La mayoría de las organizaciones de éxito tratan la toma de decisiones basada en datos como un objetivo primordial y la persiguen con celo religioso. Sin embargo, la toma de decisiones basada en datos, los pasos que conducen a ella y la forma en que la IA la está cambiando no están bien definidos.

En una empresa que da prioridad a la IA, la toma de decisiones basada en datos significa

• que las decisiones estratégicas son tomadas por un grupo diverso que incluye a los ejecutivos que se basan en un conjunto de información suficientemente completo y de alta calidad. Por definición, una mala decisión estratégica debe ser lo suficientemente importante como para llevar a la empresa al fracaso.
• Habrá decisiones operativas con importantes implicaciones para el negocio en las que las soluciones out-of-the-box no produzcan resultados satisfactorios. Estos son generados por modelos de aprendizaje automático construidos a medida. Estos modelos pueden construirse mediante concursos de ciencia de datos, equipos internos o trabajando con líderes de la industria.
• La mayoría de las demás decisiones operativas son manejadas por modelos de aprendizaje automático de aprendizaje continuo que producen decisiones explicables. Las decisiones operativas son frecuentes (una vez a la semana o más frecuentes) y no son críticas (es poco probable que un solo error lleve a la empresa al fracaso).
• Las decisiones operativas que no pueden automatizarse con buena precisión se delegan en los humanos.
  • Si faltan datos, se toman decisiones basadas en la opinión.
  • Si los datos existen y han sido analizados, la persona que toma la decisión confía en el análisis.
  • Si los datos existen pero aún no han sido analizados, el coste del análisis determina si se tomará una decisión basada en la opinión o en los datos.

Antes de establecerse en este marco para la toma de decisiones para las corporaciones modernas, necesitamos identificar cómo podemos evaluar los diferentes modelos de toma de decisiones. Sin embargo, si quieres puedes saltar directamente a las secciones que te interesan:

¿Por qué es importante?

Aunque es obvio que la toma de decisiones basada en datos es importante, sería una lástima que no estuviésemos siendo datos para demostrarlo. Aunque es difícil encontrar datos cuantitativos sobre la toma de decisiones basada en datos, hay pruebas significativas de que

• el volumen de datos generados está aumentando. Cada día creamos 2,5 quintillones de bytes de datos según el análisis de Domo en 2017. El 90% de los datos del mundo actual se han creado en los últimos dos años.
• Las empresas están invirtiendo más en datos y en tecnología de machine learning para obtener insights de esos datos.

Una encuesta relevante, fue realizada por New Vantage Partners sobre las inversiones en Big Data de las empresas. Los resultados destacan que las empresas están tratando de obtener una ventaja sobre los demás mediante la implementación de Big Data en toda la empresa. Estas son las cifras de la encuesta:

¿Cómo evaluar los diferentes modelos de toma de decisiones?

La toma de decisiones tiene 3 KPIs: Rapidez, calidad, auditabilidad. La falta de cualquiera de ellos puede llevar a fracasos críticos.

• La lentitud en la toma de decisiones paraliza a las organizaciones y permite que los competidores ganen cuota de mercado.
• Las malas decisiones llevan al fracaso. Una mala decisión, por muy bien ejecutada que esté, es poco probable que genere valor. Por ejemplo, la decisión de Motorola de seguir invirtiendo en los satélites Iridium, que costaron miles de millones de dólares, supuso una gran pérdida para la empresa. Una gran ejecución no pudo cambiar el resultado, ya que la comunicación móvil ofrecía una alternativa más barata y de mayor calidad a los teléfonos por satélite en el momento en que se lanzaron los teléfonos Iridium.
• Si las decisiones no pueden auditarse, son difíciles de mejorar. La calidad de la decisión es difícil de medir en el momento de tomarla, pero puede estimarse más tarde considerando otras alternativas y las condiciones actuales del mercado. Este análisis postmortem debería conducir a mejores decisiones

¿Cuáles son los diferentes modelos de toma de decisiones?

Los modelos de toma de decisiones empezando por el nivel más bajo de sofisticación son:

1- Basado en la opinión

Aunque proporciona decisiones rápidas, la calidad de la decisión puede ser baja, lo que es peligroso para las decisiones estratégicas. Sin embargo, puede aplicarse para la toma de decisiones rápidas en los casos en los que:

• No se dispone de datos de alta calidad
• El coste del análisis es mayor que el valor de una buena decisión

2- Impulsada por una cantidad limitada de datos

Las organizaciones con problemas de calidad o disponibilidad de datos suelen basarse en cantidades limitadas de datos para tomar decisiones. Este es potencialmente el modelo de toma de decisiones más peligroso, ya que los responsables de la toma de decisiones podrían utilizar datos limitados para respaldar sus opiniones, lo que llevaría a decisiones ampliamente respaldadas pero basadas en opiniones.

Una parte significativa de los proyectos de consultoría entran en esta categoría, en la que los consultores podrían ser incentivados para encontrar puntos de datos limitados que respalden las hipótesis basadas en opiniones.

