Métricas del Data Analyst: tiempo hasta el hallazgo, impacto en decisiones y tasa de adopción

Son las 4:47 p.m. de un jueves. Llega el DM de Slack del VP de Marketing: "¿una consulta rápida?" Suspira, se aparta del modelo de LTV con el que lleva dos días luchando, y extrae los números para las 6:15 p.m. Ella le da un "me gusta" al mensaje. Cierra el portátil.

Seis meses después, su manager se sienta frente a usted en una reunión individual y dice: "Quiero impulsar su promoción, pero necesito algo más concreto que 'está ocupada y la gente la aprecia'. ¿Qué entregó realmente este trimestre?"

Abre Jira. Cuenta 87 tickets cerrados. Ambos miran la pantalla. Ninguno se siente bien al respecto.

Así es como se estancan las carreras de los Data Analysts. No porque el trabajo sea malo, sino porque nadie en el equipo mide cómo se ve realmente el buen trabajo de un analista. "Estamos ocupados" se convierte en el KPI de facto. El recuento de tickets se convierte en el indicador del impacto. Y luego su banda salarial deja de moverse.

Seguí estas cinco métricas sobre mí misma durante un trimestre completo antes de mi última evaluación. La conversación que surgió de ello fue la diferencia entre una oferta de $95 K y una de $145 K. El mismo título. Un vocabulario diferente.

Por qué la automedición es la palanca real para la promoción

Su manager quiere defenderlo. La mayoría de los líderes de BI con los que he trabajado genuinamente lo hacen. El problema es que entran a un comité de compensación o a una reunión de calibración con otros ocho managers, todos argumentando a favor de sus personas, y el lenguaje debe ser cuantitativo. "Camellia cerró muchos tickets y las partes interesadas la aprecian" pierde ante "Marcus redujo el error de previsión de abandono del 18% al 6% y su modelo ahora aparece en el deck del directorio."

No puede externalizar esto a su manager. Tiene que entrar con los números ya preparados. Cinco de ellos, idealmente en una diapositiva, idealmente con una tendencia.

Aquí está el matiz que la mayoría de los analistas no ve: cuatro de las cinco métricas que se muestran a continuación son necesarias pero no suficientes. La velocidad, el uso, la satisfacción y la higiene del backlog importan, y todas son el mínimo. La que se multiplica, la que lo separa del analista que es reemplazable por un mejor autocompletado de SQL, es el impacto en las decisiones. Un analista que es rápido y muy utilizado pero que nunca mueve una decisión es intercambiable. Un analista que mueve tres decisiones por trimestre no lo es.

Siga las cinco. Lidere con la que se multiplica.

Métrica 1: tiempo hasta el hallazgo

Definición: El reloj comienza cuando una solicitud llega a su cola. Se detiene cuando el solicitante tiene la respuesta en una forma en que puede actuar. No cuando usted publica un panel de control. Cuando ellos entienden la respuesta.

Objetivos: Mediana por debajo de 48 horas. P90 por debajo de 5 días. P99 por debajo de 10 días.

Cómo seguirla: Una hoja de Google con cinco columnas es suficiente. request_id, requester, received_at, delivered_at, business_question. No intente construir esto en Jira. Jira rastrea tickets, no hallazgos, y las marcas de tiempo se desfasan porque los tickets se reabren y rebotan. Una hoja plana que completa una vez al día, toma 90 segundos.

La primera vez que medí esto, mi mediana era de 6,3 días. Creía que era rápida. No lo era. La razón por la que se sentía rápido es porque siempre estaba trabajando en algo, pero la cola de trabajo en curso tenía 11 elementos, y cualquier solicitud individual estaba esperando en la fila detrás de dos días de cambios de contexto.

Una vez que puede ver la mediana, puede moverla. Tres cosas mueven el tiempo hasta el hallazgo más que cualquier otra:

1. Un formulario de admisión real (incluso un flujo de trabajo de Slack) que obligue a los solicitantes a escribir la pregunta de negocio en una oración. Si no pueden, usted la devuelve para su revisión. Se sorprenderá de cuántas "solicitudes urgentes" se evaporan cuando alguien tiene que articular qué decisión está tomando.
2. Un límite de trabajo en curso de tres análisis concurrentes. Cualquier cosa más allá de eso va al backlog con una fecha esperada transparente.
3. Plantillas para los cinco tipos de solicitud más comunes: diferencial de funnel, retención por cohorte, verificación de atribución de canal, actualización del panel ejecutivo, recuento de segmento puntual. Las plantillas reducen una extracción de 6 horas a 45 minutos.

