Boletín Ninja
Suscríbete a la newsletter y recibe la guía ninja del Big Data y la Inteligencia Artificial.
Hoy hablamos de la razón por la que muchos proyectos de datos FRACASAN y qué habilidad infravalorada hará que los vuestros no lo hagan: El data storytelling.
Semmelweis era un médico muy observador que atendía partos.
Por aquel entonces, era el año 1847, muchas madres morían después de dar a luz porque les daba una fiebre muy chunga y Semmelweis, mientras trabajaba en el hospital general de Viena, se fijó en que las muertes eran bastante más elevadas cuando los partos eran asistidos por médicos y estudiantes de medicina que cuando estaban asistidos por matronas.
En plan, de 3 a 5 veces más. Que no es poco.
Tras investigar y darle al coco bastante, formuló la hipótesis de que esto era porque los médicos y estudiantes a menudo iban directamente de realizar autopsias a asistir partos, sin lavarse las manos por medio.
A las matronas no les pasaba eso porque sólo se dedicaban a los partos.
Esto provocaba infecciones en las madres debido a la transmisión de los gérmenes.
Hoy en día lo de lavarse las manos es bastante obvio pero por aquel entonces Semmelweis no fue capaz de transmitir su hallazgo al resto de médicos.
Tenía los datos, los había analizado, tenía una hipótesis que había investigado, comprobado y transmitido a través de sus publicaciones.
Peeeero no consiguió que el mensaje llegara.
Semmelweis murió en un psiquiátrico a los 47 años y su teoría no fue aceptada hasta que Pasteur confirmó que las infecciones las provocan los gérmenes.
Qué historia más triste.
Saber comunicar a otros vuestros resultados, vuestros análisis y vuestro trabajo es esa gran habilidad infravalorada.
Muchos proyectos de datos fracasan por la falta de entendimiento entre los equipos técnicos y los equipos de negocio.
¿Sabéis esa típica escena en las películas en las que está el mundo está al borde de que una invasión zombie y entonces el prota de la peli aparece reunido con líderes mundiales y las mentes más brillantes en una sala que siempre está mal iluminada?
Entonces el listo de la película comienza a hablar con palabras incomprensibles y después de 10 minutos en los que nadie ha entendido nada, espectadores de la película incluidos, el típico general del ejército le pega un berrido y le dice:
“¡Habla en cristiano!”.
Ahí el científico traduce su mensaje a palabras llanas, todo el mundo entiende el plan y salvan al mundo una vez más.
Bueno, pues esta situación, o algo parecido también pasa en presentaciones en las que el equipo técnico de datos tiene que interactuar con la gente dedicada a negocio.
Nos emocionamos con los términos técnicos y la audiencia se queda mirándonos fijamente, algunos incluso asienten sin entender nada para que no se note que no se están enterando.
Nadie pregunta nada, nadie tiene dudas. No hay ningún sargento que nos pida repetir la explicación en cristiano.
Nuestro trabajo como ninjas de los datos ha caído en saco roto.
Nuestro modelo recién entrenado no llegará a ver la luz porque la gente encargada en darle luz verde a su despliegue no ha entendido qué hace y porqué conviene usarlo, así que el presupuesto y los recursos acabarán en algún otro proyecto.
Alguien que vio muy bien esto es Jeff Bezos, el fundador de Amazon.
Cuando todavía Amazon no se llamaba Amazon y a Jeff Bezos solo le conocían en su casa, publicó una oferta de trabajo.
Buscaba un desarrollador. En principio un desarrollador es alguien que se va a encargar de escribir código y manejarse entre ordenadores, peeero, esta oferta incluía un requisito poco habitual para el puesto.
Habilidades de comunicación tope de gama.
Por lo que sea, a la gente técnica se nos da regular eso de hablar pero Bezos siempre ha defendido las habilidades de comunicación como la habilidad número 1 que alguien tiene que tener para trabajar en Amazon.
Al final da igual lo que hagas que siempre vas a necesitar comunicarlo. Y comunicarlo bien, para que la otra persona lo entienda.
Y de esto va el storytelling, que en el mundo de los datos se llama data storytelling y suele incluir visualizaciones de datos y gráficos.
Pero no vale cualquier gráfico sino que tiene que ser gráficos que informen y no gráficos que solo muestren información.
El éxito de una visualización no empieza en la visualización en sí misma sino en el contexto de los datos. Lo mismo que con el resto del proceso de análisis de datos.
He hablado varias veces del proceso de análisis de datos que no es únicamente importante en temas de analítica perse sino también forma parte de las etapas previas a entrenar un modelo de Machine Learning.
Cuando vemos qué datos tenemos, las posibles características que pueden ser más informativas para nuestro modelo y todas estas cosas.
