Hay personas que compran un boleto para un partido un mes antes. Y hay otras que lo compran mientras ya van manejando rumbo al estadio. Las dos terminan sentadas viendo exactamente el mismo juego. Pero para una empresa, son clientes completamente distintos.
Durante años, los Golden State Warriors les mandaban exactamente el mismo correo electrónico a ambos. Hasta que un día decidieron hacer algo mucho más revolucionario que contratar otra estrella. Se sentaron a escuchar sus datos. Dicen que los datos son el nuevo petróleo. Yo estoy de acuerdo. Porque el petróleo, por sí solo, mueve muy poco. Hay que refinarlo. Con los datos pasa exactamente lo mismo.
Hoy prácticamente todas las empresas tienen información por montones. Saben quién les compra, cuándo les compra, cuánto gasta, qué productos prefiere y hasta desde qué dispositivo hizo la compra.
El problema nunca ha sido la falta de información. El problema es que muy pocas organizaciones se detienen a entender qué les está tratando de decir. Seguimos tomando decisiones con una de las frases que más daño le hacen al mundo: “Así lo hemos hecho siempre”.
Los Warriors tenían registradas más de 582 mil compras de boletos. En lugar de seguir enviando el mismo correo a todos sus fans, decidieron analizar cómo se comportaban pero de verdad. Y encontraron algo que, a toro pasado, parece obvio. Pero casi nadie se toma el tiempo de comprobar. No todos los aficionados compran igual. Había quienes compraban su lugar casi un mes antes del partido. Otros esperaban hasta uno o dos días antes. Y luego estaba ese tercer grupo que parecía no seguir ninguna regla.
Entonces apareció una pregunta: Si las personas compran diferente…¿Por qué todos reciben exactamente el mismo mensaje? Era como intentar convencer a todo el mundo usando las mismas palabras, ignorando que cada quien toma decisiones de manera distinta.
El primer hallazgo parecía simple curiosidad. Los boletos más económicos casi siempre se vendían cerca del día del partido. Mientras que, los asientos más caros normalmente se compraban con mucha mayor anticipación. Nadie lo había intuido. Nadie lo “sentía”. Simplemente estaba ahí, escondido entre cientos de miles de registros. Los datos rara vez gritan. Normalmente susurran.
Después vino uno de los proyectos que más entusiasmaba al equipo: construir un modelo capaz de predecir qué abonados dejarían de renovar su temporada. Sonaba padrísimo. Hasta que analizaron la información. La deserción era tan baja que ningún modelo lograba hacerlo mejor que asumir que casi todos regresarían. Y eso también fue un gran descubrimiento. Porque analizar datos no solo sirve para encontrar oportunidades. También sirve para desechar buenas ideas antes de invertir meses de trabajo en ellas.
Hay otra parte de esta historia que casi nunca aparece en las conferencias de IA. Nadie presume que pasó más de medio año conectando bases de datos, limpiando registros y acomodando información. No es la parte sexy. Pero normalmente es la más importante. La inteligencia artificial tiene un excelente departamento de relaciones públicas. La ingeniería de datos, no tanto.
Cuando por fin estuvieron listos para implementar el modelo, llegó la pandemia y la NBA suspendió la temporada. Todo tuvo que esperar. Y esa pausa dejó una pregunta aún más interesante. ¿Qué vale más? ¿Implementar un modelo porque los datos históricos dicen que funcionará? ¿O probarlo primero, aunque eso implique sacrificar parte del beneficio para comprobar que realmente funciona?
Como siempre, este artículo no es de básquetbol. Tampoco de IA. Se trata de una organización que entendió que los datos no generan valor solo por generarse y archivarse. Lo generan cuando cambian decisiones. Hoy cualquiera puede guardar millones de registros. Eso ya no impresiona a nadie. Lo raro es encontrar empresas con la curiosidad suficiente para hacer mejores preguntas… y la humildad para escuchar las respuestas. Porque los datos casi nunca cambian un proyecto . Lo que sí lo hace son las decisiones que alguien se atreve a tomar después de escucharlos.
