Blog Feed

Per un Parlament i un Congreso Dignes i amb Dades

Per un Parlament i un Congreso Dignes i amb Dades

Debats. Molts. Al Parlament. Al Congreso. 

Diferents parlamentaris. Diferents congressistes. De diferents partits. 

I, encara, -després del que hauria de ser molta experiència acumulada però sembla només ser molts debats acumulats-, quelcom que en tots ells és desgraciadament comú: la manca de dades que confirmin allò que es reclama com a cert o allò que s’empra com a arma llancívola contra “el contrari”, perquè sí, també, a banda del greu error de no acompanyar els debats de dades, encara estem immersos en l’ego individual o de partit per sobre del bé comú o de país: “Nosaltres ho vam dir”, “No es van destinar els recursos que calia a les Residències”,  etc…

Com proven els parlamentaris i els congressistes el “Nosaltres ho vam dir”? 

Senzillament no ho proven. Ho llancen per qui vulgui recollir-ho. I tots sabem que aquests que voldran recollir-ho normalment sempre seran els mateixos, “els seus”. Una altra vegada tristament aquest “els seus”. Tots hauríem de ser els nostres, els que volem que el nostre país i el nostre planeta comú vagi bé. I per tant, tots hauríem de recollir només allò que hem pogut verificar que fa honor a la veritat en lloc de només recollir allò que han dit “els nostres” fins i tot si és mentida.

Com proven els parlamentaris i els congressistes que no es van destinar els recursos que calia a les Residències? 

Jo a hores d’ara encara no sé si això és cert o no. He triat aquest discurs com podia haver-ne triat qualsevol altre. Perquè qualsevol em serveix al meu objectiu que és el següent: explicar que sense dades contextualitzades qualsevol discurs ens pot semblar vertader mentre que deixaria de ser-ho en un altre marc.

Per saber si es van destinar prou recursos a les residències en aquell moment, caldria disposar de dades d’aquell moment temporal. Poder saber si, per exemple, en aquell moment hi havia altres prioritats ineludibles i un pressupost que no donava per dotar de diners totes aquelles àrees que els necessitaven i que, per exemple, davant dels fets i les limitacions del pressupost, es va prendre una decisió correcta i encertada. Si això hagués estat així, no és correcte que ara es digui que no es va fer bé. Una altra cosa és parlar de si es van dur a terme els ajustos d’estratègia necessaris donat que les situacions canvien.

La meva proposta

Proposo canviar les intervencions al Parlament i al Congreso. Proposo que només es puguin fer afirmacions si el parlamentari o congressista pot documentar les seves afirmacions amb un estudi que confirmi allò que està dient en referència a la situació del marc temporal al que s’està referint.

Avui dia, això no hauria de ser tan difícil. I deixaríem de desaprofitar diner públic en debats interminables que no porten enlloc.

Dignifiquem-nos i Dignifiquem el nostre Parlament i el Congreso.

Demanem que es modifiquin les lleis que regulen les intervencions. Demanem que incorporin dades contextualitzades i reclamem que no s’admetin les intervencions que no responguin a criteris ètics.

Parlament de Catalunya

SHU-HA-RI

Japanese martial arts students, especially those studying aikido, often learn a process called shu-ha-ri. In the shu state they study proven disciplines. Once they’ve mastered those, they enter the ha state, where they branch out and begin to modify traditional forms. Eventually they advance to ri, where they have so thoroughly absorbed the laws and principles that they are free to improvise as they choose. Mastering agile innovation is similar.

Vols retorn en Data analytics? Promou una Cultura de dades

Gartner s’estima que és per al 2022, el 20 per cent dels conceptes d’anàlisi d’anàlisis que generen resultats comercials.

Avui, el món dels negocis viu amb frustració l’escàs retorn que donen les inversions en anàlisi de dades.

És això un fracàs dels científics de dades?

Potser és que l’empresa no ha pogut contractar els millors. O que no han sabut treballar prou bé la visualització de dades i l’storytelling.

És un fracàs dels directius?

Potser no s’ha invertit el necessari per poder obtenir el rendiment esperat.

És un fracàs dels equips empresarials?

Potser no han valorat el que poden aportar els datascientists. I no han escoltat les seves recomanacions ni fet cas dels seus insights.

