Introducción

De acuerdo con Techjury, en conjunto, las grandes empresas podrían ganar aproximadamente $ 430 mil millones USD si adoptaran un enfoque basado en datos. Lo cual, significaría una mejora sustancial en sus resultados.  

Sabemos que en un futuro tendrás que contratar esta vacante. Por lo tanto, hemos desarrollado un manual completo para facilitar tu labor. Esta es la segunda publicación de la serie.

‍

1. ¿Qué es un Data Analyst? 
2. Las 5 habilidades que debe tener un Data Analyst.
3. Las 5 herramientas que debes considerar en un Data Analyst. 
4. Los 4 KPI que debes considerar en un Data Analyst (Este post).  
5. Las 6 preguntas que debes realizar en tu entrevista con un Data Analyst. 

En este post  te compartimos cuáles son los 5 KPI que debes de considerar en la hoja de vida de un Data Analyst.

1. Número de soluciones de business intelligence presentadas a gerencia 

Business Intelligence o Inteligencia empresarial, es un conjunto de acciones que transforman datos en información relevante para la empresa. Dichas acciones tienen el fin  de generar información que sirva para tomar decisiones. Por lo que, el objetivo es mejorar el desempeño de la compañía y sus resultados. 

‍

Este KPI permite conocer la cantidad de soluciones que un Data Analyst ha aportado en un periodo determinado. Permite tener una incidencia de las ocasiones en que brindó una respuesta ante un problema o situación compleja. Lo cual, permitió que la compañía pudiese definir estrategias, planes de acción o encontrar áreas de oportunidad. 

Puntos positivos que se presentan cuando se entregan un gran número de soluciones: 

• Se puede conocer la efectividad del Data Analyst para entregar soluciones oportunas. 
• La compañía puede obtener más y mejores resultados a corto plazo. 
• Se puede impulsar el crecimiento de la empresa a partir de estrategias determinadas por medio de los datos. 

Un menor número de soluciones entregadas pueden influir en lo siguiente: 

• Los puestos C-level (gerencia) no podrían tomar decisiones que puedan ayudar a la empresa a crecer o encontrar soluciones óptimas a la situación que viven. 
• La capacidad del Data Analyst para brindar información de utilidad sería cuestionada. 
• El desempeño de la compañía se vería afectado a corto o mediano plazo debido a la falta de soluciones.

‍

2. Ahorro de tiempo / costo

El ahorro es el porcentaje de ingresos que la empresa decide no invertir o gastar en nuevos activos. Reserva esa capital fuera de cualquier riesgo para cubrir cualquier posible contingencia. Sin embargo, dichas reservas se reflejan en tiempo y esfuerzos que la empresa puede ocupar para realizar una actividad. 

‍

El KPI refleja la cantidad de recursos que la empresa ha dejado de gastar debido a la optimización de sus procesos. En este caso en específico, la eficiencia en gastos ocurre cuando se han automatizado las tareas de análisis de datos. Por lo que, se obtiene información útil en el menor tiempo y costo posible. 

Un resultado positivo en este indicador puede mostrar lo siguiente:

• La implementación de sistemas de análisis de datos han permitido reducir los costos financieros para la empresa. 
• Se han podido reducir esfuerzos por parte de los colaboradores. Se necesitan menos horas-hombre para recopilar y analizar datos. 

Situaciones que se presentan cuando el indicador es negativo son: 

• El no implementar o desarrollar sistemas automatizados implicaría mayores gastos para la empresa. Lo que indica que aún estarían invirtiendo en encontrar una solución óptima. 
• Los procesos de análisis y extracción de datos aún se llevan a cabo de forma manual. No se han automatizado. 
• El costo de mantener la base de datos no es rentable. 

‍

3. Valor financiero de los datos 

Valor es todo aquello que puede aportarnos un beneficio que necesitamos. Es decir, es la utilidad que obtenemos de una persona o cosa que mejora nuestra calidad de vida. Por lo tanto, nos permiten obtener mejores resultados a comparación de a una situación pasada. 

‍

El KPI mide el beneficio que la empresa pudo obtener a través del uso de los datos. Si el indicador refleja un resultado positivo, demuestra que la información que brindó el analista fue de utilidad para que la empresa pudiese crecer o mejorar. Por lo que, los datos han tenido un impacto efectivo en las ganancias de la empresa. 

Cuando este KPI muestra un resultado positivo se muestran las siguientes situaciones: 

• Los datos han sido factor importante para tomar decisiones. Lo cual, ha permitido que las ganancias incrementen sustancialmente. 
• Un mismo conjunto de datos puede ser útil para diferentes casos o situaciones.  
• El crecimiento de la empresa guarda relación directa con los datos aportados por el Data Analyst. 

Las consecuencias de un resultado negativo en este indicador son: 

• El crecimiento de la empresa se ha visto mermado debido a que el uso de datos no ha tenido el impacto esperado. 
• La presentación de reportes de datos no ha garantizado a la empresa identificar áreas de oportunidad.
• Los datos convertidos en información han sido útiles solo para un caso en particular. 

‍

4. Porcentaje de datos de calidad considerados para el análisis

Los datos representan el valor que les damos a las cosas. Suelen ocuparse un conjunto de estos para analizar el por qué han sucedido ciertas situaciones. Para ello, los datos deberán de ser organizados y contar con una base teórica para llegar a la conclusión o respuesta deseada. 

‍

El KPI mide y evalúa las cualidades de los conjuntos de información que el Data Analyst recuperó. La calidad depende de atributos como exactitud, integridad, coherencia, relevancia, accesibilidad y confiabilidad. Con ello, se puede determinar si la información resulta útil para la toma de decisiones de la empresa. 

Puntos positivos que conllevan a obtener un buen resultado en este KPI son:

• Generar un ciclo de mejora en el proceso de análisis de datos. Ya que, se evita contar con información duplicada o con errores. 
• Supervisar y limpiar los datos constantemente. 
• Construir modelos de análisis que puedan ayudar a identificar datos de valor para la empresa. 

Consecuencias de tener resultados negativos en este KPI son: 

• Los datos extraídos por el analista carecen de sentido y coherencia. 
• No contar con información fiable para la toma de decisiones.
• Los reportes que entrega el Data Analyst a gerencia cuenta con sesgos informativos. Los datos no pasaron por un proceso de limpieza adecuado.

‍

Conclusiones

Cuentas ahora con información importante sobre los KPI que debes de considerar en la hoja de vida de tu candidato a Data Analyst. Toma en cuenta lo anterior en tu siguiente proceso de reclutamiento y selección. Recuerda, lo importante es conocer las métricas con las que se mide el desempeño de tu próximo talento. 

‍

1. ¿Qué es un Data Analyst? 
2. Las 5 habilidades que debe tener un Data Analyst.
3. Las 5 herramientas que debes considerar en un Data Analyst. 
4. Los 4 KPI que debes considerar en un Data Analyst (Este post).  
5. Las 6 preguntas que debes realizar en tu entrevista con un Data Analyst.

Si estás buscando que el reclutamiento de tu próximo Data Analyst sea 100% online, quizá es el mejor momento para iniciar gratuitamente un piloto con Aira y renovar tus herramientas de reclutamiento. ¡Agenda una llamada con nosotros!