Hoy quiero acercaros el libro de Jenny Dearbon “Data Driven”. Dearbon es vicepresidenta senior y directora de aprendizaje de SAP y el Consejo Nacional de Diversidad la incluyó como una de las “50 mujeres más poderosas en tecnología”.

Se trata de un libro donde a través de los departamentos de ventas, como ejemplo, Jenny Dearbon pone en relieve la importancia de realizar una utilización óptima de los datos para conseguir reacciones en los equipos y alcanzar los resultados esperados. Para ello plantea una serie de pasos que se deben seguir para poder alcanzarlo. Dearbon pone como ejemplo un departamento comercial, pero cada una de las acciones o pasos a seguir para la puesta en marcha de una estrategia de datos podría extrapolarse a cualquier departamento o empresa.

Al inicio del libro, Jenny Dearbon pone en contraste cómo los gobiernos analizan datos para predecir el fraude de los contratistas; los entrenadores para tomar mejores decisiones de contratación; o cómo los macrodatos y el análisis predictivos dominan muchos campos, mientras que casi ninguna organización opera bajo un sistema de ventas basado en datos. Y es que, la mayoría de los equipos de ventas confían sus éxitos a la experiencia o el “instinto”. Los compara con un piloto que se enfrenta un clima severo y apaga los instrumentos del avión; en lugar de conocer la velocidad, la dirección y la altitud, el piloto “vuela a ciegas”.

Pero hoy en día, no es necesario volar a ciegas. La tecnología actual y los métodos analíticos rastrean y analizan las interacciones de los clientes y los hábitos de compra, las preferencias de productos, el desempeño de los empleados, los paquetes de ventas óptimos, el tamaño de las transacciones y muchos otros factores que afectan las ventas. Cualquier operación de ventas que analice los datos correctos, en busca de patrones y conexiones, puede predecir qué clientes comprarán, prescribir qué productos ofrecerles, identificar la capacitación y respaldar las necesidades de cada representante, y generar muchos otros conocimientos valiosos.

Exija los datos que necesita
Para ello, el primer paso que Dearbon plantea es la selección de los indicadores principales de negocio, en este caso, los datos que necesita ventas para monitorizar su acción. Y es que, actualmente, al no haber un acuerdo con respecto a los indicadores, con mucha frecuencia surgen problemas en los departamentos de ventas: los representantes culpan a los ejecutivos de establecer objetivos de ventas inexactos, al equipo de marketing por generar clientes potenciales “pésimos” y al departamento de producción por emitir productos obsoletos.

En este contexto destaca la importancia de que los ejecutivos de ventas exijan datos y pruebas e identifiquen esos indicadores clave. Cuando el vicepresidente de ventas insiste en que la única forma de alcanzar los objetivos es contratar más vendedores, es importante solicitar pruebas. ¿Por qué el equipo actual no puede cumplir su cuota? ¿Por qué los tamaños de las ofertas son pequeños? ¿Cómo mejorarían los resultados más personas?

Sólo los datos y el análisis pueden romper este atolladero. Las cuotas de ventas optimistas, demasiado comunes debido a la falta de datos, pueden surgir como una causa raíz, pero la información y el análisis sólidos son el mejor caso para crear objetivos de ventas razonables y energizantes, y luego brindar a los representantes la información para alcanzarlos.

Para alcanzarlo, Dearbon apuesta “Montar un equipo de análisis de datos” , que desde su punto de vista debe ser un científico de datos sólido que tenga habilidades comerciales y analíticas.

Indicadores clave de rendimiento

Otro de los puntos que destaca en el libro es la importancia de identificar los indicadores clave de rendimiento; aquellas variables que influyen en las ventas. Por ejemplo, si el equipo de ventas no genera suficientes ingresos, ¿eso se debe a tener muy pocos representantes de ventas o a tener representantes que no realizan suficientes ventas? Para ello hay que preguntar cuántos vendedores alcanzan o superan su cuota.

