donde estar basado en datos se ha convertido en una insignia de credibilidad. Las organizaciones hablan con orgullo de los paneles, las estrategias de inteligencia artificial, los modelos predictivos y la automatización en los que han invertido y de los que han obtenido beneficios. Como le informaría Internet, casi todas las empresas de Fortune 1000 están aumentando su inversión en datos e inteligencia artificial para mantenerse ágiles y competitivas. Y, sin embargo, a pesar del acceso sin precedentes a la calidad y cantidad de datos, una gran mayoría de iniciativas de análisis e inteligencia artificial no llegan a producción o no pueden tener un impacto duradero.
Se crean modelos de datos, se comparten conocimientos, se aplauden las presentaciones y luego se olvidan silenciosamente para convertirse en (lo que a mí me gusta llamar) tableros de basura.
En esta época en la que las máquinas se apoderan de nuestras capacidades de toma de decisiones, el problema no es la falta de datos, talento o herramientas: es el ser humano con quien estamos empezando a olvidarnos de hablar.
Aquí es donde el análisis de datos centrado en las personas se vuelve no sólo relevante, sino también esencial.
¿Qué es un enfoque centrado en el ser humano?
Los datos no son más que las huellas digitales de las interacciones humanas. Un enfoque centrado en las personas puede mejorar las decisiones que los científicos de datos toman todos los días, al hacer que el proceso sea más transparente, hacer preguntas y considerar el contexto social de los datos.
Un enfoque centrado en el ser humano plantea una pregunta muy simple:
¿Para quién es esto y cómo se utilizará realmente?
Ahora piénselo de esta manera: después de preguntar “¿Qué podemos predecir a partir de estos datos?”, el enfoque centrado en el ser humano nos hace querer preguntar “¿Qué deberíamos ayudar a las personas a comprender o decidir con estos datos?”
El análisis de datos centrado en el ser humano es el concepto de comprender cómo las personas interactúan y dan sentido a las situaciones sociales, lo que permite a los humanos explorar y obtener conocimientos, y diseñar modelos de datos teniendo en cuenta al usuario final (no solo a la empresa).
En esencia, el análisis de datos centrado en el ser humano significa diseñar modelos y métricas teniendo en cuenta al usuario final, no solo el KPI empresarial. Nos pide que mejoremos las decisiones cotidianas que toman los profesionales de datos: cómo planteamos los problemas, qué características diseñamos, qué métricas optimizamos y cómo comunicamos las soluciones a esos problemas.
Por qué el análisis de datos centrado en las personas es el futuro
A medida que el mundo se vuelve más sólido técnicamente y más impulsado por los negocios, nosotros, como sociedad, tenemos una relevancia social y conductual decreciente. Las organizaciones, independientemente de su línea de negocio, han reducido a las personas a ganancias y probabilidades. Olvidamos que cada conjunto de datos proviene de alguien que decide comprar, hacer clic, moverse, votar o excluirse y terminamos tratando estos comportamientos como una señal en lugar de una historia.
Ignorar ese contexto humano puede llevar a optimizar por completo el resultado equivocado. El enfoque centrado en el ser humano introduce una nueva dimensión y nos obliga a preguntarnos:
¿Quién se beneficia de este modelo? ¿Quién podría resultar perjudicado? ¿Qué suposiciones se incluyen en los datos?
¿Cómo puede practicar el análisis de datos centrado en las personas en su trabajo?
Mi inclinación hacia un enfoque centrado en lo humano no es un amor recién descubierto.
Al principio de mi carrera, estaba profundamente interesado en la interacción persona-computadora (HCI), un campo que estudia cómo las personas diseñan, usan e interactúan con la tecnología. Al trabajar con HCI, sin darme cuenta, desarrollé una actitud para priorizar la comprensión de la cognición humana, el comportamiento y el contexto social al resolver un problema.
Entonces, aunque ahora estoy en el campo de los datos y la inteligencia artificial, la actitud centrada en el ser humano se ha convertido en mi segunda naturaleza. A lo largo de los años de trabajo como consultor senior de análisis, la integración del enfoque centrado en las personas solo requirió algunos cambios simples e intencionales en mi forma de trabajar y así es como practico el análisis de datos centrado en las personas en mi lugar de trabajo.
1. Comience con las personas, no con las métricas
En los primeros años de mi carrera, mi mentalidad estaba obsesionada con diseñar paneles bonitos porque ese era el resultado tangible que me daría visibilidad. Sin embargo, a medida que pasó el tiempo y maduré como profesional de datos, me di cuenta de que los paneles no crean valor por sí solos. Las decisiones sí.
Debe diseñar su análisis en torno a las decisiones que las personas pueden tomar a partir de un análisis, no meros paneles. Antes de definir cualquier paso o KPI para su análisis o panel, debe preguntarse:
¿Quién utilizaría estos conocimientos y actuaría en consecuencia? ¿Qué decisión están tratando de tomar? ¿Qué limitaciones enfrentan?
Hacer estas preguntas a las personas afectadas por adelantado generalmente define los siguientes pasos para mí, eliminando conjeturas y asegurando que las métricas que comparto realmente resuelvan el problema, en lugar de esperar que las métricas que tengo sean ciertas para el problema que estoy resolviendo.
2. Interrogar el origen del problema
Cada problema tiene una historia.
