Claves para formar un equipo de análisis eficaz

Pregunta: ¿qué ocurre cuando una empresa despliega las últimas y mejores herramientas de análisis de datos, pero no consigue reunir a un equipo de análisis de primera categoría?

Que se pierde dinero.

Y oportunidades.

Y también mucho tiempo.

Por consiguiente, un buen equipo de análisis puede marcar la diferencia entre unos conocimientos mediocres y diferenciarse de la competencia. Pero ¡ojo! No es tan sencillo formar un equipo de análisis de la noche a la mañana. Se requiere mucho trabajo y diligencia a la hora de reunir a las personas adecuadas y con una correcta combinación de habilidades.

"Uno de los mayores retos para las organizaciones no es la recopilación de datos en sí, sino el desarrollo de un equipo que aplique los datos e impulse el cambio en toda la organización", admite Laura Smith, CIO del proveedor sanitario UnityPoint Health.

En su opinión, "crear y mantener un equipo de éxito nunca ha sido tan difícil como en los últimos 18 meses, especialmente en el sector sanitario. Para mí, el mayor éxito de mi carrera es el equipo que he creado en UnityPoint Health. No ha sido una tarea fácil; el mercado de la analítica es muy competitivo".

Y es posible hacerlo.

Ahí van algunas claves para lograrlo.

 

Proporcione herramientas modernas y eficaces y un trabajo significativo

Los buenos —muy buenos— analistas de datos deben contar con equipos y acceso a los datos que les permitan tener éxito.

"He visto a muchos analistas frustrarse y abandonar una empresa porque su portátil tenía cinco años y no podía gestionar la cantidad de datos que necesitaban procesar", reconoce Theresa Kushner, jefa de la práctica de datos y análisis de NTT Data Services, una consultora global de TI. “O se les negaba el acceso a los datos que necesitaban para crear los algoritmos adecuados", prosigue. Por lo que, en su opinión, “asegurarse de que sus analistas tienen hardware actualizado, software actual y acceso a los datos es básico para el éxito de los analistas de datos".

También lo es proporcionar tareas significativas. "Ningún analista de datos quiere formar parte de un equipo cuyo trabajo no suponga una diferencia para el negocio en general", dice Kushner. "Eso significa seleccionar proyectos que tengan impacto. Esto es más fácil de decir que de hacer, pero es tan crucial para construir un equipo de analistas de datos creíble."

Los miembros del equipo necesitan que se les muestre cómo su trabajo es significativo para el mundo en general, incide Laura Smith. "Creo que todos queremos saber cómo nuestro trabajo contribuye al bien mayor. En el sector sanitario, lo comparamos con tener una vocación. Todos llegamos a esta vocación con nuestras habilidades y talentos únicos".

Para el equipo de análisis de UnityPoint, identificar el impacto positivo que alguien puede tener en las comunidades es clave, reconoce aquella experta. "Lo tengo entre ceja y ceja siempre que estoy reclutando miembros del equipo", admite, para incidir en que "la gente quiere saber cómo contribuye al bien mayor todo lo que se está haciendo”.

Por ejemplo, el equipo de análisis ha desempeñado un papel fundamental a la hora de garantizar que los pacientes y los empleados dispongan del equipo de protección personal (EPP) adecuado durante la pandemia. En concreto, el equipo de UnityPoint Health creó un panel de control que reunía los datos del EPP para mostrar información significativa para los líderes. "Con datos procesables en la mano, los líderes podían tomar con confianza decisiones de suministro basadas en datos en tiempo real, garantizando la salud y la seguridad de nuestros pacientes y miembros del equipo", explica Laura Smith.

 

Construir el talento a través de programas de formación interna

La escasez de profesionales de la analítica de datos está bien documentada, y la competencia por estas habilidades es feroz. En consecuencia, las empresas que disponen de recursos deberían considerar la posibilidad de ofrecer programas de formación y aprendizaje continuo que ayuden a generar talento interno. Esto puede incluir programas internos o cursos externos.

Estos programas de formación también pueden adoptar la forma de tutorías o de reunir a equipos multifuncionales para compartir experiencias y conocimientos.

"Aconsejo desarrollar las contrataciones iniciales de analítica de datos emparejándolas con un líder de tipo analítico con experiencia", dice James Rinaldi, asesor jefe de tecnología de la información del Laboratorio de Propulsión a Chorro de la NASA. "Crecerán rápido, pero deles proyectos que les permitan avanzar a su velocidad. Deje que aprendan cómo funcionan la arquitectura y la cultura de los datos".

