Ganar con datos: transforme su cultura, capacite a su gente y dé forma al futuro

barra de progreso

Ganar con datos: resumen y revisión

Palabras clave:Análisis, Analítica, Negocios, Datos, Métricas, Información, Infraestructura, Inversores, Operacionalizar, Puesta en marcha

Tenga en cuenta:Hay enlaces a otras reseñas, resúmenes y recursos al final de esta publicación.

Reseña del libro

En el mundo actual, los datos están cambiando todas las industrias. Los datos son el futuro, y las empresas que saben cómo utilizarlos y ponerlos en funcionamiento tienen una gran ventaja sobre aquellas que no lo saben. Para tener éxito en este entorno que cambia rápidamente, todos en una empresa deben tener acceso inmediato a la información que necesitan para tomar las mejores decisiones.Ganar con datosofrece asesoramiento sobre cómo las empresas pueden seguir creciendo y evolucionando a través del análisis estratégico de datos.

La llegada de los teléfonos móviles ha aumentado exponencialmente la necesidad y el deseo de datos de todos. La gente espera datos. Están acostumbrados a que sus preguntas sean respondidas de inmediato. En este entorno rico en datos, es importante evitar sesgos y errores de percepción comunes. Dentro de una empresa, los equipos de datos pueden ser una fuerza importante para reducir los sesgos y facilitar la alfabetización en datos. El equipo debería enseñar a sus colegas a utilizar bien los datos; También deberían ayudar a las personas a aprender a comunicarse sobre los datos con mayor claridad.

Las métricas pueden tener un efecto profundo en el proceso y reflejar la ventaja competitiva de una empresa, pero esa no es toda la historia. Una empresa es más que sus métricas. Una empresa también necesita valores bien definidos. Y necesita a las personas adecuadas: personas con honestidad intelectual; gente con curiosidad; personas que utilizarán métricas para responder preguntas.

Los coautores deGanar con datosambos tienen experiencia en industrias con gran densidad de datos. Tomasz Tunguz es un capitalista de riesgo en Redpoint Ventures y su blog promueve consejos basados en datos para nuevas empresas. Frank Bien, un firme creyente en el trabajo en equipo y la cultura corporativa positiva, es el director ejecutivo de Looker, una plataforma de inteligencia empresarial. Aquellos que estén interesados en conocer las carreras de los autores y cómo llegaron a esta colaboración deben leer la introducción.

Tunguz y Bien utilizan muchos ejemplos tomados de sus propias experiencias y de otras empresas conocidas: el uso de datos por parte de Venmo para mejorar sus productos; la disrupción de Warby Parker en un mercado multimillonario; La capacidad de ThredUp para procesar miles de artículos al día.

Ganar con datosofrece consejos para ayudar a las empresas a navegar en un mundo feliz. Las recomendaciones de los autores para crear una empresa basada en datos se desglosan paso a paso, e incluyen: crear un léxico universal; revitalizar la cultura del equipo; mantener las reuniones encaminadas; y realizar presentaciones de calidad. Esta descripción general no técnica explica adecuadamente cómo el uso estratégico de los datos puede brindarle a cualquier empresa una ventaja competitiva.

Resumen

Capítulo 1

El negocio de la publicidad solía favorecer el tipo de enfoques creativos que se muestran en el programa de televisión.Hombres Locos. Hoy en día, las matemáticas impulsan la estrategia mucho más que la creatividad. En lugar deHombres Locos, los profesionales de la publicidad son Hombres Matemáticos: la Tecnología de la Información proporciona las herramientas para desarrollar campañas; los algoritmos guían la toma de decisiones; Casi todo el trabajo se realiza en computadoras. Ha cambiado bastante desde elHombres Locosdías.

Los datos han transformado una amplia gama de campos diversos, no solo la publicidad. Los datos son el futuro y las empresas deben entender cómo usarlos y evolucionar con ellos.

En una empresa que tiene datos operativos, los datos impulsan el comportamiento de todos los empleados. Por ejemplo, Uber no posee inventario; todo el negocio se basa en datos. La compañía despacha a los conductores de manera mucho más eficiente que las compañías de taxis tradicionales, y mantiene una alta satisfacción a través de un sistema de retroalimentación que identifica fácilmente a los conductores con problemas. Datos = operacionalizados.