O pitjor encara, la ciència de dades no proporciona el valor que pensàvem.

Les persones es fan realment totes aquestes preguntes.

I encara que d’alguna manera la resposta a cadascun d’ells pogués ser parcialment un sí, la raó última que explica que no s’arribi al 20% de retorn de la inversió, rau en no tenir una cultura de dades.

Quan hi ha una cultura de dades instaurada en una empresa, tothom entén que:

Les dades no són una activitat a banda

Separar els equips de dades dels equips empresarials és una manera segura de no obtenir valor de les vostres dades.

Els algoritmes no aporten valor, és la gent la que aporta valor

El model de previsió més exacte mai no aportarà valor si no hi ha persones al darrere que analitzin i prenguin decisions.

Saber en què centrar-se és clau

Les dades poden resoldre problemes, però saber quins problemes resoldre és la pregunta mare. 

Els equips empresarials han d’entendre les dades

Això no vol dir que sigui necessari convertir l’equip de màrqueting en analistes. El que cal és formar-les en dades i cultura de dades a fi que es puguin sentir còmodes amb l’ús de les dades que tenen i combinar-les perfectament amb la informació de què ja disposen.

Els executius han de comprar la necessitat de la cultura de dades

Els executius han de viure dins de la mentalitat basada en les dades, integrant-la en els seus plans i fent costat als seus equips.

Aleshores, què és la Cultura de dades?

Cultura de dades és un enfocament més humà de les dades. Un enfocament que busca l’alineació entre els equips executius, els equips empresarials i els equips de dades.

Voleu tenir èxit amb les dades?

En primer lloc, heu de fer els esforços per inocular les dades a l’ADN de la vostra organització.

La cultura de les dades ha de permeabilitzar el que pensa cada empleat, de manera que aquests es preguntin constantment: “què ens expliquen les dades?”.

Quan hi ha cultura de dades tothom a l’empresa té una comprensió fonamental de les dades, la qual cosa els permet parlar un llenguatge comú, sovint conegut com Alfabetització de dades. Aquest llenguatge comú genera confiança i fomenta la col·laboració entre l’equip empresarial i els científics de dades.

Tenir cultura de dades obre a les persones l’oportunitat de fer preguntes més grans i més impactants.

Tenir cultura de dades assegura que les persones es trobin còmodes amb una solució matemàtica sofisticada al seu problema, fins i tot si no l’acaben d’entendre del tot.

I el més important, permet que el negoci posi dades damunt la taula que, combinades amb la seva àmplia experiència, permetrà prendre millors decisions.

Voleu utilitzar les dades amb més eficàcia?

Alineeu els vostres equips de ciències de dades amb les persones de negoci per assegurar-vos que es mouen en la mateixa direcció.

Creeu una cultura de dades, ajudeu els vostres empleats a “parlar l’idioma de les dades” i assegureu-vos que l’equip de dades estigui perfectament alineat amb els objectius de l’equip executiu i empresarial. 

Feu això i tots teniu la garantia de veure taxes d’èxit del projecte de dades per sobre del 20%.

Quieres retorno en Data analytics? Promueve la Cultura de datos

Gartner estima que para 2022, el 20 por ciento de los insights de analytics generarán resultados comerciales.

Hoy en día, el mundo de los negocios vive con frustración el escaso retorno que de las inversiones en análisis de datos.

¿Es esto un fracaso de los científicos de datos?

Quizás es que la empresa no pudo contratar a los mejores. O quizás éstos no han trabajado lo suficiente la visualización de datos o el storytelling.

¿O es un fracaso de los ejecutivos?

Quizás no invirtieron lo necesario para poder obtener el rendimiento esperado. 

¿O es un fracaso de las unidades de negocio?

Quizás no valoraban lo que los científicos de datos podían aportar. O tal vez no escucharon las recomendaciones e ideas que se generaban.

O peor aún, la ciencia de datos simplemente no proporciona el valor que esperábamos.

Hoy las empresas se hacen realmente todas estas preguntas.

Y si en un u otro modo la respuesta a cada uno de ellas podría ser parcialmente un sí, la razón última y verdadera de que el retorno de la inversión en datos sea menos del 20%, radica en el hecho de que las empresas carezcan de una cultura de datos.