Los proyectos tienen la oportunidad de reunir a equipos multifuncionales, admite Rinaldi. "Merece la pena añadir algunos miembros juniors para que experimenten y conozcan cómo funcionan las cosas fuera de su propia organización", en su opinión.

También es una buena idea mover a la gente a varios proyectos, aconseja. "No hay que dejar que la gente se estanque o se sienta cómoda en un solo ámbito".

 

Empiece con fuerza a la hora de seleccionar a los miembros del equipo

Un agente libre, además del dinero, quiere formar parte de cualquier equipo que le permita ganar títulos.

De cajón.

Del mismo modo, en el caso de un equipo de analistas, puede ser más fácil atraer a grandes talentos cuando éstos ya existen en el equipo.

"La excelencia atrae a la excelencia", dice Kushner. "Si estás construyendo un equipo de análisis de datos, realmente vale la pena que tu primera contratación sea una auténtica superestrella".

Eso no significa que el individuo tenga que ser el mejor graduado de una de las universidades más prestigiosas, también cree aquella especialista. Pero la persona debe tener un historial probado de uso de datos para marcar la diferencia en una empresa. "Y no piense que necesita un doctorado en ciencia de datos. Eso está bien, pero a veces la persona clave de un equipo de análisis de datos es la que más sabe de su negocio. También significa que se contrata a alguien que realmente quiere formar parte del equipo. Deben estar alineados tanto en espíritu como en entendimiento con los objetivos del equipo en general", concluye, al respecto, Theresa Kushner.

 

Hacer de la diversidad una prioridad

La diversidad en la fuerza de trabajo es un punto focal para muchas organizaciones hoy en día, y los equipos de análisis de datos deben ser parte de este esfuerzo. Eso incluye historias laborales diversas.

"Reúna un equipo de personas que tengan diferentes trayectorias profesionales", aconseja Jessica Lachs, vicepresidenta de análisis y ciencia de datos en DoorDash, compañía que ofrece una plataforma online de pedidos y entrega de comida.

"A menudo me preguntan cómo es el perfil estándar de los candidatos de mi equipo, y la gente se sorprende cuando les digo que no tenemos uno solo. Habiendo entrado en este campo sin experiencia previa en datos - y construido toda la función en DoorDash - creo que la construcción de un equipo de personas con diversos orígenes hace que su equipo, en general, en general."

Si bien la empresa espera que los candidatos para el equipo de análisis tengan habilidades de codificación y dominio de la estadística, "hemos encontrado el éxito en la contratación de personas de una gama de fondos, incluyendo las finanzas, la consultoría y la economía, además de los fondos de ciencia de datos de tecnología más comparables", dice Lachs.

Este enfoque crea un equipo que tiene todas las habilidades necesarias para resolver una variedad de problemas, admite Lachs. "Aunque cada miembro del equipo no pueda resolver todos los problemas por sí mismo, el resultado es un equipo más fuerte con personas que pueden aprender unas de otras y afrontar juntos un conjunto más amplio de retos".

 

Mantener contentos a los miembros del equipo

No se trata sólo de crear un equipo fuerte, sino también de retenerlo.

Dada la demanda actual de analistas de datos, si las organizaciones no consiguen mantener contentos a los miembros del equipo de análisis, podrían marcharse a otros puestos.

Por ello, los jefes de equipo deben recompensar los hitos y permitir a los analistas promocionarse y seguir aprendiendo nuevas habilidades. "Los analistas de datos quieren crear una marca para ellos mismos y para sus empresas", afirma Kushner. Para ello, necesitan tiempo para obtener certificaciones sobre nuevos programas informáticos, nuevos procesos y enfoques, entre otras actividades, en su opinión.

A menudo los directivos piensan que la visibilidad del equipo debe ser sólo interna, pero eso es quedarse a medias, cree Kushner. "La visibilidad tiene que ser en todo el sector. Tus mejores analistas deben ser visibles para otros analistas de alto nivel. Proporcionar un lugar para que sus analistas brillen asegura la lealtad y proyecta un brillo en su empresa, así como en su organización", estipula aquella especialista.