El análisis de datos centrado en las personas nos pide que pensemos en preguntas relevantes para el problema y hagamos una pequeña pausa antes de recopilar, recopilar y manipular los datos necesarios. Debe documentar las suposiciones y los sesgos conocidos, no sólo como notas a pie de página, sino como parte del análisis. Haga preguntas como:
¿Dónde se originó el problema? ¿Bajo qué condiciones? ¿Qué comportamientos faltan o están subrepresentados? ¿Qué datos pueden responder a este problema en el contexto planteado?
Esto crea transparencia y establece expectativas realistas sobre cómo se deben interpretar los conocimientos.
3. Diseñar para la comprensión, no sólo para la precisión
Un modelo de datos con alrededor del 94% de precisión que nadie comprende rara vez genera impacto.
Pero, si combina el resultado de ese mismo modelo de datos con una breve narrativa que explique por qué existe el resultado, no solo qué es, pruebe usted mismo cómo genera impacto. Los análisis centrados en el ser humano lo empujan a traducir el lenguaje técnico en una comprensión humana simple.
Una vez que su modelo de datos esté listo, pregunte:
¿Puede una parte interesada sin conocimientos técnicos explicar sus ideas después de escucharlas una vez? ¿Puedes reemplazar los gráficos de importancia de las características con imágenes orientadas a la toma de decisiones (por ejemplo, “Si X aumenta, esto es lo que cambia”)? ¿Se pueden intercambiar ganancias marginales de precisión por claridad?
El enfoque centrado en el ser humano le permite diseñar modelos que tienen una adopción mejorada y precisión.
4. Tenga en cuenta lo que los datos no pueden ver
¡No puedo enfatizar lo suficiente lo que esto me ha permitido crecer en mi carrera! Ser capaz de ver las deficiencias de un conjunto de datos, anticipar preguntas sobre esas brechas y prepararme para responderlas ha sido un factor clave para mis ascensos en la escala.
Pero bueno, no hay razón para adivinar de dónde viene eso: ¡el enfoque centrado en el ser humano de trabajar con datos!
Un enfoque centrado en el ser humano le permite reconocer explícitamente los puntos ciegos. A medida que se familiarice con un conjunto de datos, comience a documentar las lagunas de datos conocidas, los patrones de comportamiento del conjunto de datos y mencione las suposiciones durante las presentaciones en lugar de dejar que permanezcan implícitas. Podrías preguntar:
¿Qué no muestran estos datos? ¿Qué grupo o comportamiento está subrepresentado? ¿Puede el juicio hecho por los tomadores de decisiones a partir de estos conocimientos de datos mantenerse firme cuando las brechas son significativas?
4. Diseñar para lograr un impacto ético, no sólo el desempeño
Trabajar con datos confidenciales hace que la ética sea inevitable. Pero gracias al enfoque centrado en el ser humano, nos permite tratar la ética como una restricción de diseño, no como una casilla de verificación de cumplimiento. Haga preguntas éticas con anticipación y planifique para ello, y no como un pensamiento posterior al despliegue, como:
¿Qué sucede si este modelo de datos no es el que mejor se ajusta? ¿Quién correrá con el coste de los errores? ¿Cómo se incorporarán los comentarios?
Al planificar estos escenarios por adelantado, puedo crear soluciones que no sólo sean efectivas, sino también responsables y más sostenibles.
5. Cree circuitos de retroalimentación en el sistema
Como parte de la fuerza laboral, todos conocemos la importancia de la retroalimentación y de integrarla en nuestro trabajo y no solo desde una perspectiva de datos, sino de manera integral, el enfoque centrado en el ser humano me empuja a tratar las soluciones como sistemas en evolución en lugar de entregables únicos.
Según el enfoque centrado en el ser humano, su estructura para agregar circuitos de retroalimentación a sus sistemas es un proceso de 3 pasos:
Definir métricas de éxito más allá del lanzamiento (como adopción, anulaciones y confianza de las partes interesadas) Programe controles recurrentes con los usuarios y las partes interesadas para comprender cómo se utilizan o ignoran los conocimientos. Incorpore comentarios cualitativos en iteraciones futuras, no solo métricas de rendimiento cuantitativas.
Es posible que los resultados del paso 2 anterior sobre cómo se utilizan o ignoran los conocimientos no siempre sean los que deseaba. Escucho mucho “oh, ya no usamos esa herramienta” para herramientas que había creado en el pasado. Entonces, para evitar eso, teniendo en cuenta el enfoque centrado en el ser humano, haga preguntas antes y después de crear las herramientas.
¿Cómo se evaluará y utilizará este análisis una vez que esté en uso? ¿Debería ser un resultado único o una herramienta sólida? ¿Cuántos usuarios dejaron de utilizar la herramienta sólo después de un par de usos? ¿Qué cambió?
Pensamientos finales
Los datos son poderosos porque las personas lo son.
El futuro de la analítica no se trata de más datos, modelos más grandes o procesos más rápidos: ¡se trata de sabiduría!
El análisis de datos centrado en las personas nos recuerda que los datos son poderosos no porque sean objetivos, sino porque reflejan la vida humana en toda su complejidad. Cuando diseñamos análisis con empatía, contexto y responsabilidad, no solo construimos mejores modelos, ¡sino mejores sistemas!
Y eso importa más que nunca.
tEso es todo por mi parte en esta publicación de blog. ¡Gracias por leer! ¡Espero que te haya resultado interesante la lectura y que pases un buen rato este nuevo año contando historias con datos!
Rashi es un experto en datos de Chicago al que le encanta analizar datos y crear historias de datos para comunicar ideas. Es consultora sénior de análisis de atención sanitaria a tiempo completo y le gusta escribir blogs sobre datos los fines de semana con una taza de café.