7/14/2015

¿Qué es Data Coaching?

Coach de béisbol

El problema no es que falten datos. El problema de verdad es que las empresas e instituciones no saben qué hacer con ellos, que no saben cómo aprovecharlos para mejorar resultados. 

Muchas organizaciones carecen de los procesos necesarios para conectar los datos que tienen con los resultados que deberían producir. 

Data Coach's guide
En 2008 se publicó el libro The Data Coach's Guide to Improving Learning for All Students: Unleashing the Power of Collaborative Inquiry. Los autores recogían en el libro su experiencia de varios años trabajando con escuelas de Estados Unidos con el programa Use Data Project que busca ayudar a los educadores a utilizar los datos para conseguir la mejora sistemática y continua de la enseñanza, especialemente en las comunidades más desfavorecidas.

Aprendí la palabra “coach" con 9 años cuando empecé a jugar a Béisbol allá por los años 70.  El coach es el entrenador del equipo. No decíamos “entrenador”, ni “míster” (como dicen ahora en fútbol), decíamos “coach”.

Tengo que confesar que me apasiona el béisbol.  Para mí, ningún otro deporte representa mejor qué es la cultura de datos y los beneficios que aporta. Un poco más abajo os cuento algo más sobre béisbol y cultura de datos. 

El proyecto Use Data Project es muy inspirador. Mi propósito es trasladar su misión (enseñar a utilizar datos para la mejora continua) a empresas y otros tipos de organizaciones.

Aunque ya había hablado antes de la desconfianza que siento de las definiciones, me lanzo ahora a por una.

Data Coaching es una metodología que facilita la utilización de datos para conseguir mejoras continuas en la organización. Un data coach colabora en el desarrollo de las competencias necesarias para descubrir valor en los datos, comunicarlo adecuadamente y actuar mejorando los resultados de la organización.

Donde el consultor de toda la vida aporta soluciones específicas a un problema, el coach refuerza los recursos del equipo para ayudarles a encontrar sus propias soluciones.

Pero ahora volvemos con los deportes...

Béisbol es el deporte del Data Coaching

Aunque es el deporte estrella de Estados Unidos y de varios países latinoamericanos, ya sé que no es un deporte muy conocido en España.

No voy a explicar aquí cómo se juega y muchos otros detalles interesantes sobre este deporte. Nos interesa aquí conocer el vínculo estrecho y antiguo que tiene el béisbol y sus aficionados con los datos, las estadísticas y el análisis orientado a la mejora de resultados.  

Henri Chadwick, padre del béisbol, creador de los primeras estadísticas 

Henry Chadwick (1824-1908)
Fuente de la imagen: Wikipedia

Las estadísticas han sido desde siempre fundamentales en este deporte.

Henry Chadwick (1824-1908) fue un periodista deportivo estadounidense considerado el "padre del béisbol" por sus contribuciones al desarrollo del juego. Editó la primera guía de béisbol. A Chadwick se le atribuye la creación de SCORECARDS, las tarjetas donde se registran los datos que suceden en cada partido. Son la fuente principal del análisis estadístico posterior. 

By Synaptidude en en.wikipedia [Public domain], from Wikimedia Commons
[Public domain], from Wikimedia Commons

Se dice además que Chadwick creó ya en el sigo XIX algunas de las métricas más populares del deporte, como el promedio de bateo (el número de accesos a base, dividido por el número de turnos al bate) y promedio de carreras limpias (el número promedio de carreras limpias permitidas por un lanzador cada nueve entradas). 

Hoy día en béisbol se manejan regularmente casi tantas métricas, dimensiones y ratios como en Google Analytics. Mirad el artículo de wikipedia sobre las estadísticas del Béisbol: https://en.wikipedia.org/wiki/Baseball_statistics). 

Resulta muy gratificante ver que hay muchísimos aficionados alfabetizados en el lenguaje de datos que se manejan en Béisbol. Ese es, como veremos, el camino del Data Coaching

El manifiesto de Sabermetrics 

Sabermetrics es el análisis de béisbol a través de estadísticas. El término proviene de las siglas SABR, que significa (Society for American Baseball Research - Sociedad para la Investigación del Béisbol de América). El juego de palabras, con toda probabilidad intencionado, de SABERmetrics no le pasa desapercibido a ninguna persona que sepa español.

El término fue acuñado por Bill James, uno de sus primeros defensores y durante mucho tiempo, su principal valedor.

En el SABERMETRIC MANIFESTO de 1994 David Grabiner comienza así:

"Bill James definió SABERMETRICS como la búsqueda de un conocimiento objetivo sobre el béisbol. Así que sabermetrics trata de responder a preguntas objetivas sobre el béisbol como ¿qué jugador de los Boston Red Sox, contribuye más al ataque a su equipo? "O "¿Cuántos Home Runs hará Ken Griffey, Jr. el próximo año?”...

Dado que las estadísticas son el mejor registro objetivo  del juego, los sabermétricos (sabermeticians) las usan a menudo. 

