¿Por qué son importante los datos?

Conceptos clave

• Pese al avance en el análisis de datos, casi todos los gerentes se basan en su instinto para tomar decisiones críticas.
• La aceptación de los datos y las decisiones basadas en la evidencia dan una ventaja competitiva a los ejecutivos de ventas.
• Los datos adecuados pueden ayudar a obtener conocimientos útiles para tomar decisiones mucho mejores.
• La métrica del enfoque simple puede provocar aislamiento y batallas presupuestarias.
• Las empresas deberían determinar primero lo que impulsa e influye en las ventas.
• Reúna datos limpios sobre cada factor o indicio clave del rendimiento.
• Use los datos para hacer análisis descriptivos y descubrir las tendencias esenciales.
• Apliquemos el análisis de diagnóstico para entender por qué las cosas ocurren de la forma en que lo hacen.
• Haga el análisis predictivo para ver qué le dicen los datos sobre lo que va a ocurrir.
• Use el análisis preceptivo para determinar lo que debe hacer a continuación.

Resumen

Una oportunidad poco común para liderar

Los datos masivos y el análisis predictivo se usan en muchos campos, pero ninguna empresa opera un sistema de ventas basado por completo en los datos. La mayoría de los equipos de ventas confía en la experiencia y el instinto, o usan datos históricos que miden el rendimiento de las ventas, no su efectividad. Esas empresas son como un piloto que, ante el mal tiempo, apaga los instrumentos del avión: en lugar de conocer la velocidad, rumbo y altitud, el piloto vuela a ciegas.

“El conocimiento profundo de su empresa, unido a la destreza para el análisis de datos, es una combinación exitosa”.

Usted no necesita volar a ciegas. La tecnología y los métodos analíticos actuales rastrean y analizan la interacción, los hábitos de compra y los productos que prefiere el cliente, el rendimiento del empleado, los paquetes óptimos de ventas, la efectividad de los socios de ventas, la magnitud del acuerdo y muchos otros factores que afectan a las ventas. Toda operación de ventas que analiza los datos adecuados puede predecir qué clientes comprarán, recomendar qué productos ofrecerle e indicar el apoyo que cada vendedor necesita, entre otra información útil. Ese es el propósito del análisis del rendimiento.

Solicite los datos que necesite

Con frecuencia, si surgen problemas en el departamento de ventas, los vendedores culpan a los gerentes de fijar objetivos imprecisos, al equipo de marketing por crear clientes potenciales pésimos y a producción por fabricar productos obsoletos. Producción cuestiona los conocimientos de los vendedores y aprendizaje y desarrollo (AyD) los culpa por no capacitarse. Los vendedores critican la capacitación. Los gerentes de ventas censuran a recursos humanos por las contrataciones inadecuadas y RR. HH. culpa a ventas por las especificaciones de contratación. Y todos piden más dinero.

“Cada conjunto de datos es único y cada problema requiere una solución creativa a la medida”.

Como ejecutivo de ventas que desea poner fin a esa reacción en cadena, usted debe solicitar datos y pruebas. Cuando AyD pida que la capacitación en ventas sea obligatoria, pida las pruebas que demuestren su efectividad: pregunte cómo impulsó el cambio de comportamiento que llevó a más ventas. Si el vicepresidente de ventas insiste en que debe contratar más vendedores, pida pruebas. ¿Por qué el equipo actual no logra su cuota? ¿Por qué son pequeños los paquetes de ventas? ¿Cómo mejoraría los resultados tener más personal? Los datos y su análisis pueden sacarlo de ese atolladero. Las cuotas de ventas optimistas podrían resultar ser la causa, pero la información y el análisis son el mejor medio para fijar objetivos que las activen y dar a los vendedores la información para alcanzarlos.

Compartir los datos

La mayoría de los equipos de marketing, AyD y producción recolectan algunos datos y pueden describir parte de la métrica que usan para medir el avance. AyD se jacta de los muchos empleados que se capacitan y hacen excelentes comentarios después del curso; y producción demuestra las características de los nuevos productos. Por desgracia, RR. HH. no puede hablarle de la efectividad o lo idóneo de los recién contratados; AyD no tiene idea sobre si los asistentes a los cursos cambiaron un solo comportamiento; y el jefe de producción ignora todo sobre el uso que hacen los clientes de las nuevas funciones y sobre qué accesorios influyeron en su decisión de compra.

“A medida que un proyecto analítico avanza y los éxitos se acumulan, muchos que antes eran escépticos se vuelven creyentes; y algunos incluso serán sus embajadores y defensores”.

La métrica de enfoque simple puede provocar aislamiento y batallas presupuestarias, pero usted puede lograr mejores resultados si todo el personal implicado entiende la forma como sus actividades afectan a todo componente del ciclo de ventas. Por ejemplo: saber cuál fue el rendimiento de los vendedores en su primer año ayudará a RR. HH. a contratar personal con las habilidades y el comportamiento de los veteranos más exitosos. Con esos datos, AyD puede diseñar programas de capacitación que satisfagan las necesidades específicas de cada vendedor. Compartir los datos un escaño más arriba, entre las divisiones que impulsan y apoyan a ventas, resulta en mejores discusiones y mejor trabajo en equipo.