Una empresa tiene cultura de datos cuando todos entienden que:

  • Los datos no son una actividad aislada

Separar los equipos de datos de los equipos de negocios es una forma segura de nunca obtener valor de los datos.

  • Los algoritmos no agregan valor, la gente sí

El modelo de pronóstico más preciso jamás creado no agrega valor si la empresa no hace algo con él.

  • Saber en qué concentrarse es clave

Los datos pueden resolver problemas, pero saber qué problemas resolver es la verdadera pregunta.

  • Las unidades de negocio deben comprender los datos

No es necesario convertir a todo el equipo de marketing en analistas. Lo que se necesita es armarlos con datos y cultura de datos para que se sientan cómodos con el uso de los datos que tienen y puedan combinarlos a la perfección con el resto de información con la que cuentan.

  • Los ejecutivos necesitan realmente comprar la necesidad de la cultura de datos

Los ejecutivos necesitan vivir dentro de la mentalidad basada en datos, incorporarla a sus planes y llevarla a sus equipos.

Entonces, ¿qué es la cultura de datos?

La cultura de datos es un enfoque más humano de los datos. Un enfoque en el que la atención se centra en la alineación entre las áreas de negocio y los equipos de datos (analizadores de datos y data scientists).

¿Quieres tener éxito con los datos?

Entonces tienes que comprometerte con esforzarte en incorporar los datos en el ADN de tu organización.

La cultura de los datos debe impregnar el modo pensante de todos los empleados de la empresa de modo que constantemente se hagan la siguiente pregunta: “¿qué nos dicen los datos sobre esto?”.

Tener una comprensión fundamental de los datos, permite que los empleados hablen un idioma común, a menudo denominado Data Literacy. Este lenguaje común genera confianza y fomenta la colaboración entre el equipo de negocios y los científicos de datos.

Además, les abre a todos ellos la oportunidad de plantearse preguntas más grandes y más impactantes.

Y lo más importante, permite a la empresa poner datos sobre la mesa que, combinados con la profunda experiencia sobre un tema, le permite tomar una decisión mejorada.

¿Quieres usar los datos de manera más efectiva?

Crea una cultura de datos, ayuda a tus empleados a “hablar el idioma de los datos” y asegúrate que los analistas y científicos de datos estén estrechamente alineados con los objetivos de negocio.

Haz esto y tendrás la garantía alcanzar, y probablemente superar, el 20% de insigths de negocio procedentes del análisis de datos proyectado por Gartner para 2022 según decíamos al inicio del post.

You want ROI on Data analytics? You need to promote Data culture

Gartner estimates that by 2022, 20 percent of analytic insightswill deliver business outcomes. 

Nowadays, the business is frustrated that they’re not seeing nearly any return on data analytics investments. 

Is this a failure of the data scientists? 

Maybe we couldn’t afford the “good” ones. Perhaps they didn’t do enough data visualization or data storytelling?

Perhaps it’s a failure of the executives? 

They didn’t invest as much as they needed to get the return. Or, perhaps they weren’t fully bought into the new data approach.

Perhaps it’s a failure of the business teams?

They didn’t value what the data scientist could bring to the table. Or, perhaps they didn’t listen to the recommendations and insights being generated.

Or worse yet, data science just doesn’t provide the value we thought it did.

People are actually asking all these questions.

And even if somehow the answer to every one of them could be partially a yes, the ultimate and very reason of the far less than a 20% return on the investment lies in not having a data culture.

With Data culture in place, everybody understands that:

  • Data is not a siloed activity

Separating the data teams from the business teams is a surefire way to never get value from your data.

  • Algorithms don’t add value, people do

The most accurate forecast model ever created adds no value if the business doesn’t do something with it.

  • Knowing what to focus on is key

Data can solve problems, but knowing which problems to solve is the real question.

  • Business teams must understand data

There’s no need to turn the marketing team into analysts. What is needed is to arm them with data and data culture for them to become comfortable with using the data they have and blending it seamlessly with what they already know.

  • Executives need to truly bought in

Executives need to live inside the data-driven mindset, building it into their plans and bringing their teams along.

So, What is Data Culture?

Data culture, that is, a more human approach to data, is the solution to Data Science’s woes.

