media o superior a la media?), al tiempo que se muestra el valor del volumen de negocio medio/zona como etiqueta de referencia.
- Aplicar un código de colores por zona según la siguiente regla:
Como hemos visto, la creación de una estrategia basada en datos no consiste únicamente en actualizar la tecnología. Al mismo tiempo, es necesario ganarse el apoyo de la empresa y llevarla poco a poco a cambiar sus hábitos y costumbres en el uso y visualización de sus datos.