Formación del equipo de análisis de datos

Asegure el liderazgo de un alto ejecutivo creíble e importante. Con un jefe o un alto ejecutivo como patrocinador, seleccione al departamento de ventas y a cada equipo que lo apoye. Pida voluntarios, pero elija a los que acepten el cambio y a los que pueda confiar datos confidenciales. Busque innovadores con influencia. Reclute al menos un escéptico que desafíe sus hallazgos. Si necesita experiencia externa, elija con prudencia. Considere el estado de sus datos y sopese la contratación externa contra el desarrollo interno de la capacidad. A menudo, combinar la pericia externa con la interna funciona mejor, pues es posible que los consultores externos no conozcan su giro comercial.

“Cuando no hay datos de calidad, es difícil obtener información útil sobre lo que impulsa las ventas; y, sin comprender qué las impulsa, es difícil solucionar problemas”.

Si necesita ayuda externa, busque un experto en datos con capacidad comercial y analítica y con buenas referencias y recomendaciones. Ya reunido su equipo, establezca una comunicación clara sobre su política de datos y sus intenciones éticas respecto a su recolección y uso. Debe evitar que los empleados se sientan manipulados u obligados debido una percepción errónea de que la firma podría hacer un mal uso de su información personal; permita que opten por no participar.

Indicadores clave del rendimiento (ICR)

Empiece a transformar su fuerza de ventas en una operación basada en los datos, identificando las variables que influyen en las ventas. Considere las relaciones entre las variables y represéntelas en un diagrama. Es el inicio de su “mapa ICR”, que lo ayudará a ver las relaciones que hacen que su negocio funcione. Determine las variables principales de sus ICR; por ejemplo: si su equipo de ventas no genera ingresos suficientes, ¿se debe a que tiene muy pocos vendedores o a que no hacen suficientes ventas? Pregunte cuántos logran o exceden su cuota. Reducir el problema al número de vendedores suele llevar a pocas soluciones que no sean pagar por más personal.

“Solucionar el problema preciso con datos erróneos es mejor que invertir en un problema totalmente erróneo”.

Cuantos más ICR encuentre su equipo, mejor. No critique sus ideas. Asegúrese de que puede medir cualquier ICR que decida usar; por ejemplo: la satisfacción, motivación y compromiso de los vendedores son una posible variable importante, pero casi todas las empresas declaran confidenciales las respuestas del personal a las encuestas de compromiso, por lo que esos datos no están disponibles. Si no puede medir el compromiso individual, elimine ese ICR. Cuando su equipo identifique los indicadores de éxito de las ventas, asegurémonos de que puedan expresarlos como ICR; por ejemplo: saber cuántas oportunidades de venta reales resultan de las ofertas a plazos es útil, pero no es un ICR. Mejor exprese la relación entre las oportunidades de venta y las ventas exitosas a plazos como la “duración media del contrato” que logran los vendedores. Al final, el resultado de la lluvia de ideas será algo así como un gráfico orgánico de los ICR.

“Crear una estrategia holística y sinérgica y un enfoque sistemático de los datos y las ventas es una idea cuya hora ha llegado”.

Variable principal

Su variable principal –el resultado crítico al que todos los otros ICR llevan– debe aparecer en la parte superior de su gráfico; por ejemplo: total de reservas de los vendedores. Abajo, incluya las categorías de ICR; así, si el tamaño medio del trato es importante para el total de reservas de los vendedores, póngalo en el siguiente nivel. Bajo él, registre todos los IRC que impulsan el tamaño medio del trato. Su gráfico puede terminar con cientos de ICR: por ahora, conserve los que sean significativos y mensurables.

Reúna los datos

Una vez listados sus ICR, defina cada uno, cite los datos que lo apoyan e identifique su métrica; por ejemplo: si una variable tiene la magnitud media del trato por vendedor, identifique los factores que intervienen en la medición. En ese caso, quizá sería el valor total de las oportunidades dividido entre el total de oportunidades por vendedor; acepte lo que constituya una oportunidad; y determine dónde encontrar los datos. La mayoría de las grandes empresas conservan datos en múltiples sistemas, como los de información de RR. HH. y los de gestión del aprendizaje. A veces, los datos están solamente en algunas ordenadors o fuera de la compañía: explique su necesidad de la información, y de su transparencia y revelación completas, y obtenga el apoyo de quienes los posean.

“El análisis de datos es más valioso cuando no se considera simplemente como una herramienta para resolver problemas, sino como una forma de pensar para aumentar la efectividad en general”.