The focus of a human approach to data is one that its focus is on alignment between the executive teams, the business teams, and the data teams.

Want to be successful with data?

Then you must first do the effort of ingraining the data into de core DNA of your organization.

Data culture needs to permeate how each employee thinks, that they have a voice in their heads asking “what does the data tell us about this?”. 

When everybody in the business has a fundamental understanding of data, that allows them to speak a common language, often referred to as Data Literacy. This common language builds trust and encourages collaboration between the business team and the data scientists.

It opens up the opportunity for them to ask bigger, more impactful questions because they know that they can even attempt to ask. 

It ensures that they are more comfortable with a sophisticated mathematical solution to their problem, even if they don’t fully understand it.

And most importantly, it allows the business to bring data to the table, combine it with their deep domain expertise, and make an even better decision than they would have otherwise.

Want to use data more effectively? 

Align your data science teams with leaders and business teams to make sure they’re all moving in the same direction, and basically aware of each other’s needs and capabilities. 

Create a culture of data, help your business team “speak the language of data”, and make sure the data team is tightly aligned with executive & business team objectives. Do this, and you’re all but guaranteed to see data project success rates well above 20%.

Why sampling matters. The Gallup poll.

Read at the classic example of the Literary Digest poll and the Gallup poll trying to predict the results of the 1936 election between Alf Landon and Franklin Roosevelt.

The Literary Digest was wrong because of the method used which in reality was no statistic method at all:

The Literary Digest method was simple: to print up survey blanks and mail them to millions of households across the country. You simply had to fill in your choice for president, Landon or Roosevelt, and mail it back to the Digest.

By contrast, Gallup would conduct biweekly polls of a sample of perhaps 2,000 people — each one chosen, in the time-tested manner of market research, to represent a larger group, including all classes, races and regions. 

http://capitalcentury.com/1935.html

Data literacy? What’s that?

As data increases and is easily accessed by everyone, people and companies need a culture in Data literacy.

Data literacy is the ability to use data properly, that is, read, work with, analyze and argue with data.

The ability to use data properly is essential for companies’ business success as those who can not embrace a culture of data literacy could easily been left behind.

We are data literates when we are able to read data, work with data, analyze data and argue with data.

Let’s look at each of these aspects:

Reading data

Reading means looking at something and comprehending it. Can you and can every member of your organization fully comprehend a graphic form or a table form?

Reading data is a key skill which entails becoming fluent in the language of data, and so, to use with regularity and normality words and concepts such as Histogram, Box plot, Median, Standard deviation, Confidence intervals, …

Working with data.

Different roles within the organization will work in different ways with data. Some of them will need to be able to built code, others will have to be experts in the managing of spread sheets, some others will have to be good at working with data visualization. All of them, from the data scientists and data analyst to the business users, executives and regular employees, will have to be able to work with data at some extent.

Analyzing data

Data analysis is the ability to get results and draw insights from the data.

Analyzing data involves Technical mathematic and Statistics skills.

Argue with data

The definition of arguing is to give reasons or evidences with the aim of persuading others to share our view. To be good at arguing with data you need to be data fluent, have analytical skills, knowing about statistics and to be good at data visualization skills.

With a good arguing with data ability, the Business Intelligence that we have gained with the data analysis will turn into Augmented intelligence, which is the one that comes when the whole organization is aligned with the results and insights of the data driven Business intelligence. And that, this alignment and engagement, only can be done through a good “arguing with data” skill.

Human Customer satisfaction in data’s era

Peter Drucker said in 1954 that the ultimate goal of any business is customer satisfaction and that without having this fact as a premise and mission, business makes no sense.

People relate to those companies that care about our good, those companies that, like good parents, fulfill three main functions:

  • Help us take that step that we know we need to take but for which we seek excuses of all kinds, of conscious and unconscious type
  • Empower and make us happy by facilitating that we can express our creativity and individuality
  • Help us to think in big and offer us experiences that meet the generated expectations

It is important that we become aware that placing the client at the center of the company is a matter of fact and not of mere words or statutes. 

That is what Southwest airlines and Cirque du Soleil do with a brand promise that they have put into practice with an aligned, notorious and motivated user experience: “I will treat you well and you will have fun “

Achieving the above is only possible if you know how, and you really want, to establish a deep and global understanding of the people for whom you are creating a necessary product, service, experience or transformation in their lives.

