Cómo tomar decisiones basadas en datos

Tomar decisiones basadas en datos tiene menos que ver con tener datos y más con saber qué hacer con ellos. El dato es el nuevo oro, y las empresas usan una fracción de lo que recopilan. El motivo no es falta de herramientas: convertirse en una empresa orientada a datos exige metodología, proceso y personas, y casi todas empiezan por el software. Compran la herramienta, después piensan en el proceso, después se acuerdan de las personas. El resultado es una infraestructura que acumula datos y una reunión de fin de mes en la que nadie sabe por dónde empezar.

Este texto acompaña la conversación de arriba, en PragmaTalk, que está en portugués. Si tienes datos guardados, ya estás por delante de quien no los tiene, y el problema pasa a ser otro.

Tres mitos, en el orden en que los encuentro

“Una empresa orientada a datos es una startup de tecnología.” No lo es. Una empresa es un conjunto de áreas, y finanzas, contabilidad, RR. HH., ventas y marketing tienen cultura y tecnología distintas entre sí. Una empresa con stack analítico tiende a llegar más rápido porque ya nace con sistemas de información, pero la industria farmacéutica decide sobre datos por naturaleza, porque el tema es la salud. La medicina es el ejemplo más limpio que existe: el médico mira tu diagnóstico y decide a partir de él.

“Somos data driven, tenemos un panel en la TV de la oficina.” Comprar Power BI, subir un dashboard y mirar la pantalla todo el día no es cultura de datos. La pregunta que lo revela es simple: si la aguja se mueve un poco a la derecha, ¿qué haces? ¿Y si vuelve a la izquierda? Cultura de datos es saber qué hacer con el número, no tener acceso a él.

“Ser 100% orientado a datos.” No existe y no vale la pena perseguirlo. Lo que vale es tener el dato exacto en la reunión en que ocurre la decisión.

La diferencia aparece en la reunión diaria

Ventas suele tener reunión diaria, y es buena práctica tenerla. La cuestión es qué se discute en ella.

En las operaciones que acompañé antes de reestructurarlas, la conversación era sobre quién rindió mejor, qué cliente estaba más difícil, cuál era el menos pesado. Eso es positivo para la unión del equipo y no sostiene ninguna decisión. No había métrica organizada ni claridad sobre adónde mirar.

La decisión orientada a datos es un hábito, en el sentido literal. Igual que te organizas antes de salir de casa para un compromiso, antes de la reunión analizas el dato y sabes qué métrica necesitas mirar para decidir lo que está sobre la mesa.

El caso de la meta que no se cumplió

Este es el ejemplo que más aparece, y muestra la diferencia en la práctica.

La meta no llegó. ¿Por qué? Sin datos, el director comercial cuestiona al equipo con juicios y prejuicios sobre la situación. ¿Es el vendedor? ¿Es el producto? ¿Es el mercado? Cada persona en la sala responde desde su propia intuición, y cuando doce directores deciden por intuición no hay criterio para decir qué experiencia vale más.

Con datos, la pregunta tiene una respuesta verificable, que es el principio detrás de toda la metodología de Operaciones de Ingresos. Abres el CRM, miras el motivo de pérdida y el motivo de objeción que registraron los vendedores, y ves cuál prevaleció. Muchas veces creemos que es el vendedor, muchas veces creemos que es el producto, y el registro muestra otra cosa.

Eso, claro, depende de que el motivo de pérdida esté completado con opción cerrada, que es el tema de cómo convertir el CRM en una máquina de demanda.

Qué datos recopilar, y en qué orden

El error clásico es empezar recopilando. Datos hay de sobra, y el peligro aquí nunca es la escasez: abres la planilla, abres la base, ves la cantidad de cosas y la cierras por miedo para ir a hacer otra tarea.

El orden que funciona es el inverso. Empieza por lo que necesitas decidir en tu trabajo y lo que necesitas monitorear. Con ese diseño en la mano, establece los puntos de contacto del recorrido. Con los puntos de contacto, sabes qué métricas necesitas. Y recién entonces ve a buscar dónde vive cada métrica.

Un ejemplo del camino completo: el contacto completa el formulario en el sitio, el dato cae en la herramienta de automatización de marketing y es en Marketing Cloud donde se va a usar. Sé dónde se recopiló, a qué sistema fue y dónde lo voy a usar. Sin ese diseño, recopilas mucho y no recopilas nada útil.