Los datos instantáneos se han vuelto cruciales y la demanda de información instantánea está creciendo. Queremos que nuestras preguntas sean respondidas de inmediato (!). Debido a que a las personas les tomaba demasiado tiempo obtener información en su empresa, históricamente los datos se han utilizado como una herramienta para medir el desempeño pasado. Sin embargo, las empresas con una buena infraestructura de datos pueden producir información y tomar decisiones basadas en métricas actuales. Estas empresas pueden garantizar que los datos lleguen a donde deben estar y delante de quienes los necesitan, al instante. Las cadenas de suministro ineficientes (las personas, los procesos y los programas que tocan los datos) dan como resultado datos lentos, donde hay más personas que los buscan que los que los suministran. Esto fue un problema en el pasado, pero hoy somos ricos en datos y siempre hay más que recolectar.

Sin embargo, el volumen de datos hace que clasificarlos sea más difícil y requiere más tiempo de lo que solía ser. Es posible que las pequeñas empresas no tengan personal de análisis de datos, y la creación y ejecución de consultas e informes puede resultar abrumadora. Sin acceso a datos adecuados, las empresas se acostumbran a tomar decisiones basadas en opiniones. Esta nunca es la mejor manera de administrar un negocio y podría ser una señal de que una empresa necesita construir una nueva cadena de suministro de datos.

Algunas empresas tienen equipos completos dedicados a garantizar la uniformidad en la forma en que se miden, describen y utilizan los datos. Ellos dan tutoría a otros en la empresa y los capacitan para usar los datos de manera creativa. Los equipos de datos democratizan el acceso a los datos al ayudar a todos a comprender mejor cómo hacer avanzar la empresa utilizando datos en lugar de opiniones.

Capitulo 2

Hay algunos problemas con los datos que son característicos de nuestra época.

Los curiosos etimológicos estarán interesados en conocer a los Fleischmann, panaderos checos que emigraron a los Estados Unidos y se hicieron famosos por la levadura para hornear que todavía se vende en los supermercados. Los Fleischmann hacían pan todos los días y al final del día siempre les sobraba algo que regalaban a los pobres. Las filas de personas que esperaban este pan gratis se conocieron comolíneas de pan. Hoy en día, hay líneas de pan para los pobres en datos. La gente espera la información que necesita como un pobre espera el pan. Se priorizan algunas solicitudes de datos; otras solicitudes quedan en espera. Las líneas de distribución de datos causan múltiples problemas:

La gente tiene que esperar los datos. Esto ralentiza el proceso de toma de decisiones, lo que, a su vez, ralentiza la empresa.
La gente se impacienta y, a veces, toma decisiones sin esperar los datos. Las conjeturas desinformadas rara vez conducen a buenos resultados.
Cuidar la línea de pan consume energía del equipo de gestión de datos, obstaculiza su potencial y desperdicia sus talentos.

La oscuridad de los datos también es problemática. El tiempo de respuesta y la precisión se ralentizan cuando los datos están desorganizados. Eventualmente, una empresa puede perder la confianza en sus datos.

La fragmentación de datos es otro problema. Cuando las personas no pueden obtener los datos que necesitan, encuentran una manera de capturarlos y crear sus propias bases de datos. Los analistas deshonestos y las bases de datos ocultas a menudo ignoran los procesos normales de validación y actualización, manteniendo la información en silos.

Por último, las peleas por los datos crean problemas importantes para las empresas. La segmentación de datos puede crear áreas de desalineación. Si no hay coherencia en la información, las personas empiezan a desconfiar del punto de vista de los demás. No están de acuerdo; ellos discuten; Ellos pelean. Todas las personas en las empresas deben estar en la misma página. Tienen que utilizar las mismas métricas y el mismo léxico.

Capítulo 3

Los sistemas de inteligencia empresarial tradicionalmente tienen tres capas: una base de datos almacena los datos; un almacén de datos recopila los datos de la base de datos y los agrega; y una capa de visualización de formatos y presentación de informes para el usuario final. Este es un sistema viejo y chirriante en el que se deben escribir nuevas consultas para nuevos informes cada vez que se hace una pregunta diferente.