Aquí está la parte de análisis exploratorio de datos (episodio 44).
Es importante diferenciar entre dos tipos de análisis de datos:
En el libro de Storytelling con datos explica esto con una analogía muy chula:
El análisis de datos es como buscar perlas en unas ostras 🦪.
Igual tenemos que abrir 100 ostras, que equivaldría a probar 100 hipótesis diferentes o mirar los datos de 100 maneras distintas, para encontrar quizá dos perlas.
El análisis exploratorio sería presentar las 100 ostras que hemos analizado, los 100 gráficos que hemos representado para saber más sobre nuestro dataset.
El análisis aclaratorio serían las dos perlas.
Las conclusiones del análisis. Eso es lo que deberíamos hacerle llegar al público.
Bien.
Pues una vez visto que no tenemos que presentar toooodas las visualizaciones que hemos generado durante nuestro análisis exploratorio sino solo aquellas que nos ayuden a explicar las conclusiones más importantes, vamos a ver cómo hacerlo con eficacia.
Cuando tenemos que presentar algo ante alguien lo primero que tenemos que saber es a quién le estamos hablando.
Imaginad que estáis preparando una presentación.
No es lo mismo presentar los resultados de vuestro último análisis a vuestro jefe, que a otro departamento, que presentarlo en una conferencia de vuestro sector.
Necesitáis saber:
Cuando se trata de mostrar esos datos, hay que elegir el tipo de gráfico que más vaya con esos datos, con lo que queréis representar.
Elegir un gráfico que no representa bien la idea que queréis mostrar perjudica mucho que el mensaje llegue ya que el receptor gasta mucha energía intentando entender lo que le estáis enseñando.
Y si gasta mucha energía probablemente perdáis su atención.
Si el mensaje que queréis transmitir consta de un par de números clave únicamente, a veces lo más sencillo es mejor.
De hecho, normalmente lo más sencillo suele ser mejor.
Mostrad ese par de números con un breve texto explicativo.
Si por otro lado, estáis mostrando tendencias a lo largo del tiempo, tal vez un gráfico de líneas sea vuestro mejor amigo.
Para comparaciones o para mostrar categorías, los gráficos de barras son geniales.
Aseguraos de que empiecen en cero para que todo sea fácil de entender.
Y una cosa más: intentad evitar los gráficos circulares o cualquier cosa con 3D, porque pueden ser un lío para interpretarlo correctamente.
Siguiente paso: quitar el ruido.
Si hay algo en vuestro gráfico que no está aportando nada, sacadlo.
Usad el contraste y la alineación para hacer que lo importante destaque y lo demás no distraiga.
Podéis explorar cómo la gente ve y procesa la información visual para hacer vuestros gráficos lo más claros y atractivos posible.
Y hablando de atraer la atención, no subestiméis el poder del color, el tamaño y la posición.
Estos elementos pueden ayudar a que vuestros datos importantes sobresalgan.
Haceos esta pregunta: cuando miráis vuestro gráfico, ¿a dónde va primero vuestra vista?
Usad eso a vuestro favor para guiar a vuestra audiencia a través de la información que estáis presentando para que les llegue el mensaje.
Por último, y muy importante: contad una historia.
Los humanos nos entendemos mejor con historias, se nos quedan las cosas más grabadas a través de las historietas…
Tal vez después de este episodio no recordéis los pasos que os he contado para hacer unos buenos gráficos pero sí que recordéis la analogía de las ostras y las perlas para diferenciar el análisis exploratorio y aclaratorio 🦪.
Usad eso a vuestro favor.
Vuestros datos pueden tener el planteamiento, el nudo y el desenlace de cualquier buen relato.
Usad el conflicto y la tensión para captar y mantener la atención.
Utilizad el principio de repetición a lo largo de la presentación para que los puntos clave que queréis transmitir se queden grabados en el cerebro de vuestra audiencia.
Y siempre, siempre buscad formas creativas de presentar vuestra historia, para que vuestro mensaje no solo se entienda, sino que resuene.
Así que eso es todo por hoy, siguiendo estos pasos, estaréis poniendo en valor vuestro trabajo con datos que no solo informan, sino que también inspiran.
Espero que os guste el episodio.
Si es así, no olvidéis dejar un «Me gusta» y algún comentario al episodio en Ivoox o una valoración de 5 estrellas del podcast en Apple podcasts, en Spotify, en Youtube o donde quiera que escuchéis el podcast.
Recordad que si tenéis cualquier duda o pregunta podéis contactar conmigo a través del formulario de contacto o podemos seguir la conversación en Twitter.
Muchas gracias por estar ahí y os espero en el próximo episodio de Un Podcast Ninja sobre Big Data.