Limpiar datos

Cuando ya tenga los datos, debe “limpiarlos”. Los errores de captura o los conjuntos incompletos arrojan resultados poco fiables. Encontrar y evaluar los datos también podría eliminar algunos ICR. En algunos casos, no podrá encontrar los datos que necesita; en otros, estarán incompletos o corrompidos. Limite sus ICR y asegurémonos de que pueda comparar las variables restantes con los datos disponibles; por ejemplo: digamos que selecciona el precio de venta por unidad como un ICR; para derivar una cifra, necesita datos sobre el precio total de venta y el número de unidades. Algunos ICR requerirán más de dos campos de datos y podrían requerir fórmulas complejas. Descarte los datos atípicos, números que parecen extremos contra la media. Si una variable usa una escala reducida, digamos de 1 a 10, y otra, de 1 a 100, normalice los datos para que sus resultados no se distorsionen.

Tipos de análisis

Ya limpios los datos, puede empezar su análisis. Haga cuatro tipos de análisis:

1. Análisis descriptivo

   – La mayoría de las compañías hacen este análisis, pero es el menos riguroso de los cuatro: se refiere al pasado. Descubre tendencias y las muestra en gráficos o tableros y los datos alertan a los líderes sobre problemas u oportunidades futuras. Un buen análisis descriptivo es resultado de preguntar sobre las variables y cómo se afectan entre sí. Puede tener que hacer muchas preguntas para obtener una o algunas respuestas valiosas, pero que serán de gran impacto; por ejemplo: podría enterarse de que los ingresos por las ventas son más una función de las oportunidades generadas o una combinación de los productos lanzados y la asistencia a cierto curso o de la titularidad de los vendedores, el tamaño del territorio y los resultados pasados.

2. Análisis de diagnóstico

   – Este análisis es para saber por qué ocurrió algo. Se basa en técnicas estadísticas más avanzadas para descubrir las relaciones entre los elementos de los datos; por ejemplo: al aislar decenas de variables para compararlas con una sola, puede estimar qué factor causó qué efecto. Asimismo, puede ayudar a determinar por qué algunos vendedores son altamente eficaces y otros languidecen. Puede diseñar una mejor capacitación, aconsejar a los vendedores en las áreas precisas donde necesitan ayuda y contratar vendedores más adecuados.

3. Análisis predictivo

   – Normalmente, avanzará del análisis descriptivo al diagnóstico y, luego, al predictivo. Una vez que sepa qué y por qué, usará los datos para obtener información más valiosa. Con los algoritmos, puede hacer pronósticos más precisos al correr los datos a través de miles, incluso millones de relaciones y correlaciones posibles. En ventas, puede incluir pronósticos sobre quiénes comprarán qué productos y por qué. Use grandes conjuntos de datos para “adiestrar” sus modelos predictivos.

Digamos que tiene un año de datos sobre los ICR de un vendedor en particular: para probar lo bien que el rendimiento del vendedor para lograr esos ICR predice las ventas reales, tome los primeros seis meses de ICR de la mitad de sus vendedores (grupo 1) y añada un año de sus “datos de cumplimiento” y determine lo fuerte de la relación entre los ICR y las ventas. Ese es ya su modelo predictivo; pero es necesario que sea bueno para tomar decisiones, así que pruébelo primero: tome los datos de los ICR del resto de los vendedores (grupo 2) y córralos contra el mismo modelo. Por separado, corra el segundo conjunto de datos de los ICR de los vendedores contra su cumplimiento de todo el año. Cuanto menor sea la diferencia de los resultados entre los dos grupos tanto más válido es su modelo predictivo.

4. Análisis prescriptivo

   – El saber lo que ocurrió, por qué ocurrió y qué podría ocurrir después lleva a la pregunta lógica: ¿qué se debe hacer? El análisis prescriptivo se basa en algoritmos complejos para, a partir de los datos prescriptivos y predictivos, sugerir decisiones óptimas y sus consecuencias. Los resultados que obtenga de este análisis pueden dar a cada vendedor “planes de acción personalizados” que detallen con precisión lo que deben hacer para lograr más ventas; por ejemplo: usted puede determinar qué productos deben agrupar para qué clientes, a qué cursos de capacitación deben asistir y cuándo y a qué prospectos deben dar prioridad con base en modelos que predicen las probabilidades de un cierre.

De las adivinanzas al conocimiento real

El análisis de datos ayuda a las empresas a pasar de las adivinanzas al conocimiento basado en las pruebas que mejora los resultados. Al combinar la analítica con el conocimiento de su negocio, puede obtener ideas que ayudarán a sus vendedores a abandonar sus hábitos improductivos. Aun los escépticos cambian de idea cuando la documentación muestra que capacitarse o enfocarse en una combinación particular de productos genera ventas. Apliquemos la analítica a proyectos discretos específicos. Atraiga conversos acumulando éxitos pequeños y compartiéndolos en la empresa. Expanda gradualmente el alcance de sus iniciativas de datos para crear una cultura basada en los datos en toda la empresa.