Thread by @jmlopezzafra

Una cadena de supermercados, un gestor de patrimonios, un huracán y un equipo de fútbol... ¿qué tienen en común? Y, sobre todo, ¿qué narices tienen que enseñarnos de la “desescalada” de una pandemia por un virus? 🦠

Target está, ella sí, en el top ten de los supermercados USA. El último año fiscal recién concluido ha generado un EBITDA de $7.262B, un 10% más que el año anterior. Su tarjeta de clientes cuenta con más de 10M de usuarios activos. 🦠

Empleando una técnica de ciencia de datos que consiste en tirar del hilo a partir de cada ticket de compra, fue capaz de predecir cuáles de sus clientes estaban embarazadas y hacerles promociones especiales - sin preguntárselo.
No improvisó. Estudió los datos. 🦠

BlackRock es la primera gestora de fondos del mundo, con volumen de $6.5B (trillones, diría Sánchez) de activos bajo gestión. Sus ingresos netos en el 1T20 han sido de $35.000M. 🦠

Analizando los portales de empleo como LinkedIn, a finales de 2015 observaron un incremento brutal en las ofertas de AWS, nada menos que un 76%. La acción de AWS pasó de $434 el 30/06/16 a $593 - un mes después. La ganancia fue enorme.
No improvisó. Estudió los datos. 🦠

Sandy fue un huracán que tocó tierra en NY en 2012. El desafío para el servicio de seguimiento de huracanes estaba siendo enorme desde los días anteriores: predecir trayectorias probables, zonas afectadas, población en riesgo ... 🦠

Sandy golpeó finalmente NY, dejando más de 50 fallecidos y unos $19.000M en daños asegurados. Sin embargo, durante todo el proceso, los organismos encargados de monitorizarlo aprendieron, predijeron y actuaron. Salvaron miles de vidas.
No improvisaron. Estudiaron los datos. 🦠

La temporada 2015-2016 se presentaba complicada para el Leicester. Llegó a su 2ª temporada en la 1ª División (la Premier) tras haberse gastado en fichajes €29M en 5 años; sólo Di Maria le había costado €75M a los reds. Sus fichajes fueron el 1% de los 1.210M de la Premier. 🦠

En 2015-16 perdió 275 días acumulados en lesiones; el Arsenal perdió 1.137. Sólo en 8 ocasiones algún jugador estuvo más de 2 jornadas sin vestirse, por las más de 24 del Arsenal. Cuidó a sus jugadores, su principal activo. Y ganó la Premier.
No improvisó. Analizó los datos. 🦠

¿Y el virus, qué tiene que ver con todo esto? Pues poco. Pero la gestión de la pandemia que ha provocado el SARS-CoV-2, mucho. Todos los casos anteriores nos enseñan algo: ya no vale con la madre de la ciencia, la experiencia. Necesitamos gestores de datos. 🦠

Estamos en medio de un cambio de paradigma. Todos los casos anteriores son ejemplos de data driven decision making o toma de decisiones basadas en datos. Tenemos más información que nunca, y los decisores deben separar la señal del ruido. Para no improvisar. 🦠

Los gestores del CoVID19 no conocen cuántos tests se han hecho, ni la prevalencia de la enfermedad, ni cuántos contagiados hay, ni si hay inmunización.
Sólo conocemos lo que no saben.
Así sólo se puede improvisar, no tomar decisiones que afectan a la vida de las personas. 🦠

Nunca antes los gestores tuvieron a su disposición más información, más rápidamente, con menos coste y con mayor facilidad de proceso.
No es admisible un “no lo sabemos” tras otro en cada comparecencia. No es admisible improvisar cuando deberían analizar y decidir. 🦠

Todo es un despropósito por la incapacidad de recoger y analizar una información desde, como tarde, el 9 de marzo. Cambios de criterio sin razón científica, sin transparencia, datos que se piden tarde, mal o nunca... improvisan.
No son decisores, son muelles que reaccionan. 🦠🦠