Cuando eran una pequeña startup, Google tenía grandes cantidades de datos, pero no podían pagar las tarifas de la base de datos de Oracle. Para solucionar este problema, compraron sus propios servidores y distribuyeron sus datos entre ellos. La estrategia funcionó y, como seguramente sabrá, Google es un modelo de gestión de datos en la actualidad. La empresa ha generado cantidades obscenas de datos y los empleados de Google utilizan estos datos para todo tipo de investigaciones y análisis.

El análisis de datos también se toma en serio en Facebook, que ha desarrollado una serie de tecnologías diferentes para proporcionar a los empleados acceso a los datos. Una interfaz, HiPal, facilita a los analistas la búsqueda de datos. Los usuarios que no están familiarizados con SQL (lenguaje de consulta estructurado (SQL)) pueden realizar el mismo tipo de análisis utilizando estas tecnologías de la empresa que con SQL. Otras empresas, como LinkedIn, utilizan una infraestructura de datos similar.

Looker es un nuevo tipo de interfaz de datos. Crea una versión única de todo para ser utilizada por toda la organización, mejorando significativamente la integridad de los datos.

La recopilación de datos extremos es la nueva normalidad; todas las grandes empresas tienen estas bases de datos de alto rendimiento. Son muy rápidos, el almacenamiento es barato y hay mucho espacio y capacidad. Dados estos avances, es necesario actualizar todo el enfoque de la analítica. Se pueden acumular grandes cantidades de información y los trabajadores inteligentes están acostumbrados a tener acceso a los datos. Necesitan herramientas sofisticadas para satisfacer necesidades de información sofisticadas. Y cuanto más fácil sea utilizar las herramientas, más gente las utilizará.

En estos días, hay muchos datos para explorar y la gente tiene la libertad de explorarlos. Este es el tejido de datos del mundo moderno.

Una lección rápida sobre la historia de la tecnología de datos: La base de datos fue inventada en 1970 por un empleado de IBM llamado Edgar Cook. Oracle Systems se convirtió en el desarrollador dominante de bases de datos y ganó mucho dinero almacenando datos en sus bases de datos. En la década de 1990, otras empresas introdujeron software que facilitaba el uso de bases de datos y minimizaba los gastos de bases de datos.

Capítulo 4

Normalmente, las empresas utilizan los datos para analizar lo que sucedió en el pasado. La nueva forma es operacionalizar los datos y usarlos para comprender los eventos a medida que ocurren.

En el pasado, la ropa y las telas eran tan caras que incluso los aristócratas compraban ropa usada. La gente llamada Strazzaroli se dedicaba a la venta de ropa usada de alta gama. Pero a medida que la revolución industrial se aceleró, la ropa se volvió más barata y los Strazzaroli perdieron sus medios de vida. Avance rápido hasta una empresa de envíos moderna, The RealReal. Utilizan informes en tiempo real para ver qué hay en su almacén y cómo se mueve todo en la cadena de valor. Todos en la empresa tienen acceso a la misma información; todos pueden reaccionar a los datos en tiempo real. Diseño, marketing, finanzas, operaciones: todos pueden utilizar la información instantánea en beneficio de la empresa.

ThredUp es otro distribuidor de ropa usada. Además de rastrear y procesar la mercadería, ThredUp usa datos para predecir qué tipo de ropa habrá demanda en un momento dado. La gestión de sus datos les ayudó a escalar rápidamente después de su lanzamiento.

Las empresas dedican demasiado tiempo a trivialidades. Las reuniones consumen el tiempo de todos. Esto es pérdida de productividad. Sin embargo, los datos correctos reducen el tiempo de la reunión porque ayudan a las personas a centrarse en las preguntas correctas.

HubSpot, proveedores de software de automatización de marketing, rastrea cinco métricas para evaluar el desempeño de su personal de ventas. El personal de ventas puede acceder a su propio panel para ver cómo están progresando hacia sus objetivos. Looker, mencionado anteriormente, también creó una herramienta para rastrear el desempeño de las ventas. El personal de ventas puede ver qué tan cerca están de cumplir con su cuota, así como monitorear lo que tienen en proceso. Zendesk, proveedores de soluciones de servicio al cliente, utilizan encuestas de clientes de NPS para generar datos, lo que les ha ayudado a mantener un crecimiento impresionante.