En marketing, el conjunto de métricas suele ser el recorrido: si la persona abrió el correo, si abrió el push, si hizo clic, si está comprometida. Cada área diseña el suyo, porque la información que importa para crédito no es la que importa para retención.

Las 4 métricas de ingresos que importan

Si la pregunta es por dónde empezar, estas cuatro sostienen la mayor parte de las decisiones de ingresos, y todas salen de un CRM bien completado.

Ninguna es exótica. Lo que falta, casi siempre, es que el dato detrás esté limpio.

El riesgo de los datos sucios en el CRM

Cada métrica de arriba depende de un tipo de registro, y cada tipo de suciedad derriba una de ellas sin avisar.

Un contacto duplicado infla la base y distorsiona la conversión, porque el mismo lead cuenta dos veces en la entrada y una en la salida. Un negocio con fecha de cierre vencida y todavía abierto engorda el pipeline y hace que el tiempo de ciclo parezca mejor de lo que es. El motivo de pérdida en texto libre impide cualquier lectura de por qué la venta no ocurrió. El origen del lead en blanco convierte el CAC por canal en una estimación.

El efecto es peor que no tener número: la reunión pasa a decidir con convicción sobre un dato equivocado. Por eso la limpieza entra como regla en el momento del registro, con campo obligatorio, opción cerrada y un responsable por mantenerla, que es lo que llamo gobernanza de datos en cómo convertir el CRM en una máquina de demanda.

Protección de datos: datos de empresa y datos personales son juegos distintos

En la relación entre empresas la flexibilidad es mayor, porque mucho de lo que importa es dato público: facturación estimada, número de empleados, equipo en LinkedIn, estructura de la compañía. Sobre eso se construyen las estrategias de cuenta.

Con datos personales la historia cambia. Según la ley brasileña de protección de datos, la LGPD, solo se puede usar lo que la persona cedió con autorización, y por eso existe el aviso de cookies en todo sitio y el consentimiento explícito cuando pides un préstamo y el banco consulta tu historial.

Y aquí va una crítica que hago con frecuencia, porque atiendo a muchas fintechs. Tienen un mundo de información sobre el cliente y siguen ofreciendo lo mismo: crédito a x por ciento al mes. Si el dato muestra que esa persona está planeando un viaje familiar para celebrar el cumpleaños de su hijo, ¿por qué no hacer la oferta sobre el deseo? Se vende más que crédito, y con menos fricción.

Tener el dato y no usarlo es peor que no tenerlo, porque cuesta lo mismo y no devuelve nada.

Por qué el cliente se convirtió en el centro

Vale la historia de la pizza, que explica el cambio mejor que cualquier gráfico.

Hace quince años, pedir una pizza era ir a la heladera, encontrar el imán, llamar, preguntar el menú por teléfono, acordar la forma de pago y esperar dos o tres horas sin saber nada.

Hoy tomas el celular, ves todo el menú, sabes el tiempo de entrega, lo sigues en tiempo real y, si se atrasa, reclamas y calificas. La pizzería te manda un bono. Y si no te gustó, eliges otra mañana.

El comportamiento cambió, y con él el poder de decisión pasó a manos del cliente. Ese cambio es lo que hizo que las empresas valoraran de verdad al cliente y adoptaran la filosofía de ponerlo en el centro de la operación. La persona más importante de la empresa no es el presidente: es el cliente, porque toda empresa nace para servir a alguien.

Qué hacer el lunes

Elige una decisión que tu área toma con frecuencia y escribe qué métrica debería sostenerla. Después verifica si esa métrica existe, si está actualizada y si alguien la mira antes de la reunión. Suele faltar una de las tres.

Si la respuesta es que falta el proceso de recopilación, el camino es estructurar la operación, y por eso el trabajo empieza con un diagnóstico de Revenue Operations: qué decisiones, qué métricas, dónde nace cada dato y quién responde por él. Si el dato existe y nadie sabe leerlo, es capacitación.

La provocación que dejo es sobre tu propia reunión diaria: si alguien entrara mañana y preguntara qué número va a cambiar la decisión de hoy, ¿cuántas personas en la sala responderían lo mismo?