Los equipos analíticos centrados en detectar perspectivas empresariales significativas pueden pasar por alto la necesidad de comunicar eficazmente esas perspectivas a sus socios interfuncionales, que pueden utilizar esas recomendaciones para mejorar el negocio. Parte del éxito del equipo de análisis de DoorDash se debe a su capacidad para comunicar a las principales partes interesadas información práctica, no sólo para identificarla y medirla. Muchos equipos de análisis que no hacen hincapié en la comunicación dejan que los conocimientos se escapen por las grietas cuando los ejecutivos no entienden las recomendaciones o su impacto en el negocio.
Para combatir este problema común, los equipos de análisis deben comprender las estrategias utilizadas para garantizar que no se pasa por alto una perspectiva analítica. Esto puede hacerse empleando una serie de mejores prácticas de comunicación diseñadas para identificar a los responsables de la toma de decisiones empresariales que pueden actuar en función de los conocimientos y explicando directamente la recomendación de una manera que aborde sus intereses de forma clara y concisa con análisis y elementos visuales de apoyo.
Los equipos que pueden comunicarse eficazmente utilizando estas mejores prácticas se benefician del círculo virtuoso de la generación de buenos conocimientos, donde el énfasis en una comunicación clara garantiza la concentración en encontrar una dirección clara y ser procesable. El proceso de articular ideas clave y formular recomendaciones puede servir como una función forzosa para hacer que el análisis de datos esté más centrado y tenga más probabilidades de tener éxito a la hora de impulsar el impacto empresarial.
Estas son las mejores prácticas que el equipo de DoorDash Analytics utiliza para enfatizar la comunicación, aclarar nuestro pensamiento y garantizar que no se pase por alto ninguna información procesable.
Mejores prácticas de comunicación analítica
Aunque no existe una solución milagrosa que garantice una comunicación eficaz, seguir algunas de las mejores prácticas puede ayudar a los científicos de datos a presentar sus conocimientos de forma eficaz e impulsar el impacto empresarial, al tiempo que mejoran el 1% cada día, uno de nuestros pilares fundamentales en DoorDash. Las mejores prácticas descritas a continuación describen técnicas que pueden ayudar a la comunicación de un científico de datos, centrándose en presentar lo que la audiencia realmente necesita saber de una manera que puedan entender, y evitando los errores comunes de comunicación que pueden distraer de la visión y las recomendaciones relacionadas.
Utiliza un TL;DR para comunicar claramente lo que importa
Para captar la atención de las principales partes interesadas es importante comunicar con claridad los beneficios empresariales de una información analítica, de modo que tengan en cuenta las recomendaciones respaldadas por los datos. Cuanto mejor sepan comunicar los equipos analíticos, más tiempo podrán dedicar a medir los conocimientos. Parte del perfeccionamiento de este arte de la comunicación consiste en garantizar que todas las comunicaciones capten la atención del público al que van dirigidas y les lleven a querer saber más rápidamente.
Para captar la atención del lector y resaltar la relevancia de una perspectiva para la empresa, a menudo incluimos un TL;DR al principio de cada análisis. El TL;DR (abreviatura de "Too Long; Didn't Read", "demasiado largo, no lo leí") es un resumen claro y conciso del contenido (a menudo de una línea) que enmarca los puntos de vista clave en el contexto del impacto en las métricas clave del negocio.
Aunque el trabajo de análisis que produjo la información puede ser muy complejo, las principales conclusiones y recomendaciones normalmente pueden resumirse en unas pocas frases. Incluso si el TL;DR es la conclusión del análisis, debería ser el punto de partida de la comunicación. Si escribir unas pocas frases para resumir la idea clave y por qué es importante para la audiencia es un reto para un científico de datos, eso debería enviar la señal de que el tema no se entiende actualmente lo suficientemente bien como para comunicarse con las principales partes interesadas y debe trabajarse más. En general, escribir TL;DR obliga a los profesionales del análisis a definir el resultado final, lo que a su vez hace que sea más fácil para los responsables de la toma de decisiones empresariales reconocer el valor de sus conocimientos y aprender más.
La misma lógica para utilizar TL;DR se extiende a cualquier subtítulo utilizado en materiales de presentación, gráficos o análisis. Contar con títulos claros y procesables da a la audiencia una idea de lo que está por venir, por lo que estarán preparados para prestar atención a los detalles. Hay dos tácticas que pueden facilitar la aplicación de esta estrategia. En primer lugar, evite la ambigüedad y asegúrese de que todos los subtítulos o análisis se leen como el título de un artículo de periódico. Aunque puede ser tentador tener una diapositiva titulada "Problema", eso es mucho menos atractivo que algo más específico como "El problema de la disminución de las tasas de clics en los sitios web".