Companies that succeed today are the ones that employ coaches, psychologists, sociologists, anthropologists and datascience people. And who have customer satisfaction as true mission as Drucker already told us in 1954.

Today, given the great competition imposed by globality, technology and the informed world in which we live, the forms and urgency in the way of satisfying the client have changed; but the ultimate reason, – excellent, human and universal that Drucker advocated – has not changed.

People who make their personal or professional life a surrender to others, understand that if you carry an object in your pocket, or have it in your hands for hours every day, then your relationship with him will be deep, human and emotional.

This is how everyone who participates in satisfying the client (shareholders, CEO and employees) must connect with clients. 

When you behave that this and with some analytics help, then you can get insights that can turn on business profit and people welfare at the same time.

Nicorette, Pfizer’s leading smoking cessation product was not getting the expected results. To cop with that, the company decided to put a group of employees to follow young smokers closely to understand their behaviour beyond the known fact that they were chemically addicted to nicotine.

So, they started to watching their daily lives, following them to their homes and offices, trying to understand how their smoking habits were fitingt in with their desire to stop smoking.

It was then that they encountered something unexpected: Smokers who wanted to quit smoking did not think of their habit as a medical problem. They didn’t want pills to cure anything. They saw their habit as an election over which they had lost control and simply wanted to gain control over that habit. Therefore, Pfizer replaced doctors with their lab coats with a broader program that could cover the life choices of their clients. That is how they started a coaching system via Smartphone.

Los problemas personales y sociales del Anumerismo

El anumerismo, o incapacidad de manejar cómodamente los conceptos fundamentales de número y azar, da dolores de cabeza a muchas personas que, por otra parte, pueden ser considerarlas instruidas e incluso muy instruidas.

Y a nivel social, el anumerismo da lugar a sociedades que

  • Sobrestiman la frecuencia de las coincidencias. Son personas que generalmente dan mucha importancia a todo tipo de correspondencias y, en cambio, dan muy poca importancia a evidencias estadísticas menos glamurosas pero absolutamente concluyentes. 
  • Tienen una marcada tendencia a personalizar. Personas para las que la imagen de la realidad está deformada por sus propias experiencias, o por la atención que los medios de comunicación de masas prestan a los individuos y en las situaciones dramáticas.
  • Creen en la pseudociencia. A la pregunta de por qué no cree en la astrología, el lógico Raymond Smullyan responde con ironía que es Géminis y que los Géminis no creen en la astrología.

Como anécdota sobre el anumerismo, es decir, la incapacidad general de manejar cómodamente conceptos de número y azar, os cuento la del día en que en las noticias del mediodía dijeron que para el siguiente fin de semana se esperaba lluvia para el sábado con una probabilidad del 50% y que sería mismo para el domingo, y la persona de mi lado concluyó que la probabilidad de lluvia el fin de semana era del 100%.

Los efectos del anumerismo, afectan a muchas áreas de nuestras vidas.

A veces con consecuencias inocuas como quedarnos en casa porque estamos convencidos de que la probabilidad de que llueva el fin de semana será del 100%. Otras de menos inocuas como no estimar correctamente la probabilidad de los accidentes de coche y no prevenir de manera razonada el riesgo.

Y no digamos cómo de grave esto es en el campo médico.

Oí una vez un médico que hizo con aplomo tres afirmaciones que demostraban un total desconocimiento matemático sobre un tratamiento:

  • Presenta un riesgo de uno entre un millón
  • Es seguro al 99%
  • Normalmente sale a la perfección

En general no entendemos de probabilidades y no tenemos una representación gráfica mental de grandes magnitudes como un millón de elementos, mil millones de elementos, …

Veámoslo en la siguiente historia:

En una columna sobre anumerismo el Scientific American, el informático Douglas Hofstadter cita el caso de Ideal Toy Company que, al envoltorio del cubo de Rubik afirmaba que el cubo admitía más de 3.000 millones de configuraciones diferentes, es decir, un 3 seguido de 9 ceros.

