Un producto basado en datos puede ser la cosa más sofisticada y preciosa que hayas imaginado y no servir para nada. Piensa en un dashboard. Puede estar limpio, ser completo y técnicamente correcto, y aun así no generar impacto. No porque los números estén mal. Sino porque, nadielos vea, o porque después de verlos, no cambia nada. Esa es la verdad incómoda: el artefacto o la métrica no son la meta. La meta es que se use. Si nadie actúa sobre lo que muestran los datos, el trabajo puede ser interesante, pero todavía no es útil.
Los datos solo importan cuando cambian una decisión
Muchos equipos se centran en producir información: pipelines más limpios, mejores definiciones, gráficos más bonitos, reporting más completo. Todo eso ayuda. Pero no garantiza la adopción.
Lo que importa es si los datos ayudan a alguien a responder una pregunta real, como por ejemplo:
- ¿Qué deberíamos priorizar?
- ¿Dónde se está resintiendo el rendimiento?
- ¿Qué proceso necesita cambiar?
- ¿Qué deberíamos dejar de hacer?
Es tentador medir el éxito por visualizaciones, aperturas o compartidos. Son señales, sí, pero no el resultado. Piensa que un dashboard puede ser popular y seguir siendo irrelevante. Si el resultado no ayuda a tomar decisiones, no sirve de mucho.
Por qué a veces se ignoran los datos
Normalmente no es porque la gente odie los datos. No siempre. Suele ser más algo como que…
- unawareness: nadie oyó hablar del producto
- mal delivering: los datos están presentados en un formato que no pueden leer los que debieran usarlos -o tiene demasiada fricción-.
- fit: el dashboard responde a una pregunta que nadie se está haciendo o la métrica es técnicamente sólida, pero está desconectada de aquello de lo que el equipo realmente responde.
- timing: la señal llega demasiado tarde o demasiado pronto como para tomar una acción.
- no contienen propuestas: la audiencia no sabe qué acción tomar después
- extensión: la vista es demasiado amplia como para ser útil en un flujo de trabajo real o demasiado estrecha.
Dicho de otro modo, muchas veces el problema no es la calidad. Es el encaje.
La adopción empieza antes del dashboard
Si quieres que los datos se usen, hay que empezar antes. Antes de construir nada, conviene preguntar:
- ¿Quién va a usar esto?
- ¿Qué decisión está intentando tomar?
- ¿Con qué frecuencia ocurre esa decisión?
- ¿Qué haría de forma distinta si ese número subiera o bajara?
- ¿Qué nivel de detalle es realmente útil?
Estas preguntas eliminan mucha ambigüedad cara.
Una prueba sencilla
Coge cualquier dashboard y pregúntale a una persona de la audiencia prevista: ¿Qué harías si este número subiera o bajara?
Si la respuesta es vaga, tardía o teórica, el problema no es que la gente necesite más formación. El problema puede ser que el artefacto no esté lo bastante cerca de una decisión real.
Leave a Reply