Además, hay que empezar por la recomendación en lugar de limitarse a los datos, ya que así el público obtiene más rápidamente el resultado final y se capta su atención. Por ejemplo, decir algo como "El 20% de las personas que visitan el sitio web por primera vez no hacen clic en un artículo" no es tan atractivo como "Mejorar la recomendación de artículos podría aumentar la tasa de clics de las personas que visitan el sitio web por primera vez en un 25%". En general, es importante utilizar títulos y resúmenes de alto nivel para captar la atención de la audiencia y comunicar claramente lo esencial antes de entrar en detalles o pruebas.
Identifique a su público y hable su idioma
Garantizar que los conocimientos analíticos mejoran el negocio significa compartir realmente los conocimientos con las partes interesadas clave que pueden poner en práctica una recomendación. Aunque compartir información con personas influyentes puede parecer útil, compartir información con audiencias que no pueden poner en práctica recomendaciones no garantizará directamente que la información se traduzca en mejoras empresariales. Centrarse en hablar con el público adecuado puede aumentar significativamente el ritmo de ejecución, ya que trabajar directamente con los responsables de la toma de decisiones acelera la toma de decisiones empresariales.
Una vez identificados los destinatarios de la nueva información, adaptar la comunicación a ellos aumentará la probabilidad de que la recomendación resulte convincente. Para dirigirse directamente a las partes interesadas de la empresa que probablemente serán el público destinatario, es importante intentar comprender quiénes son y cuáles son sus prioridades. Normalmente, los responsables de la toma de decisiones empresariales están muy ocupados y tienen muchas prioridades que compiten por su atención, lo que es especialmente cierto en las nuevas empresas y en las empresas de rápido crecimiento. Por lo tanto, una de las formas más fáciles de captar y mantener su atención es relacionar los nuevos conocimientos y recomendaciones con las metas y objetivos del público objetivo. Una breve explicación de por qué la información es importante, enmarcada en términos de impacto potencial en las métricas de rendimiento clave de la audiencia, es una forma concisa de destacar el valor y la relevancia de una información para el éxito de su rendimiento.
Por ejemplo, si su visión está relacionada con la latencia de la API y el público es el equipo de ingeniería que está a cargo de esa API, sería prudente utilizar métricas o terminología de dominio relevante, ya que el público ya tiene el contexto técnico necesario para comprender profundamente el análisis. Del mismo modo, si el público es un responsable de la toma de decisiones financieras, sería preferible enmarcar la perspectiva en el contexto del impacto potencial del EBITDA, una métrica financiera, haciendo que la perspectiva sea más claramente relevante y fácil de entender.
Utilizar visualizaciones de datos sencillas para apoyar las comunicaciones escritas
A la hora de comunicar información basada en datos, la visualización de datos puede ser una herramienta muy útil, ya que una imagen vale más que 1.000 palabras. Sin embargo, las visualizaciones de datos no deben considerarse un sustituto de la comunicación escrita de los conocimientos. Aunque las visualizaciones de datos desempeñan un papel protagonista en la explicación de las percepciones, siguen requiriendo interpretación para ser plenamente comprendidas.
Cuando utilice visualizaciones, evite confundir a la audiencia. Presentar visualizaciones innecesariamente complejas puede desviar la atención de la información clave y hacer que la comunicación general de una información sea menos eficaz. Esto suele ocurrir porque los analistas tienden a utilizar la técnica de visualización de datos que les ayudó a descubrir la información, que puede no ser la mejor manera de comunicarla a todos los públicos.
Por ejemplo, una matriz de correlación o una cuadrícula de facetas puede ser una forma eficaz para que un analista explore las relaciones en los datos, pero presentar una visualización densa puede resultar confuso para los socios comerciales y distraer la atención de la comunicación de la información clave. Incluso los conocimientos descubiertos inicialmente mediante una técnica de visualización avanzada pueden resumirse a menudo con un gráfico o una tabla sencillos, que resultarán más fáciles de entender para todos los públicos.
Aprovechar la revisión por pares para garantizar que la historia tiene sentido
La revisión por pares puede ser una herramienta eficaz para recabar opiniones e ideas en la preparación de una comunicación más amplia. La revisión por pares puede ser muy útil para aportar ideas sobre la estructura de la historia, así como para validar cifras y estadísticas.
