El mejor enfoque para la toma de decisiones combina datos y la pericia de los directivos

Muchos directivos dependen excesivamente de los datos para guiar sus decisiones, abdicando de su propio conocimiento y experiencia. Este artículo presenta una solución al problema de los modelos predictivos creados por las metodologías de datos.

TIEMPO DE LECTURA

texto alt

¿Cómo se calcula?

Descarga este Artículo

Actualmente los datos son la herramienta crítica para manejar muchas funciones corporativas, incluyendo el marketing, los precios, la cadena de suministros, las operaciones y más. Este movimiento está siendo impulsado por la promesa de la inteligencia artificial y el aprendizaje de las máquinas, y por la facilidad de reunir y alojar información acerca de cada faceta de nuestras vidas cotidianas.

Sin embargo, ¿el péndulo está comenzando a virar demasiado? Como practicante y maestro de análisis predictivo, mi mayor preocupación es el fenómeno al que llamo “Datos masivos, cerebro pequeño”: Directivos que dependen excesivamente en los datos para guiar sus decisiones, abdicando de su propio conocimiento y experiencia.

El problema es que los modelos predictivos creados por las metodologías de datos masivos no incorporan el singular conocimiento que el directivo tiene sobre el negocio. Esto es equivalente a que alguien reuniera muchos datos, y luego decidiera tirar la mitad de ellos -excepto que en este caso usted está probablemente tirando la mitad más valiosa, porque el directivo tiene conocimiento específico del negocio, mientras que los enfoques de la ciencia de datos son genéricos.

¿Cómo podemos combinar en forma efectiva la ciencia de datos y la pericia empresarial? En un artículo del 2002 para Harvard Business Review, titulado “Prediciendo lo Impredecible” mi socio empresarial Eric Bonabeau introdujo el concepto de simulación basada en agentes, o ABS, que en aquel momento era un enfoque relativamente novedoso para resolver complejos problemas empresariales a través de simulaciones computarizadas. Quince años más tarde, Icosystem (la empresa de Bonabeau, de la que sigo siendo un integrante central) y muchas otras han demostrado el poder de la ABS como herramienta de dirección empresarial.

ABS apenas está comenzando a ganar una adopción generalizada, gracias al dramático incremento en el poder de cómputo disponible. Por ejemplo, Icosystem desarrolló una simulación del comportamiento diario de más de 300,000 marineros en la U.S. Navy, desde el reclutamiento hasta el retiro. Esta clase de simulación de 20 años puede realizarse en una laptop en menos de un minuto, y le ha permitido a la Marina probar en un solo día más escenarios de los que normalmente podrían probar en un año.

Con este enfoque, la pericia del directivo recupera su rol primario, y los resultados de la simulación pueden ser analizados en conjunto por el directivo y el científico de datos.

Además de incrementar la transparencia, el combinar la experiencia de campo y los datos también incrementa la exactitud predictiva. En 2014, un fabricante autos trabajó con una plataforma de análisis de marketing ABS para planear el lanzamiento de un nuevo modelo. El ABS recomendó lanzarlo seis meses antes de lo que el cliente había planeado. En 2016, el fabricante lanzó el nuevo modelo en la fecha recomendada: un año después comprobó que el ABS había predicho las ventas mensuales del primer año con precisión del 93%.

Al combinar datos y la pericia del directivo en un modelo predictivo, ABS resuelve problemas complejos en forma transparente y con un alto grado de exactitud. La creciente disponibilidad comercial de herramientas y materiales didácticos de ABS sugiere que este nuevo enfoque está preparado para revolucionar la administración de negocios.

“Actualmente los datos son la herramienta crítica para manejar muchas funciones corporativas, incluyendo el marketing, los precios, la cadena de suministros, las operaciones y más”.

“El problema es que los modelos predictivos creados por las metodologías de datos masivos no incorporan el singular conocimiento que el directivo tiene sobre el negocio”.

“La pericia del directivo recupera su rol primario, y los resultados de la simulación pueden ser analizados en conjunto por el directivo y el científico de datos”.

Muchos directivos dependen excesivamente de los datos para guiar sus decisiones, abdicando de su propio conocimiento y experiencia, pero en este modelo se pierde lo más importante, que es la experiencia misma del directivo.

Eric Bonabeau introdujo el concepto de simulación basada en agentes, llamado ABS, como herramienta de dirección empresarial. ABS apenas está comenzando a ganar una adopción generalizada, gracias al dramático incremento en el poder de cómputo disponible. Con este enfoque, la pericia del directivo recupera su rol primario, y los resultados de la simulación pueden ser analizados en conjunto por el directivo y el científico de datos.

Al combinar datos y la pericia del directivo en un modelo predictivo, ABS resuelve problemas complejos en forma transparente y con un alto grado de exactitud. La creciente disponibilidad comercial de herramientas y materiales didácticos de ABS sugiere que este nuevo enfoque está preparado para revolucionar la administración de negocios.

© 2018 Harvard Business School Publishing Corp.

De: hbr.org

Distribuido por: The New York Times Syndicate.

The Best Approach to Decision-Making Combines Data and Managers’ Expertise

Data is now the critical tool for managing many corporate functions, including marketing, pricing, supply chain, operations and more. This movement is being further fueled by the promise of artificial intelligence and machine learning, and by the ease of collecting and storing data about every facet of our daily lives.

But is the pendulum starting to swing too far? As a practitioner and teacher of predictive analytics, my greatest concern is what I call the “big data, little brain” phenomenon: managers who rely excessively on data to guide their decisions, abdicating their knowledge and experience.

The problem is that the predictive models created by big data methodologies do not incorporate the manager’s unique knowledge of the business. This is tantamount to someone collecting a lot of data and then deciding to throw away half of them — except in this case you are arguably throwing away the more valuable half, because the manager has specific knowledge of the business, while the data science approaches are generic.

How can we effectively combine data science and business expertise? In a 2002 Harvard Business Review article titled “Predicting the Unpredictable,” my business partner Eric Bonabeau introduced the concept of agent-based simulation, or ABS, which at that time was a relatively novel approach to solving complex business problems through computer simulations. Fifteen years later, Icosystem (Bonabeau’s company, of which I am still a core member) and a number of others have demonstrated the power of ABS as a business management tool.

ABS is only now starting to gain widespread adoption because of the dramatic increase in available computing power. For instance, Icosystem developed a simulation of the daily behavior of more than 300,000 sailors in the U.S. Navy from recruitment to retirement. This type of 20-year simulation can run on a laptop in less than one minute, and it has enabled the Navy to test in one day more scenarios than they would normally be able to test in one year.

With this approach, the manager’s expertise regains its primary role, and the results of the simulation can be analyzed by the manager and data scientist together.

Besides increasing transparency, combining domain expertise and data also increases predictive accuracy. Back in 2014 a leading automaker worked with an ABS marketing analytics platform to plan the launch of a new model. The ABS recommended launching the new model six months earlier than the client had planned. In 2016 the automaker launched the new model as recommended; a year later it found that ABS had predicted monthly sales for the first year with 93% accuracy.

By combining data and the manager’s expertise into a predictive model, ABS solves complex problems in a transparent way with a high degree of predictive accuracy. The increased availability of commercial ABS tools and didactic materials suggest that this new approach is poised to revolutionize business management.

¿Qué te ha parecido?

Si encontró algún error gramatical en este artículo, por favor notifíquelo a nuestros editores seleccionando el texto y presionando:“Ctrl + Enter”.