🧵(1) Los #datos de muchas empresas no están cumpliendo la promesa de aportar valor tangible (y #ROI) más allá de lo obvio. Hay que romper 6 hábitos "killer" muy extendidos para conseguir salvar la última milla del valor, que es la crítica. Estos malos hábitos en #analytics son: 
(2) Mal hábito de analytics 1:
Tratar a los equipos de datos/análisis/#BI como una fábrica de paneles o dashboard más o menos útiles. Se suele además confundir el reporting con el #BusinessIntelligence y la visualización con cuadros de mando.
Tratar a los equipos de datos/análisis/#BI como una fábrica de paneles o dashboard más o menos útiles. Se suele además confundir el reporting con el #BusinessIntelligence y la visualización con cuadros de mando.
(3) Mal hábito de #analytics 2:
Analizar solo una parte de los datos disponibles.
No analizar los #datos en su totalidad o no asegurarse de su calidad, integridad y coherencia es un camino directo a los resultados sesgados e inválidos pero creibles (lo peor que puede pasar)
Analizar solo una parte de los datos disponibles.
No analizar los #datos en su totalidad o no asegurarse de su calidad, integridad y coherencia es un camino directo a los resultados sesgados e inválidos pero creibles (lo peor que puede pasar)
(4) Mal hábito de #analytics 3:
Enfocarlo todo de manera descriptiva, pero sin hacer un análisis o un diagnóstico.
Lo cambios que muestran los dashboards no son esclarecedores 'per se' a no ser que se acompañen del "por qué" de esos cambios o impulsen recomendaciones y acciones.
Enfocarlo todo de manera descriptiva, pero sin hacer un análisis o un diagnóstico.
Lo cambios que muestran los dashboards no son esclarecedores 'per se' a no ser que se acompañen del "por qué" de esos cambios o impulsen recomendaciones y acciones.
(5) Mal hábito de #analytics 4:
Esperar demasiado para actuar una vez que se ha hecho un diagnóstico a partir de los dashboards o análisis. Es como un barco que detecta un obstáculo en el radar y no corrige el rumbo. La velocidad de reacción es tan clave como la reacción en sí.
Esperar demasiado para actuar una vez que se ha hecho un diagnóstico a partir de los dashboards o análisis. Es como un barco que detecta un obstáculo en el radar y no corrige el rumbo. La velocidad de reacción es tan clave como la reacción en sí.
(6) Mal hábito de #analytics 5:
Quedarse atrapado en un bucle de preguntas de seguimiento, o lo que es lo mismo, entrar en parálisis por análisis dentro del mundo de la analítica y el #businessintelligence. La falta de análisis es casi tan perjudicial como el exceso.
Quedarse atrapado en un bucle de preguntas de seguimiento, o lo que es lo mismo, entrar en parálisis por análisis dentro del mundo de la analítica y el #businessintelligence. La falta de análisis es casi tan perjudicial como el exceso.
(7) Mal hábito de #analytics 6:
Ser incapaz de estandarizar y optimizar las historias que surgen desde los #insights.Los insights activables deben guiar decisiones de valor y estar automatizados y estandarizados para no caer en la trampa de la divergencia o la artesanía de datos
Ser incapaz de estandarizar y optimizar las historias que surgen desde los #insights.Los insights activables deben guiar decisiones de valor y estar automatizados y estandarizados para no caer en la trampa de la divergencia o la artesanía de datos
• • •
Missing some Tweet in this thread? You can try to
force a refresh
