3199. Data
Hoy os presento Data, el plugin que ayuda a analizar los datos de vuestro negocio, definir los KPI y convertir la información en decisiones. Pero antes, recordemos que esta semana continúa el curso de gestión de proyectos con IA. En la séptima clase mejoramos la comunicación con clientes y stakeholders. En la octava aprendemos a resolver problemas y desbloquear proyectos. Además, en el apartado de estudios de Boluda.com tenéis investigaciones para entender mejor distintos sectores y tomar decisiones con más contexto. Ahora sí, vamos al lío. Hoy dedico el programa a quienes tenéis un montón de números delante y no sabéis por dónde empezar. Ingresos, gastos, conversión, rebote, bajas, datos de Analytics, datos de Stripe y hojas de cálculo de todos los meses. Tener muchos datos no significa tener claro qué está pasando, y mucho menos saber qué deberíamos hacer a continuación. Para resolver esa distancia os presento Data, un plugin que utilizo con Codex para analizar información de negocio y producto. Puede trabajar con archivos que le entregamos, como un CSV o un informe, y con fuentes conectadas a las que hayamos dado acceso. No basta con invocarlo y esperar que conozca la empresa. Necesita los datos y el contexto correspondientes. La primera utilidad es ayudarnos a decidir qué merece la pena medir. Si no sabemos qué KPI mirar, podemos explicar qué queremos conseguir y pedirle que proponga objetivos, métricas y un plan de medición. El punto de partida no tiene por qué ser una pregunta técnica. Podemos describir el problema con nuestras propias palabras. Por ejemplo, podemos contarle que tenemos una membresía y queremos entender por qué algunas personas se dan de baja tan pronto. A partir de ahí, podemos definir qué datos hacen falta, cómo agrupar a los clientes y qué indicadores conviene seguir. Es mucho más útil que abrir un panel con cincuenta cifras sin saber cuál responde a nuestra pregunta. Data también ayuda a investigar por qué sube o baja una métrica. Podemos comparar periodos, productos, tipos de cliente o segmentos para localizar dónde se concentra el cambio. Una caída de conversión no tiene por qué afectar por igual a toda la web, ni un aumento de bajas significa necesariamente que todos los clientes estén menos satisfechos. Aquí entran los embudos de conversión, la retención, la adopción y las cohortes. Esas tablas que a veces parecen un jeroglífico pueden convertirse en una explicación comprensible. Podemos pedir que agrupe a los clientes según cuándo llegaron y analice qué ocurrió con cada grupo durante los meses siguientes. Imaginemos que una promoción provoca un pico de altas y que buena parte de esas personas no renueva al mes siguiente. Si aportamos tanto los datos de suscripción como el calendario de campañas, podremos investigar la relación entre ambas cosas. Es un ejemplo hipotético, pero sirve para entender la ventaja de cruzar información que normalmente consultamos por separado. La coincidencia de fechas es una pista para investigar, no una demostración automática de la causa. Lo interesante es poder formular mejores preguntas y comprobarlas con los datos disponibles. Cuanto más contexto relevante aportemos, menos probable será que el análisis se quede en una explicación superficial. En mi caso, los agentes de mi plantilla tienen acceso a Data. Me interesa que puedan utilizar la información del negocio, pero también que sepan tratarla. No se trata de repetir cifras, sino de relacionarlas con lo que está ocurriendo y con las decisiones que debo tomar. Ot