Drill 01
La espina y los cinco porqués
¿Esto que estoy viendo es el problema o es el síntoma?
Dos herramientas simples para separar lo que duele de lo que lo causa.
Cuándo se saca
Cuando un número se cae y cada área tiene su explicación, todas parcialmente ciertas.
Cómo se usa
- Escribe el problema al final de una línea horizontal. Esa es la espina central, y tiene que ser un hecho medible: "la conversión móvil cayó de 3,4% a 2,7% desde marzo", no "el sitio está malo".
- Abre cuatro a seis ramificaciones con las familias de causas posibles: datos, proceso, personas, sistemas, entorno. Cada una se llena con hipótesis, no con culpables.
- Cuando tengas una hipótesis sólida, aplica los cinco porqués: pregunta "¿por qué pasa esto?" cinco veces seguidas. El quinto casi siempre muestra la causa del sistema, no el síntoma que todos ven.
El truco que casi nadie aplica: la espina se arma con el equipo que opera, no con los gerentes. Los que ejecutan saben dónde está el problema, y nadie se lo pregunta en la reunión de directorio.
Un caso
Un marketplace digital en Alemania.
Lo que se veíaLlevaba meses con un problema en un desarrollo que ya estaba en línea, disponible para los usuarios. Producto revisaba tableros y métricas y no encontraba nada. Desarrollo revisaba y probaba su código y tampoco. Los dos tenían parte de razón, y por eso nadie resolvía nada.
Lo que eraNo estaba en ninguno de los dos lados. Una de las bases de datos recolectaba mal los números: el gatillador del tracking nunca se había creado. Nadie supo cuánto tiempo llevaba así, pero apareció la razón.
En qué terminóSemanas de reuniones, y la causa estaba a dos horas de análisis que nadie había hecho.
Dónde se cae la gente
Confundir la espina con un mapa de culpas. En el momento en que una ramificación dice el nombre de un equipo en vez de un mecanismo, el ejercicio se acabó: nadie va a aportar hipótesis que lo dejen mal parado.
Fuego rápido
4 preguntas sobre esto mismo. Si fallas una, la línea de abajo dice por qué.
Dónde se pone a prueba
Saber el método no es la habilidad. Estos challenges no te dicen cuál usar, y ese es justamente el ejercicio.
- 16Perdimos góndola, ¿dónde?Una caída de un punto y medio en el share global, repartida entre cuatro cadenas y cuatro regiones.
- 17Estamos bajo la industria, ¿en qué?Una lámina comparando el puntaje de experiencia contra el promedio de la industria, etapa por etapa.
- 10Se está cayendo algo, ¿revertimos?Dos semanas después del rollout entra un bug, y la pregunta que llega no es qué pasó sino si se revierte.
Quién lo revisa
Rodrigo Urrea
Analítica · Forecasting · Productos digitales
- 14 años
- Chile · Alemania · EE.UU.
- Varias industrias
- Forecasting
- Productos digitales
- MSc Business Analytics
- AI-ready
Catorce años en analítica, en Chile, Alemania y para compañías en Estados Unidos.
Empecé en consumo masivo y bebidas, donde los pedidos llegaban con apuro y sin contexto. Después forecasting, productos digitales, y empresas sin equipo de datos que necesitaban una respuesta usable el lunes y no el mejor modelo posible. Un MSc en Business Analytics en el camino. Trabajé en varias industrias, y el patrón se repite en todas: el problema casi nunca es la técnica o la herramienta.
Hoy trabajo en construir capacidades AI-ready para tareas de analítica: qué parte del trabajo conviene automatizar y qué parte sigue siendo criterio. La segunda es más grande de lo que parece.
Los 21 challenges salen de pedidos que me hicieron a mí.
LinkedIn ↗Todos mis enlaces ↗