Sabermetrics cuestiona algunas de las métricas tradicionales del béisbol. Por ejemplo, el promedio de bateo se considera generalmente de utilidad limitada ya que parece ser una herramienta pobre para determinar la capacidad de un equipo para hacer puntos. Una forma típica de pensar al modo sabermetrics es que una buena métrica de un jugador es su capacidad para ayudar a su equipo a hacer la mayor cantidad de puntos. 

El sabermetrics sirve tanto para establecer el valor de un jugador en las últimas temporadas, como para tratar de predecir su valor en el futuro.

En resumen, conocimiento basado en datos,  métricas enfocadas a resultados, análisis predictivo… ¿Solo me pasa a mí o es realmente muy sugerente?

Moneyball, el arte de ganar usando la analítica

"Moneyballsbn" by Source. Licensed under Fair use via Wikipedia - https://en.wikipedia.org/wiki/File:Moneyballsbn.jpg#/media/File:Moneyballsbn.jpg


Moneyball: the art of winning an unfair game (el arte de ganar un juego injusto) es un libro de Michael Lewis, del año 2003, sobre el equipo de béisbol de los Oakland Athletics. El libro cuenta la historia real de cómo por medio de un enfoque analítico apoyado por SABERMETRICS, un equipo con un presupuesto modesto fue capaz de hacer los fichajes adecuados y  derrotar a los super ricos y famosos del deporte estrella de Estados Unidos y llegar milagrosamente (o más bien científicamente) a los playoffs de los años 2003 y 2004. 

En 2011 se hizo una película basada en el libro, protagonizada por el grandísimo Brad Pitt en el papel de Billy Beane, el gerente del equipo ("General Manager" en la jerga del Béisbol), que es el responsable del fichaje de jugadores y coaches. 

Al volver a analizar las estrategias que producen victorias en el campo, los Oakland Athletics de 2002, con un presupuesto de  44 millones en salarios, eran capaces de competir con equipos ricos y famosos, como los Yankees de Nueva York, que tenía 125 millones de dólares en nómina esa misma temporada. 

El Oakland Athletics se vió obligado a buscar jugadores infravalorados por el mercado. Su sistema de búsqueda de valor ha demostrado seguir funcionando hasta hoy.  Esta estrategia analítica llevó a los Oakland Athletics  a los playoffs en 2002 y 2003.

Ahora volvemos con el Data Coaching...

¿Qué es  Data Coaching?

Cada vez somos más conscientes de que la recopilación de datos, el desarrollo de sistemas de almacenamiento sofisticados, y la contratación de científicos de datos no se traduce automáticamente en retorno de la inversión. 

Aunque la mayoría somos conscientes de lo valioso que resulta tomar decisiones basadas en datos, muchas personas se sienten frustradas por la incapacidad de capitalizar su valor.

Ya hemos dicho que la mayor parte de las empresas e instituciones carecen de los procesos necesarios para conectar los datos que tienen con los resultados que deben producir. 

Porque, si sois como yo, no os interesará esto de los datos porque sea sexy (y probablemente lo es como dice el Harvard Business Review: https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/), sino porque son un medio para mejorar una organización y generar valor. 

Volviendo a la definición del principio, Data Coaching es una metodología que facilita la  utilización de datos para conseguir mejoras continuas en la organización. Un data coach colabora en el desarrollo de las competencias necesarias para descubrir valor en los datos, comunicarlo adecuadamente y actuar mejorando los resultados de la organización.

En data coaching se trabaja por en varias áreas:

1) Alineando el análisis con la estrategia de la empresa para enfocarse a resultados. Los datos son sexis, los resultados más. Sobre el necesario "¿Para qué?" ya hablé en ¿Datos para qué? y en ¿Internet para qué? La lección de estrategia digital.

2) Reforzando la capacidad analítica. Enseñando y en algunos casos colaborando en la incorporación de los especialistas que se necesitan.

3) Enseñando a comunicar adecuadamente las conclusiones del análisis de forma que los que analizan aprendan a transmitir eficazmente el valor de sus descubrimientos a su audiencia.

4) Alfabetizando a la organización para que se pueda generar un diálogo constructivo acerca de los datos desde todos los departamentos de la empresa.

5) Estimulando la colaboración entre los diferentes departamentos para obtener mejores resultados en la nueva cultura de datos.

6) Facilitando la toma de decisiones adecuadas en la selección e implantación de tecnología.

7) Ayudando a descubrir qué herramientas existen, especialmente en marketing digital, para conseguir mejores resultados para su organización.

Data Coaching da para muchísimo más. Así que tengo que decir...

"Volveré"

Como dijo Carlos VII al cruzar derrotado la frontera franco-española en Arneguy.  Por cierto el profético “Volveré” del pretendiente carlista nunca se cumplió. Espero que no pase lo mismo. Disfrutad del verano. 

«Don carlos de borbón nypl» de Gaspard-Félix Tournachon - NYPL Digital Gallery: [1]. Disponible bajo la licencia Dominio público vía Wikimedia Commons - https://commons.wikimedia.org/wiki/File:Don_carlos_de_borb%C3%B3n_nypl.jpg#/media/File:Don_carlos_de_borb%C3%B3n_nypl.jpg
Don Carlos VII. Fuente Wikipedia.

0 comments:

Post a Comment