Los datos son una parte importante de cualquier negocio moderno exitoso. Desempeña un papel importante en la comercialización del inventario, respondiendo a las solicitudes de los clientes, aumentando la fuerza de ventas en el momento adecuado y aumentando la velocidad de reacción.

Este capítulo es rico en consejos de los autores:

Es importante tener las mismas métricas en toda la empresa. Considere la posibilidad de formalizar y estandarizar utilizando algo parecido a un diccionario de datos. Es necesario tener un léxico común.
Sea brutalmente honesto, o al menos apunte a ese ideal. La gente no debería ser sensible. Deja ir tu ego; aceptar las críticas.

La toma de decisiones puede ser realmente arbitraria si no está respaldada con datos. Cuanta más información tengamos, mejores decisiones tomaremos.

Capítulo 5

La curiosidad es una emoción humana básica y, según los autores, la mejor manera de transformar la cultura de una empresa en una basada en datos. Los empleados deberían sentir curiosidad. Deben tener la capacidad de buscar la información que les interesa y deben poder probar sus hipótesis.

Cuando una empresa se ve impulsada por los datos, se pueden esperar algunos cambios culturales:

La empresa comienza a utilizar datos para tomar decisiones.
La empresa obtiene las mejores ideas de todos, no solo de los ejecutivos.
La empresa fomenta la experimentación y las sorpresas.

Experimentar es importante. Para demostrar el valor de la experimentación, los autores analizan el producto de gestión de nómina de Intuit, Paycycle. Los gerentes de producto pensaron en implementar una función que permitiera a los empleadores emitir cheques de inmediato, pero las investigaciones indicaron que los clientes no estarían interesados en dicha función. Decidieron probar la función de todos modos y terminó siendo sorprendentemente popular. La cultura adecuada comienza con empleados curiosos; comienza con personas que hacen preguntas.

Encontrar gente curiosa es importante y comienza con el proceso de contratación. Pero las entrevistas de contratación no suelen ser muy informativas. Pueden ser bastante desordenados. En cambio, los autores sugieren que debería haber un proceso sistemático que podría incluir determinar las cualidades deseables de un candidato, elaborar preguntas de entrevista que aborden estas cualidades y calificar a los candidatos según los atributos deseados. Gana el candidato con mejor puntuación.

Las métricas de reclutamiento son útiles para evaluar las prácticas de contratación; por ejemplo, la cantidad de candidatos calificados que pasan una entrevista telefónica, el tiempo desde el primer contacto con un candidato hasta la oferta firmada, etc. Para monitorear la satisfacción, puede encuestar a los candidatos después de las entrevistas para ver qué pensaron en la experiencia. Otra métrica importante es la tasa de aceptación de ofertas (el porcentaje de personas que aceptan ofertas de trabajo). Calcule las contrataciones hasta el objetivo dividiendo el número de contrataciones por el objetivo de contratación.

Al final del día, usted quiere empleados que se ajusten a la cultura de la empresa. Pero ¿cómo se mide la cultura? Utilice encuestas y otras herramientas para establecer un diálogo entre la dirección y los empleados sobre la empresa. ¿Cuáles son los objetivos de las personas? ¿Qué les gusta de la empresa? ¿Qué comentarios pueden dar? Este proceso continúa hasta que los valores de la empresa cristalizan y pueden registrarse.

Aclarar estas piezas hará que sea más fácil para el entrevistador determinar hasta qué punto los valores de un candidato encajan bien. Por ejemplo, si su empresa valora el servicio al cliente de alta calidad, puede pedirle a un empleado un ejemplo de una ocasión en la que ayudó a un cliente.

Google lleva las métricas un paso más allá que todos los demás. Miden absolutamente todo lo relacionado con el proceso de contratación y brindan mucha retroalimentación a su personal de recursos humanos. Los entrevistadores reciben información de forma rutinaria para mejorar su desempeño.

