Por Miriam Ramírez, especialista en Fraude, SAS Latinoamérica
¿Cómo abordamos la diversidad y la inclusión en el campo de la analítica?
Empezamos por desafiar el status quo. ¿Estamos resolviendo el problema correcto?
¿Tenemos los datos correctos?
¿Cuál es la limitación de nuestros hallazgos?
¿Estamos teniendo las conversaciones correctas?
Cuando se trata de la gobernanza analítica, los procesos y los organismos deben suponer que la respuesta a estas preguntas es “No”.
El siguiente paso después de reconocer y aceptar estas verdades es abordar las preguntas. Cuestionar lo que suponemos como un hecho, cosas que pueden haber parecido absolutas en el pasado.
El campo de la analítica debe abordar y superar algunos desafíos inherentes para construir soluciones diversas e inclusivas. Las disciplinas que conducen a los individuos hacia una carrera en la analítica, las habilidades, la formación y las herramientas de comunicación que utilizan se construyen sobre la premisa de la cuantificación objetiva.
Sin embargo, cuando los problemas son complejos, los parámetros establecidos por las técnicas analíticas, las leyes, los reglamentos y las normas culturales son a menudo demasiado limitados, o resultan ser exclusivos y carecen de ciertas perspectivas y consideraciones. Esto puede tener graves repercusiones en los resultados.
El campo de la analítica sirve al propósito de la simplificación, tomando grandes cantidades de datos para categorizar y, definir y ha desarrollado métodos y terminología para conseguirlo. Uno de los términos peor comunicados, utilizados y clasificados cuando se trata de la diversidad es “promedio”. Cuando se trata de la experiencia humana, no existe tal cosa como “promedio”, y la creación de un objetivo o una medida para ese fin no debería ser el único foco de un esfuerzo analítico.
Los sistemas en nuestra sociedad construidos alrededor del concepto de “promedio” han demostrado marginar a muchos grupos, como se discute en un artículo de la Escuela de Graduados de Educación de Harvard. Como estamos en medio de una revolución digital, de escala similar a la revolución industrial, no podemos permitirnos cometer los mismos errores y marginar aún más a los grupos que ya están sufriendo. Utilicemos las herramientas y la historia para hacerlo bien esta vez.
Entre las estrategias reconocidas para hacer frente a los desafíos, se encuentran el contar con equipos diversos, usando un conjunto diverso de técnicas analíticas y una estructura de gobierno que busca resolver las brechas.
La diversidad es una fortaleza. Tratar de ajustar a los individuos a un determinado molde disminuye esa fortaleza. Debe examinarse el método tradicional de contratación considerando habilidades técnicas específicas. Las habilidades pueden enseñarse, pero hay cualidades, perspectivas y características que sólo pueden ser adquiridas a través de una contratación diversa.
La falta de diversidad, por ejemplo, fue un factor que contribuyó a un malentendido muy publicitado por Google. Después de lanzar el iOS YouTube, la funcionalidad no se adaptó a las personas zurdas, simplemente porque no había nadie en el equipo de desarrollo o de pruebas que fuera zurdo. Este ejemplo es divertido pero esclarecedor. Dadas las múltiples facetas de la diversidad, y el hecho de que la mayoría de los aspectos de la diversidad no son tan visibles como el ser zurdo, las prácticas de contratación y dotación de personal deben buscar intencionadamente la diversidad.
Atraer diferentes mentalidades y disciplinas al campo de la analítica y ampliar las perspectivas de los equipos mediante el aprendizaje continuo son la clave para limitar los errores. Deberíamos utilizar la analítica para acceder a los talentos que tenemos y maximizar esas aptitudes, en lugar de obligar a los individuos y equipos a adecuarse a una “norma establecida”.
Los equipos de analítica que emplean un amplio conjunto de disciplinas y técnicas también tienen más probabilidades de detectar las brechas y los sesgos no intencionales. Esto puede hacer que se recurra a diferentes estrategias, como métodos mixtos y un mayor énfasis en el aspecto cualitativo e interpretativo de los datos. Los métodos sofisticados de machine learning son capaces de modelar escenarios complejos, pero los responsables de la toma de decisiones y los gobernantes de la analítica deben proporcionar a estos algoritmos datos completos e inclusivos. Para ello deben contar con un equipo, una mentalidad y una cultura diversos.
Los profesionales de la analítica deben estar dispuestos a tener discusiones incómodas que cuestionen la validez de nuestros supuestos y resultados. Si continuamos abordando de frente las brechas de diversidad e inclusión, llegará un momento en que estas se conviertan en una parte clave de nuestra estrategia analítica, y esas discusiones dejarán de sentirse incómodas.
Debemos reconocer que nuestras percepciones y supuestos sobre grupos específicos son frecuentes. Esto es, si establecemos prácticas de gobernanza que supongan un reto para nuestros equipos, si aprendemos las habilidades básicas para reconocer y abrazar la diversidad, y si seguimos construyendo sobre en ese conocimiento a lo largo del tiempo, las soluciones que construyamos serán más inclusivas.
Marcar la diferencia implica cierta incomodidad. Si como dirigentes gubernamentales y profesionales de la analítica no estamos sintiendo los dolores del crecimiento o cometiendo algunos errores, es probable que nada esté cambiando, y deberíamos reexaminar nuestro enfoque.