Así, es una buena idea incluir en el calendario de cada analista tiempo para pensar en lo que tiene que pasar a continuación, para documentar los proyectos en los que están trabajando y para colaborar con aquellos en el negocio y en la TI que pueden aportar información vital. "La tendencia cuando se trabaja con analistas de datos es impulsar los proyectos, y como resultado, los gerentes a menudo también impulsan a las personas. Esa es una fórmula para la frustración y la rotación", detalla Theresa Kushner.

 

Comprométase con las personas de toda la organización

El equipo de análisis no está destinado a trabajar en el vacío.

La interacción con otras personas de toda la empresa ayuda al equipo a mantenerse al tanto de los objetivos empresariales y a comprender lo que es importante para diversos compañeros de trabajo. Y también permite a los miembros del equipo compartir la importancia de la analítica con otros miembros de la organización.

"Incorpore a los líderes empresariales al proceso", dice Michael Mayta, CIO de la ciudad de Wichita, Kan. "Este es un aspecto crítico, ya que son las personas que entienden los datos y, lo que es más importante, entienden qué preguntas necesitan ser respondidas usando los datos".

Asociar a los analistas con los usuarios de la empresa "crea una experiencia de aprendizaje a la vez que mejora el proceso empresarial y agiliza los resultados", afirma Mayta. "Si un analista entiende los datos en su forma cruda, pero no las necesidades del negocio o los conjuntos de datos específicos necesarios para llegar a una solución, entonces se puede perder una gran cantidad de tiempo en la comunicación o el desarrollo de prueba y error".

Cuando UnityPoint Health creó su equipo de análisis, "empezamos por comprometernos con los médicos y los empleados de todo el sistema sanitario", expone su CIO, Laura Smith. "Reunimos a los miembros del equipo de todos los diferentes entornos de atención para escuchar sus necesidades y ayudarles a comprender la importancia de utilizar la analítica para mejorar la atención al paciente."

La oportunidad de comprometerse va más allá de un problema específico que el equipo está tratando de resolver, dice Smith. "Otras oportunidades pueden incluir el compromiso con los compañeros y el fomento del desarrollo personal a través de programas de tutoría".

Por eso, Laura Smith, está en condiciones de concluir que el modelo de compromiso con el negocio ha sido eficaz. "Construimos relaciones sólidas con nuestro negocio, [creando] un entorno en el que los miembros del equipo son capaces de ofrecer soluciones increíbles. Pueden ver directamente por qué se les valora y las contribuciones que hacen a la organización. Esto es enorme para la satisfacción tanto individual como del equipo".

 

Crear una cultura "informada” por los datos

Una organización que dé prioridad a todo lo relacionado con los datos impulsará el crecimiento y la mejora del equipo de analistas. Ese ha sido el enfoque en la ciudad de Long Beach, California.

En 2018, su Departamento de Tecnología e Innovación (TID) y la Oficina de Innovación Cívica lanzaron un Comité de Datos que involucró al personal del 90% de los departamentos de la ciudad. Un año más tarde, la ciudad organizó un Citywide Data Challenge, un "datathon" de cuatro meses en el que el personal de varios departamentos se asoció para resolver desafíos utilizando herramientas de análisis de datos.

"El Desafío de Datos permitió a los empleados de la ciudad plantear retos o problemas que podrían beneficiarse del uso del análisis y la visualización de datos", dice Lea Eriksen, directora de tecnología e innovación de la ciudad de Long Beach. "Se seleccionaron cuatro retos y luego se formaron equipos que trabajaron de forma interdepartamental en los diferentes retos".

Un ejemplo de desafío exitoso fue la evaluación y el mapeo de los lugares donde viven los residentes capacitados por el CERT para evaluar la capacidad de recuperación de las comunidades en caso de emergencia. Tanto del reto de datos como del funcionamiento del Comité de Datos se extrajeron lecciones que "utilizamos para reestructurar nuestros esfuerzos en materia de datos", afirma Eriksen.

A principios de 2021, TID puso en marcha una Comunidad de Aprendizaje de Datos para los empleados de la ciudad. "Se trata de un espacio divertido y centrado en el aprendizaje para que el personal de todos los departamentos de la ciudad haga preguntas y comparta con los demás cómo están integrando los datos en los proyectos de sus equipos y departamentos. Cada dos meses invitamos a un equipo de la ciudad diferente para que presente las herramientas, técnicas y recursos que están utilizando para incorporar los datos en nuestro ADN aquí en Long Beach", concluye la directora de tecnología e innovación de la ciudad de Long Beach.