Capítulo 6

Una vez que tenga empleados curiosos, espere que le hagan preguntas, lo que inicia la progresión típica en las empresas basadas en datos:

Paso uno: las personas que necesitan información preguntan a uno de los ingenieros que ayudaron a crear y construir los sistemas de datos. A medida que la empresa crece, esto se convierte en una carga para los ingenieros.
Paso dos: el equipo toma prestada una solución de otro lugar. La gente utiliza software u otras herramientas de otro departamento u otra empresa. Adaptado a los datos de otra persona, es posible que esto no sea una buena opción.
Paso tres: el equipo obtiene los datos sin procesar y escribe sus propias consultas.

Twilio tenía dos tipos de buscadores de datos. Por un lado, el equipo de datos sabía todo sobre la infraestructura de datos y cómo usarla. Les gustaba tener informes que pudieran ejecutarse varias veces y entregarse a la audiencia adecuada. Por otro lado, el resto de la empresa quería una interfaz simple que les permitiera navegar a través de los datos. Satisfacer a estos dos grupos tan diferentes es una misión crítica de la infraestructura de datos.

También es problemática la descentralización de la autoridad de compras de TI. Los jefes de equipo y los departamentos compran cada vez más software, lo que elimina al equipo de datos del circuito. (Esta falta de responsabilidad ante el departamento de tecnología se llama Shadow IT). Los proveedores están felices de complacer y ofrecer soluciones personalizadas a sus clientes gerenciales, pero esto conduce a la fragmentación de datos, donde diferentes departamentos y unidades tienen diferentes versiones de la verdad.

Los equipos de datos necesitan transformar la arquitectura de datos para dar más poder a los usuarios. Los usuarios finales deben decidir qué herramientas de informes utilizar. La función del equipo de datos es respaldar la infraestructura para que los usuarios puedan analizar los datos. Las bases de datos en la nube deberían funcionar con las bases de datos de la empresa local.

El tejido de datos (la matriz de información dentro de la empresa) debe ser accesible para todos, y una forma de estandarizarlo es mediante el modelado de datos. Todos en la empresa deben utilizar los mismos números y hablar el mismo idioma. La coherencia es muy importante. Los científicos e ingenieros pueden comprender la arquitectura de datos de una empresa, pero no todos los demás. Data fabric pone la información a disposición de todos.

Capítulo 7

Durante la Segunda Guerra Mundial, un grupo de matemáticos y estadísticos celebraron reuniones secretas en Nueva York donde analizaron datos militares y formularon recomendaciones a Washington (que fueron seguidas con frecuencia). La Fuerza Aérea le había pedido a uno de los chicos del equipo, Abraham Wald, que diseñara blindajes para aviones. Los datos de los aviones que regresaron mostraron que la mayoría de los agujeros de bala estaban ubicados alrededor de la cola del artillero y las alas, por lo que la gente pensó que estas eran las áreas que debían usar el blindaje. (El blindaje era pesado, por lo que no podían simplemente aplicarlo sobre todo el avión. Tenían que ser selectivos). Pero Abraham Wald señaló que los aviones a los que les habían disparado en las alas eran los aviones que vivieron para contar la historia. Los autores cuentan esta historia para ilustrar la importancia de evitar el sesgo de datos.

Existen muchas trampas potenciales, muchos tipos de sesgos de datos, que pueden impedirle comprender los datos:

Sesgo de supervivencia: cada vez que elimina datos de su análisis, corre el riesgo de obtener resultados distorsionados. La correlación no es causalidad; El hecho de que dos cosas parezcan ir juntas no significa que una haya causado la otra.
Sesgo de anclaje: esto ocurre cuando alguien le sugiere un valor y afecta su propia estimación. Por ejemplo, si pregunto si Gandhi tenía más de 114 años cuando murió, su respuesta probablemente sería diferente a si le preguntara si tenía más de 35 años.
Sesgo de disponibilidad: si ve que sucede algo o escucha cómo sucedió de alguien que conoce, le parecerá una ocurrencia mucho más común.

Puede tener ilusiones de validez y creer que recopilar más datos ayudará a predecir el futuro, pero hay muchas formas en las que puede fallar al interpretar los datos correctamente. Ten cuidado.