Si hacemos los cálculos, veremos que las configuraciones posibles son un 4 seguido de 19 ceros, o sea, 40.000.000.000.000.000.000, 40 millones de billones, un número de una magnitud muy superior, y no comparable, a los 3.000 millones anunciados en el envoltorio.

La frase de la envoltura es cierta, pero es muy inexacta, y por tanto no es relevante e incluso desinforma.

Miradlo así. Es como si en la entrada de Madrid hubiese un letrero que dijese: “Madrid, ​​más de 6 habitantes”.

De cara a poder hacer comparaciones y saber manejar grandes números, sobre todo ahora que estamos en la era del Big data, estaría bien que en la escuela nos hicieran pensar (y calcular) cuánto dura un millón de segundos, a saber, once días y medio. Y cuanto duran mil millones de segundos, a saber, 32 años.

Con un conocimiento sobre las magnitudes podríamos tomar más conciencia del alcance de los desastres ambientales y de todo lo que afecta a los presupuestos del estado.

Sería muy interesante poner a los niños y chicos preguntas como las siguientes, y enseñarles a resolverlas y poner en contexto el resultado (*):

  • ¿A qué velocidad crece el cabello humano en km / hora
  • ¿Cuántos cigarrillos se fuman anualmente en Cataluña?
  • Volumen total de la sangre humana existente en el mundo
  • Relación entre la velocidad supersónica del concord y la del caracol
  • Relación entre la velocidad con que un ordenador medio suma diez dígitos y la velocidad de cálculo humana
  • Cuando se tardaría en hacer desaparecer una montaña aislada como el Fujiyama transportándola en camiones.
  • Supongamos que lo que cuenta de Shakespeare es cierto y que Julio César dio su último suspiro diciendo “Tú también, Brutus”. ¿Cuáles son las posibilidades de que haya inhalado una molécula que César exhaló en su último aliento? La sorprendente respuesta es que, con una probabilidad superior al 99 por ciento, acabas de inhalar dicha molécula. ¿Quieres que hagamos el cálculo?

(*) El que quiera conocer las respuestas que pida una formación a medida o nos siga para estar informado de las próximas formaciones en Estadística y Probabilidades y en Data Literacy.

Llegeix-ho en català

Read it in English

Gafas matemáticas

Nuestra sociedad cada vez tiene más facetas cuantitativas, probabilistas y dinámicas. Por ello, cada vez es más importante que los periodistas tengan cultura científica en general y matemática en particular. 

Las matemáticas nos sugieren con frecuencia una aclaración o un punto de vista alternativo.

Empecemos con un ejemplo muy sencillo.

Cuando Rudolph Giuliani, republicano y blanco, ganó la alcaldía de NY frente a David Dinkins, demócrata y negro, los periódicos dijeron que el voto de las personas negras está más influido por motivos raciales que el de las personas blancas.

La prueba invocada era que el 95% de los negros dio su voto al candidato Dinkins mientras que sólo el 75% de los blancos dio su voto al candidato ganador Giuliani.

Esta tabla ilustra lo anterior:

DinkinsGiuliani
Votantes negros955
Votantes blancos2575

La estimación no tuvo en cuenta que muchos votantes negros prefieren votar a cualquier candidato demócrata independientemente de su color de piel. Mientras que los votantes blancos tienen su voto más dividido entre candidatos demócratas y republicanos.

Poniendo en números la afirmación anterior, podemos hacer una tabla como la siguiente, en la cual podemos leer que el 80% de los negros votan a candidatos demócratas mientras que éstos solamente son votados por el 50% de los blancos.

DemòcrataRepublicà
Votantes negros8020
Votantes blancos5050

Rápidamente podemos ver que en el caso concreto de la elección a la alcaldía de NY, el voto de las personas negras para David Dinkins, demócrata y negro, fue un 15% superior al habitual 80% del voto de las personas negras que va para candidatos demócratas, lo que indicaría que el 15% de las personas negras votó a Dinkins por motivos raciales. Pero veamos ahora qué pasó con el voto de las personas blancas.

Su voto para Rudolph Giuliani, blanco y republicano, fue un 25% superior al habitual 50% del voto de las personas blancas para candidatos republicanos lo que indicaría que el 25% de las personas blancas votó a Giuliani por motivos raciales.

Llegeix-ho en català

Read it in English