El pasado 2 y 3 de junio llevamos a cabo en Madrid la expedición de datos “Into Knowledge” (Adentrándonos en el Conocimiento) con el Instituto de Empresa de Madrid (IE). Más de 35 personas, incluyendo estudiantes de Big Data y MBA de la escuela de negocio del IE, participaron en la resolución del reto de estudiar los niveles de colaboración entre los departamentos del BID. Lo que tiene como finalidad aportar información a nuestra misión de mejorar la forma de abordar los proyectos de desarrollo en América Latina y el Caribe.
Como explicamos en esta entrada de blog, una Expedición de Datos es una actividad de crowdsourcing donde se utilizan métodos analíticos para dar respuesta a un desafío, utilizando herramientas de análisis y visualización de datos. Esta metodología, que funciona a modo de concurso y donde la creatividad se valora positivamente, permite explorar nuevas áreas de estudio sin miedo al fracaso. Dando como resultado nuevos puntos de vista, nuevas herramientas y técnicas para aplicar, y abriendo a la posibilidad de generar debates sanos y constructivos alrededor del tema a tratar.
Para darle contexto a la metodología explicada en dicha entrada de blog, a continuación, vamos a ejemplificar cada uno de los pasos llevados a cabo en esta expedición de datos.
1 Las diferentes etapas
La fase inicial consiste en definir el alcance y preparar los datos. En este caso, el departamento de recursos humanos del BID (quienes plantearon el caso) quería alimentarse de nuevas ideas sobre los niveles de colaboración interna de la organización. Para comunicar claramente el reto a los participantes, trabajamos en la redacción de un documento que contiene: el contexto (en este caso, la estructura organizacional del Banco y su funcionamiento interno); una pregunta principal que enfoca la dirección del análisis; y una serie de preguntas provocadoras que permiten arrancar el desafío. Paralelamente, se simplificaron, limpiaron y anonimizaron los conjuntos de datos a compartir con los participantes.
Durante la fase del Bootcamp, los participantes comenzaron los análisis exploratorios a la vez que resolvían las dudas que iban surgiendo. Para esta sesión, se debe tener en cuenta que los participantes no son parte de la organización y por ende, la definición del caso debe ser clara y concisa.
Finalmente, la sesión de exploración duró 36 horas y participaron 35 estudiantes y 19 mentores. En esta etapa los estudiantes validaron sus hipótesis, crearon visualizaciones de datos o diseñaron algoritmos predictivos. Fue la fase más productiva donde los equipos llevaron a cabo el 80% de sus proyectos. Durante esta sesión fue importante la coordinación entre los mentores, y que estos ofrecieran a los equipos sesiones individuales para planificar sus horas de trabajo durante la sesión.
2 El desafío
El desafío de los estudiantes del IE en Madrid consistió en estudiar los niveles de colaboración entre los distintos departamentos, equipos y proyectos del BID. Este ejercicio busca detectar los nodos dentro de la organización, los flujos de conocimiento y equipos de trabajo exitosos.
3 Expectativas
Antes de comenzar la Expedición de Datos, los participantes necesitaban entender qué esperábamos de ellos. En este caso, durante el Bootcamp organizamos varias sesiones de entrenamiento sobre la naturaleza de los datos y el tipo de análisis que se podía hacer con ellos. Entre otras cosas, compartimos con ellos este video donde Chema Alonso, Jefe de Datos (CDO por sus siglas en inglés) de Telefónica, muestra un estudio de caso sobre la comunicación interna en Telefónica.
Además de esto, para igualar las expectativas de los participantes, también les aconsejamos trabajar con algunas herramientas útiles para este tipo de análisis: Gephi, la librería de R igraph o Tableau, las cuales fueron las más utilizadas en el evento.
4 Los Datos
Los conjuntos de datos son la gasolina de este tipo de evento. En esta ocasión, se liberaron datos anonimizados de los empleados del Banco que forman los distintos equipos de trabajo, las horas dedicadas a cada proyecto y algunas características de los préstamos que ofrece el Banco.
Esta información se plasmó en tres distintos conjuntos de datos que se podían relacionar entre sí. Ahora bien, dado que nos interesaba que los participantes dediquen la mayor parte del tiempo a innovar en sus ideas y no a entender cómo se relacionaban los conjuntos de datos, ofrecimos un conjunto de datos simplificado con información unificada de las tres fuentes. Esto permitió a los participantes comenzar sus análisis desde un punto más avanzado, y por ende, llegar a ideas de análisis más elaboradas.
5 Resultados
La calidad de los proyectos presentados reflejó la seriedad y compromiso que tuvieron los participantes en todo el evento. Aunque sólo se pudo elegir a un ganador, todos los equipos aportaron análisis y puntos de vista muy valiosos. Por ejemplo:
- Encontraron que existen diversas definiciones de “colaboración” entre personas y divisiones.
- Calcularon el número de divisiones involucradas en cada proyecto.
- Calcularon el número medio de horas empleadas a cada tipo de proyecto antes de su aprobación.
- Calcularon (en porcentaje) cuánto trabajo se prestan entre divisiones.
- Crearon el concepto de colaboración “activa” y “pasiva”.
- Segmentaron las divisiones según diferentes variables de colaboración.
En definitiva, los impulsores del evento se llevan una bolsa de nuevas ideas con las que crear nuevos análisis y mejorar la colaboración entre diferentes divisiones del Banco. Por otro lado, los participantes vivieron de primera mano cómo enfrentar un desafío real de análisis de datos. Como una de las participantes comentó, al explorar y analizar datos reales, “realmente he aprendido más de lo que pensaba”.
Lee también este artículo sobre nuestra expedición de datos para abordar la problemática del Zika en Río de Janeiro, Brasil.
Por José Luis Delgado Davara del Departamento de Conocimiento y Aprendizaje del Banco Interamericano de Desarrollo.
Leave a Reply