Los nuevos empleados de Facebook asisten a un campamento de datos de dos semanas para conocer mejor los datos. Esto les da a todos un trasfondo común para discutir problemas y oportunidades. Aprenden sobre las herramientas y los conjuntos de datos disponibles. También tienen la oportunidad de trabajar en proyectos para ampliar sus conocimientos. Los equipos de datos pueden hacer mucho para reunirse con los empleados y aumentar el conocimiento de los datos en toda la empresa. Abordar la cultura de la empresa de esta manera es una parte importante de su trabajo.

Capítulo 8

La analítica descriptiva pregunta qué sucedió; el análisis de diagnóstico pregunta por qué. (Los tableros, que en cierto modo son difamados a lo largo de este libro, son interfaces de análisis descriptivo).

Los análisis descriptivos y de diagnóstico miran al pasado, mientras que los análisis predictivos y prescriptivos tratan del futuro. El análisis predictivo utiliza datos históricos para predecir resultados futuros. Los analistas pueden plantear preguntas hipotéticas de tipo "¿Qué pasaría si?" para decidir qué camino tomar. El análisis prescriptivo recomienda el curso de acción basado en los datos. Esto requiere muchos datos y análisis sofisticados.

El viaje a la sofisticación de datos es un modelo desarrollado por Gartner, una agencia de investigación de mercados. Data Sophistication mapea la evolución de un equipo desde el análisis descriptivo al análisis de diagnóstico y desde el análisis predictivo al prescriptivo. Pero Gartner pasa por alto algo entre el análisis de diagnóstico y el análisis predictivo: el análisis exploratorio. Esto nos ayuda a encontrar una hipótesis; esto pregunta "¿por qué?" El análisis confirmativo se utiliza para determinar si una hipótesis es cierta.

Los datos sólo son útiles si puedes actuar en consecuencia. La recopilación de datos sin ningún motivo real no tiene ningún propósito real. Por otro lado, no siempre se sabe qué métricas serán procesables hasta que haya realizado un análisis. Es bueno tener un equilibrio.

Ciertas métricas están probadas y son verdaderas. El valor de vida de un cliente (LTV) es una estimación del beneficio bruto total que se obtendrá de un cliente a lo largo del tiempo. El costo de adquisición de clientes (CAC) es el total de todos los gastos de ventas y marketing promediados para un cliente. La relación LTV/CAC indica la eficiencia con la que una empresa obtiene ingresos. Pero a veces se pueden adaptar nuevas métricas para adaptarlas a una situación, y la creación de nuevas métricas puede descubrir nuevas oportunidades. El sitio de mMedia Upworthy rastrea varias métricas para evaluar qué factores hacen que su contenido sea más popular, pero necesitaban más información, por lo que inventaron una métrica completamente nueva para medir la atención real del usuario (es decir, sin tener en cuenta los momentos en los que se abre una página web pero el lector fue a darle de comer al gato). .

Diseñar un experimento. Determinar la capacidad de acción. Los datos deben relacionarse con decisiones reales que se pueden tomar. Finalice los resultados esperados. Determine de antemano los parámetros del experimento. Diseña el experimento. Desarrollar una hipótesis. Decida varios puntos de datos diferentes. Calcule el valor p. El valor p es la probabilidad de que la hipótesis sea incorrecta. Se proporcionan instrucciones para este cálculo. Planee ejecutar el experimento. Calcula cuánto tiempo llevará. ¿Cuántas muestras necesitas? Quién hará el trabajo y cómo se estructurará. No olvide incluir un grupo de control para comparar los resultados. Ejecute el experimento. Analiza los resultados. Compárelos con el grupo de control.

Capítulo 9

La ciudad de Nueva York puso a disposición del público una gran cantidad de datos. Un compañero, Ben Wellington, comenzó a analizar los datos e informó sobre ellos en su blog, incluyendo cosas como mapear accidentes de bicicletas en la ciudad. Se hizo muy popular y atribuye su éxito a sus habilidades para contar historias.

Las lecciones de Wellington incluyen la importancia de hacer que los datos sean identificables. Conviértelo en historias. (¡Le digo esto a mi equipo todo el tiempo!) Algunas personas piensan que los datos son un poco aburridos y no son suficientes por sí solos para inspirarlos. Al convertirla en una historia, le das un atractivo emocional. Es particularmente importante poder contar su historia cuando corteja a inversores. Los emprendedores que ofrecen nuevas empresas a inversores deben demostrar que han identificado una nueva oportunidad: demostrar urgencia.