Cuantos más indicadores clave de rendimiento genere el equipo, mejor. Cuando el equipo identifique indicadores de éxito de ventas, hay que asegurarse de que puedan expresarlos como KPI. Por ejemplo, es útil saber cuántas oportunidades de ventas actuales dan como resultado acuerdos a largo plazo, pero ese no es un KPI. En su lugar, hay que expresar la relación entre las oportunidades de venta y las ventas exitosas a largo plazo en términos de la “duración promedio del contrato” que logran los representantes.

Reúna los datos
Una vez enumeradas las KPIS hay que identificar los datos que respaldan esas métricas y ver dónde están estos datos. La mayoría de las grandes organizaciones retienen datos en múltiples sistemas, como los sistemas de información de recursos humanos y los sistemas de gestión del aprendizaje. A veces, los datos existen solo en ordenadores individuales o fuera de la empresa. Por lo que la acción ahora se basa en recopilar todos esos datos.

Cuando se obtienen los datos, el siguiente paso es ”limpiarlos”. Los errores de entrada de datos o los conjuntos de datos incompletos dan lugar a resultados poco fiables. Localizar y evaluar los datos también podría eliminar algunos KPI. En algunos casos, no podrá encontrar los datos que necesita; en otros casos, estará incompleto o corrupto. Por tanto, hay que llevar a cabo un proceso de transformación y depuración del dato, para obtener una calidad de los mismos.

Tipos de análisis

Una vez los datos limpios en la mano, podemos comenzar, como señala en el libro, a realizar el análisis. Dearbon habla de 4 tipos de análisis

1. “Análisis descriptivo” : el que realizan la mayoría de las organizaciones pero es el menos riguroso de los cuatro niveles. Mira hacia el pasado. El análisis descriptivo descubre tendencias y las muestra en gráficos o paneles. Los datos alertan a los líderes sobre futuros problemas u oportunidades.
2. “Análisis de diagnóstico” : este análisis pregunta por qué sucedió algo. Utiliza técnicas estadísticas más avanzadas para descubrir conexiones entre elementos de datos. Puede diseñar un mejor entrenamiento, entrenar a los representantes en las áreas precisas en las que necesitan ayuda y contratar nuevos representantes más específicos.
3. “Análisis predictivo”: Normalmente, pasará de descriptivo a análisis de diagnóstico y luego a predictivo. Una vez que sepa qué y por qué, aprovechará los datos para obtener información más valiosa. Los algoritmos pueden hacer proyecciones futuras precisas al ejecutar datos a través de miles, incluso millones, de posibles conexiones y correlaciones.
4. “Análisis prescriptivo” : saber qué sucedió, por qué y qué podría suceder a continuación conduce a la pregunta lógica, “¿qué debemos hacer” al respecto? El análisis prescriptivo utiliza algoritmos sofisticados para construir sobre datos prescriptivos y predictivos para sugerir decisiones óptimas y sus consecuencias.

De la adivinación a la percepción real
El análisis de datos ayuda a las organizaciones a pasar de un juego de adivinanzas a conocimientos basados ​​en evidencia que mejoran radicalmente los resultados. Cuando se combina la analítica con el conocimiento de negocio, se obtiene información que ayuda a romper hábitos improductivos.

Jenny Deabon concluye que con una adecuada estrategia de datos, siguiendo los pasos señalados, incluso los escépticos cambian de rumbo; cuando descubren que por ejemplo asistir a una clase o centrarse en una combinación particular de productos genera resultados de ventas. Anima a los departamentos a ganar conversos acumulando pequeños éxitos y compartiendo historias en toda la empresa. E ir ampliando gradualmente el alcance de las iniciativas de datos para crear una cultura basada en datos en toda la empresa.

Si te parece interesante, te dejo aquí el enlace para comprarlo y profundizar más al respecto.