La calidad de las decisiones puede ser mejor que la toma de decisiones basada en la opinión si los responsables de la toma de decisiones están abiertos a nueva información, tienen en cuenta los sesgos psicológicos, varían su enfoque a la hora de hacer predicciones (visión interna frente a visión externa) y buscan respuestas en lugar de buscar datos que respalden su opinión.

3- Toma de decisiones basada en datos a través del análisis manual

Para este modelo, los datos deben estar disponibles, ser de alta calidad y debe haber consenso sobre la corrección de los datos. Es el enfoque preferible para las decisiones importantes en las que el tiempo no es crítico y en las que el coste de la automatización es prohibitivo en comparación con sus beneficios.

Para permitir esto, las empresas necesitan:

• gestionar sus datos de forma eficiente y eficaz
• asegurar la calidad de sus datos
• contar con potentes herramientas de analítica/inteligencia empresarial

4- Toma de decisiones automatizada basada en datos

Los datos están disponibles y son de alta calidad y hay consenso sobre la corrección de los datos y han sido procesados para que las decisiones se tomen automáticamente. Basándose en los resultados, el modelo de toma de decisiones se mejora continuamente con el tiempo. Sin embargo, la auditoría es un reto cuando no se proporcionan las razones de las decisiones.

Para lograr esto, las empresas necesitan aplicar los últimos enfoques de aprendizaje automático e IA para construir modelos automatizados y operativos basados en sus datos.

5- Toma de decisiones explicables automatizadas basadas en datos

Además de la toma de decisiones automatizada basada en datos, se utilizan modelos de aprendizaje automático explicables para tomar decisiones. Las explicaciones ayudan a auditar las decisiones y a mejorar continuamente el modelo subyacente mediante intervenciones manuales sobre el aprendizaje continuo automatizado.

¿Por qué he escrito esto?

He pasado la mayor parte de mi carrera profesional en McKinsey, donde la toma de decisiones basada en datos es uno de los principios fundamentales. Era un gran principio, pero bastante difícil de lograr como consultor sin acceso a los datos internos. Dada mi experiencia actual con la IA, quería pensar en cómo podemos definir mejor la toma de decisiones basada en datos.

¿Cómo puede su empresa convertirse en una empresa basada en datos en la era de la IA?

1. Las empresas necesitan lograr la transformación digital para asegurarse de que tienen procesos digitales. Por ejemplo, tenemos una guía detallada sobre el uso de RPA para digitalizar y automatizar los procesos repetitivos. La transformación digital permite a la empresa generar datos que se utilizarán para construir modelos y hacer operativa la toma de decisiones. Los datos deben ser de alta calidad y accesibles para permitir una mayor transformación.
2. La transformación de la IA puede comenzar a medida que se digitalizan los procesos. Los procesos de alto valor en los que existen soluciones maduras fuera de la caja son las primeras áreas para la transformación de la IA.
3. A medida que las empresas despliegan más soluciones basadas en el aprendizaje automático/la IA, habrá áreas en las que las soluciones fuera de la caja son inadecuadas. Las empresas deben comenzar a desplegar soluciones de IA personalizadas para automatizar la toma de decisiones en dichas áreas.
4. A medida que los modelos se utilizan con más frecuencia en la toma de decisiones, las empresas deben asegurarse de que sean explicables y estén libres de prejuicios.
5. A lo largo de este viaje, la dirección debe adoptar también la toma de decisiones basada en datos. Es necesario hacer concesiones conscientes sobre el esfuerzo para el análisis de datos frente a la calidad de la decisión. Este cambio cultural no es un paso aislado, sino que debe desarrollarse a medida que maduran las capacidades analíticas de la empresa. Una empresa con procesos digitales maduros puede permitirse tomar más decisiones basadas en datos frente a una empresa con procesos offline, ya que requiere un esfuerzo importante para analizar en detalle los resultados de dichos procesos.

Tras estos pasos, la empresa habrá alcanzado el nivel de madurez descrito al principio del artículo. Los pasos exactos para llegar allí dependerán de la madurez actual de la empresa. Las empresas pueden trabajar con varios socios para obtener apoyo en este viaje:

• empresas de consultoría de transformación digital para identificar la hoja de ruta de la dx e implementar iniciativas clave
• consultores de analítica para establecer el marco analítico de la empresa que permita completar las decisiones críticas con una mezcla de análisis automatizado y manual
• consultores de ciencia de datos / IA para operacionalizar los datos de la empresa mediante la construcción de modelos personalizados que toman de forma autónoma decisiones de negocio como el procesamiento de préstamos o reclamaciones
• Organizadores de concursos de ciencia de datos para ayudar a las empresas a aprovechar la sabiduría de las multitudes para construir modelos efectivos a un costo limitado

Si tiene datos relevantes para resolver sus problemas de aprendizaje automático, pero necesita el apoyo de socios en la construcción de modelos de aprendizaje automático, podemos ayudarle:

Identificar socios para construir soluciones de IA a medida

Si tiene más preguntas, estaremos encantados de ayudarle:

Déjenos encontrar el proveedor adecuado para su negocio