Por ejemplo, recordando mis primeros días en DoorDash, cuando me encargaron evaluar una promoción de marketing, sabía todas las métricas correctas que debía tener en cuenta, y realicé mi análisis como lo haría normalmente. Pero cuando vi los datos, no tenía suficiente experiencia con estos nuevos puntos de datos y métricas para saber si estaba en el terreno correcto. La revisión por pares me ayudó a ganar confianza y a completar mi historia.
En DoorDash, la revisión por pares de los proyectos, la puesta en común del trabajo y el intercambio de ideas siempre han formado parte de la cultura de nuestro equipo de análisis. La revisión fue rápida, ya que el revisor tenía mucha experiencia en el análisis de estas métricas y, como tal, la revisión aportó mucho valor.
Evitar trivialidades que distraigan de la narración.
En un esfuerzo por parecer basadas en datos, muchas presentaciones y documentos incluyen una lista de métricas presentadas sin contexto, que tienen poco valor informativo para la audiencia. Incluso los resúmenes están a veces inundados de cifras. Los datos presentados sin narrativa pueden abrumar incluso a la audiencia más experta en datos y dificultar la extracción de una historia coherente. Cualquier dato que no sea procesable es trivial. Saber trivialidades es divertido, pero puede convertirse fácilmente en una distracción y empañar el mensaje general y las recomendaciones que deben transmitirse.
Los datos extraños también presentan el riesgo de que el público llegue a conclusiones diferentes a pesar de recibir la misma información. La falta de una narrativa clara por parte del autor deja en manos del público la elaboración de su propia historia a partir de las cifras. Esto puede dar lugar a que las reuniones se conviertan en una confusión sobre la interpretación de los datos, en lugar de debates productivos y toma de decisiones. Estos problemas de comunicación suelen evitarse si el autor se toma el tiempo de contar la historia, en lugar de limitarse a presentar cifras.
Aprovechar una estrategia de comunicación estructurada
Una estrategia de comunicación estructurada ayuda mucho a alinearse con el público. Considere una estrategia de comunicación en tres pasos. El primer paso consiste en "contar" a la audiencia el tema de la charla, luego "contárselo" realmente y, por último, resumir lo que se les acaba de "contar". Este estilo de comunicación es el más adecuado para una reunión con participantes multifuncionales, ya que las perspectivas y recomendaciones analíticas a menudo pueden ser granulares o técnicas, lo que hace más difícil que todas las partes interesadas puedan seguirlas con éxito. Por lo tanto, es importante resumir el orden del día por adelantado y recapitular las conclusiones al final de la reunión.
Este modelo da a la audiencia muchas oportunidades de comprender los temas de alto nivel y no perderse en los detalles que no han entendido del todo. Además, el uso de un marco para comunicar las cinco W (quién, qué, dónde, por qué y cuándo) suele ser útil para dar coherencia a la comunicación y ayudar a contextualizar las ideas.
Continuar la comunicación hasta que se complete la acción recomendada
Los científicos de datos a menudo, después de compartir sus conocimientos, pasan a otros proyectos. Esto crea una desconexión entre el científico de datos y el equipo que ejecuta esos conocimientos, lo que provoca retrasos o, a veces, interpretaciones erróneas que conducen a resultados subóptimos. Por ello, un plan de comunicación proactivo para las últimas fases de un proyecto puede minimizar estos riesgos.
Por ejemplo, en el caso de un análisis que aporte información práctica, asegurarse de que los canales de comunicación están abiertos y de que se realiza un seguimiento periódico puede ayudar a controlar el progreso y permitir una ejecución eficaz. Esta comunicación periódica puede incluir actualizaciones de estado, poner de relieve los obstáculos, responder a cualquier pregunta o iterar hacia una solución aún mejor. Por último, asegúrate de dedicar un momento a celebrar las victorias y a reflexionar sobre los retos y las lecciones aprendidas.
Conclusión
La comunicación eficaz es un componente esencial del conjunto de herramientas de la ciencia de datos, y es relevante en todas las fases de un proyecto de ciencia de datos, pero a menudo es un área que se pasa por alto. Esto puede dar lugar a ineficiencias en los proyectos, a una interpretación errónea de la información procesable y, en general, puede resultar bastante costoso para una empresa. Por ello, seguir las siete sencillas sugerencias anteriores puede mejorar significativamente el impacto de los equipos de análisis, a la vez que ayuda a forjar relaciones de cohesión sólidas con equipos multifuncionales.
Si te entusiasma la idea de formar parte de un increíble equipo de Data Science, estamos contratando activamente a Data Scientists y Senior Business Intelligence Engineers, así como otros puestos de liderazgo en el equipo. Si estás interesado en trabajar en otras áreas de DoorDash, visita nuestra página de empleo.
Foto de cabecera de Pavan Trikutam en Unsplash
