oy en día es común hablar de culturas basadas en datos (data driven) y de cómo las empresas buscan cambiar la manera en que se toman decisiones. Y es que tomar decisiones apoyadas en la intuición o la experiencia, supone una grave falta en la era de “la gran explosión de la información” y de la transformación digital.
Según el Data Literacy Project, sólo un tercio de las personas dentro de las organizaciones puede comprender, analizar y argumentar mediante datos; por lo tanto, dos de cada tres personas están tomando decisiones de acuerdo con creencias, suposiciones o prejuicios; “con base en heurísticas”, diría Daniel Kahneman (pionero de la economía conductual) en su trabajo Judgment under uncertainty, de 1974.
Si las cifras son ciertas y la moderna escuela de la economía (que afirma que las personas no somos entes económicamente racionales) no se equivoca, ¿qué tan factible es ser data driven?, ¿en qué se deben enfocar las organizaciones para tomar decisiones basadas en datos?
Un camino hacia mejores decisionesLa calidad del proceso de toma de decisiones está determinada por el grado en que es posible efectuar tres acciones: evaluar objetivamente la evidencia que se tiene enfrente, explorar todas las hipótesis alternativas y debatir de manera racional.
El análisis, por sofisticado y tecnológico que sea, a menudo sólo sirve para reforzar lo que creemos en lugar de llevarnos a la verdad. Los sesgos cognitivos naturales en la mente humana pueden llevarnos a tomar malas decisiones, a pesar de la evidencia analítica.
El uso de mindset (mentalidades) puede aportar mayor objetividad a quien toma las decisiones, pues lo obliga a reformular o repensar su enfoque. Los mindset pueden proporcionar una nueva perspectiva y tomar lo que Daniel Kahneman llama "visión externa".
Debe entenderse por mindset, el estado de ánimo al momento de tomar una decisión. Es una forma de reformular el problema y ver la situación a través de una perspectiva diferente.
A continuación, se muestran los considerados “Mindset esenciales”:
Mindset explorador o de autoconciencia: Julia Galef lo define como la motivación de “ver las cosas como son, no como te gustaría que fueran”, que conduce a un mejor juicio y toma de decisiones. Afirma que nuestro entendimiento no está limitado por el conocimiento tanto como lo está por la actitud. Entender los sesgos cognitivos ayuda a evitarlos en el proceso racional de la toma de decisiones.
Mindset de crecimiento: según Carol Dweck, una mentalidad de crecimiento se basa en una poderosa pasión por el aprendizaje. Las organizaciones pueden (y deben) crear condiciones propicias para el aprendizaje a través de capacitación y educación formalizadas, incentivos alineados y una cultura que fomente el crecimiento personal, pero el cambio depende en última instancia de los individuos.
Las mentalidades individuales saludables junto con las culturas que cultivan y nutren el mindset de crecimiento, crean comunidades profesionales de aprendices enfocados en la mejora continua.
Mindset de “pensar como”: a medida que las organizaciones construyen culturas basadas en datos, es útil guiarse sobre los principios básicos del pensamiento crítico de otras personas y profesiones. Por ejemplo, los científicos de todos los campos utilizan el método científico para experimentar y aprender. Sus procesos disciplinarios les permiten probar teorías sobre cómo funcionan los sistemas complejos. En su libro Critical Thinking, Jonathan Haber menciona la importancia de que la ciencia sirva como modelo para el razonamiento sistemático.
Estamos en la era del análisis, y el requisito de "pensar como" ahora es razonar como un científico de datos y ser más analítico en su enfoque para la solución de problemas. Usar esto de manera efectiva no implica ser un científico de datos, así como entender el método científico no implica ser un físico nuclear.
Mindset de modelos mentales: la definición más simple de los modelos mentales es que describen la forma en que funciona el mundo; influyen en cómo pensamos, entendemos y formamos creencias.
A continuación, se presentan algunos ejemplos de modelos mentales empleados en análisis avanzados, cómo revelan fallas en nuestro pensamiento y cómo pueden usarse como medidas correctivas.
Pensamiento de primeros principios (first principles thinking): ayuda a aclarar problemas complicados al separar las ideas o hechos subyacentes de cualquier suposición basada en ellos. En otras palabras, es una forma de exponer las hipótesis que subyacen al pensamiento y cuestionar lo que se cree que se sabe sobre un problema. Este proceso requiere constante investigación para eliminar suposiciones no comprobadas hasta llegar a los hechos.
Indicadores adelantados frente a rezagados (leading vs. lagging indicators): una forma de pensar en las métricas de indicadores adelantados es que miden las actividades que conducen a resultados. Amazon, líder en el uso de análisis para impulsar decisiones, se refiere a ellos como: "métricas de entrada controlables". Al identificar, definir, medir y monitorear los indicadores principales, se pueden anticipar problemas e intervenir antes de que sea demasiado tarde para solucionarlos.
Este método es una excelente manera de operativizar un modelo mental. En lugar de sentarse periódicamente y cuestionar las suposiciones que subyacen a decisiones pasadas, configura métricas que desafían las hipótesis continuamente. En otras palabras, las métricas que se configuran responden constantemente a la pregunta "¿qué?" (y quizá a la pregunta "¿por qué?") casi en tiempo real; y en la medida en que no lo hagan, habrá que modificar lo que se está midiendo o cómo se está haciendo.
Pensamiento probabilístico (probabilistic thinking): es el proceso mediante el cual se determina la probabilidad de que ocurra un resultado específico en un futuro. Se tiende a utilizar un lenguaje impreciso para describir la probabilidad de un resultado y somos demasiado optimistas acerca de nuestras predicciones futuras.
Tener razón y hacer predicciones correctas es importante, pero saber por qué se tiene razón es esencial. La adopción de prácticas como la inferencia bayesiana puede ayudar a mantener una visión externa al agregar constantemente nueva información a los datos existentes para acercarse a la verdad del terreno.
Conclusiones
Los mindset o mentalidades ofrecen una forma sistemática de garantizar que los procesos de pensamiento sean más disciplinados y consistentes, lo que permite tomar decisiones de calidad en toda la organización.
La mentalidad ayuda a salir del modo “piloto automático” para detenerse y pensar. Es posible aprender y aplicar las mentalidades fundamentales y transformadoras mencionadas, incorporándolas en los procesos de decisión.
En última instancia, darse cuenta de la cultura basada en datos depende de cambiar los comportamientos cotidianos de las personas; adoptar mentalidades que animen a mirar “desde fuera” ayudará a sistematizar los procesos de pensamiento y establecer comportamientos consistentes que se traduzcan en poderosos hábitos diarios más allá de los datos.
Los datos en tiempo real, así como la analítica vista como un servicio, representan el futuro en el panorama actual de transformación digital.
Christian Vázquez Sánchez
Como consecuencia de distintos factores económicos a nivel global, las expectativas a futuro advierten una caída en los precios de las acciones de empresas tecnológicas.
José Luis Vásquez Costa
Las plataformas tecnológicas han dejado su carácter especulativo y han pasado a ser parte esencial de las organizaciones.
Christian Vázquez Sánchez
El uso de dispositivos "figitales" ha tenido cada vez mayor presencia dentro de las empresas; a su vez, el uso de estas herramientas demanda un cambio en la gestión de la información.
Christian Vázquez Sánchez
© 2024 Colegio de Contadores Públicos de México, A.C.
Directorio Contacto Aviso legal Acerca de Veritas
Inicia sesión o suscríbete para continuar leyendo.