Un método estándar de comunicar datos es a través de presentaciones. Empiece por definir el objetivo de la presentación. ¿Qué intentas explicar? ¿Estás intentando convencer a alguien de algo? ¿Estás intentando vender algo? Evaluar el público objetivo. Los inversores están particularmente interesados en el riesgo, por lo que analizar estos puntos demuestra que comprende la perspectiva del inversor. (Hay muchos tipos de riesgo, consulte el recuadro). Es importante desarrollar el arco argumental. Con su conocimiento de las esperanzas y preocupaciones de los inversores, cree una historia que aborde esas preocupaciones. Trate de mantenerlo en diez 10 diapositivas o menos.

La presentación podría comenzar con el propósito o misión de la empresa. Describe el problema. ¿Qué problema solucionará su producto? Luego ofrezca una solución al problema. Explique qué hace que esto sea una buena idea en este momento y por qué alguien no lo hizo antes. Una demostración de su producto estaría bien, pero incluso las imágenes son buenas. Otra información importante para incluir en su presentación: tamaño del mercado, su equipo, modelo de negocio, competencia y finanzas.

Comunique su visión de la oportunidad y refuerce la visión con datos. Proveer una solución. Explique el enfoque de la empresa. Demostrar cómo ha respondido el mercado. Las métricas de participación y adquisición serán útiles aquí. Es importante ofrecer una buena estimación del tamaño del mercado. Los capitalistas de riesgo quieren saber sobre esto. ¿De qué tamaño de mercado potencial estamos hablando aquí? Una discusión de las finanzas debe incluir como mínimo los ingresos, el margen bruto y el flujo de caja.

Cuando hagas la presentación, la gente tendrá preguntas. Cuantos más datos tenga, mejor preparado estará para responder esas preguntas.

Algunos tipos diferentes de riesgo:
Riesgo de sincronización del mercado: ¿es este el momento adecuado para esta empresa?
Riesgo de modelo de negocio: ¿tiene el modelo adecuado para su producto?
Riesgo de adopción del mercado: ¿la gente utilizará su nuevo producto?
Riesgo del tamaño del mercado: ¿Es su solución lo suficientemente grande como para hacer feliz a un capitalista de riesgo?
Riesgo de ejecución: ¿Tiene su equipo las habilidades adecuadas para el trabajo?
Riesgo tecnológico: si se desarrolla nueva tecnología, ¿se terminará a tiempo?
Riesgo de capitalización: ¿hay suficiente capital para llegar hasta el final?
Riesgo de plataforma: ¿hay socios externos fuera de su control?
Riesgo de gestión de riesgo: ¿está la empresa abierta a recibir comentarios?
Riesgo financiero: ¿puede la empresa seguir pagando las facturas?
Riesgo legal: ¿Se vislumbran demandas u otros problemas legales en el horizonte?

Capítulo 10: Poniéndolo todo junto
Poniendolo todo junto

Puede haber mucha fricción en una empresa. Los datos pueden ayudar a reducir esta fricción.

La gente necesita comprender y esperar datos. La gente necesita ser intelectualmente honesta; el proceso de toma de decisiones no tiene que ver con el ego. Dejemos que ganen las mejores ideas y no dejemos que la política afecte la elección. Una empresa necesita valores bien definidos. Necesita la gente adecuada, necesita gente curiosa.
La mejor manera de armar una empresa para este nuevo mundo feliz es con datos, y la sed de datos es cada vez más global. Realmente está cambiando todas las industrias. En el futuro, la puesta en funcionamiento de los datos brindará a las empresas la ventaja competitiva que necesitan para tener éxito. Las personas tendrán inmediatamente la información que necesitan para tomar las mejores decisiones.

Las métricas pueden tener un efecto profundo en el proceso. Pueden mejorar la forma en que opera una empresa, lo que puede darle una ventaja competitiva. Con un tejido de datos unificado y buenos equipos, las empresas están transformando sus industrias.