Métrica 2: impacto en las decisiones

Definición: El porcentaje de análisis que publica que cambian una decisión. No que "informan" una decisión. Que la cambian. La parte interesada hizo algo diferente de lo que habría hecho en ausencia de su trabajo.

Objetivo: 25% en su primer año como IC. 40% o más como senior. Por debajo del 15% significa que es un ejecutor de consultas, no un analista.

Cómo seguirla: Auditoría trimestral. Vuelve sobre cada análisis que publicó y le hace al solicitante tres preguntas, en persona o en una llamada de 15 minutos:

1. "¿Qué decisión alimentó este análisis?"
2. "¿Qué habría decidido sin mi análisis?"
3. "¿Qué decidió realmente, y fue diferente?"

Tres preguntas. Cinco minutos por solicitante. Si la respuesta a la pregunta 3 es "hicimos lo mismo que habríamos hecho de todos modos", eso es un cero. No importa cuán limpio estaba el SQL.

La primera vez que realicé esta auditoría, mi tasa de impacto en las decisiones era del 11%. Once por ciento. Había estado en la empresa durante 14 meses y aproximadamente nueve de cada diez cosas que publiqué no cambiaron ni un solo comportamiento. Los paneles de control se construyeron, las diapositivas se presentaron, y todos siguieron con su semana sin cambios.

Ese número es el más importante de su carrera. Si está por debajo del 15%, la pregunta no es "¿cómo publico más análisis?". La pregunta es "¿por qué estoy publicando cosas que no importan?". Por lo general, una de tres respuestas:

• Está respondiendo la pregunta que se hizo, no la que se quiso decir. Las partes interesadas no siempre saben cómo articular lo que están tratando de decidir. Su trabajo es hacer resistencia en la admisión.
• Está entregando después de que se cerró la ventana de decisión. Un análisis de retención que llega la semana después de que se finalizó el documento de estrategia es decoración.
• Está entregando datos, no una recomendación. "Aquí está el número, usted decide" se siente seguro. También abdica la responsabilidad del analista.

La parte multiplicadora: cada análisis que mueve una decisión le gana el derecho a hacer más resistencia en la siguiente admisión. Después de tres o cuatro victorias, los solicitantes empiezan a acudir a usted con "estoy tratando de decidir entre X e Y, ¿qué opina?" en lugar de "¿puede extraer este número?". Esa es la conversación del analista senior.

Métrica 3: tasa de adopción del panel de control

Definición: Usuarios activos diarios y semanales en los paneles de control que posee, medidos contra la población para la que los construyó. Más la curva de retención de la semana 4. De las personas que lo usaron la semana del lanzamiento, ¿cuántas seguían usándolo cuatro semanas después?

Objetivo: 30% o más de retención en la semana 4. Por debajo de eso, el panel de control es decoración, no infraestructura.

Cómo seguirla: La mayoría de los BI tools (Looker, Tableau, Mode, Hex, Sigma, Power BI) tienen registros de uso integrados. Extraiga DAU/WAU por panel de control y una curva de retención de 4 semanas. Si su herramienta no expone esto, registre las cargas del panel de control en una tabla de registro de consultas y constrúyalo usted mismo. Es un proyecto de una tarde.

Un patrón que vale la pena nombrar: el panel de control decorativo. Se ve genial. Tuvo un anuncio en Slack. Tiene 400 vistas semanales en las primeras dos semanas. Para la semana 5, son tres vistas, y dos de ellas es usted verificando si sigue funcionando. El uso se derrumbó porque nadie tenía realmente un flujo de trabajo que lo necesitara. Hicieron clic una vez por curiosidad o cortesía, y nunca regresaron.

Si tiene un panel de control decorativo, tiene tres opciones:

• Elimínelo. De verdad. Quítelo, publíquelo en el canal, redirija la URL. El costo organizacional de mantener un panel de control obsoleto activo es mayor que el costo de quitarlo. Las partes interesadas citan números de él que no se han actualizado desde el lanzamiento, y usted pasa el siguiente trimestre explicando por qué la tendencia se revirtió.
• Rediseñelo. Si la pregunta era real pero la superficie no encajó con el flujo de trabajo, reconstruya en torno a la decisión real. Pase de una vista general de 12 bloques a una vista de "decisión de hoy" de 3 bloques.
• Reemplácelo con un resumen recurrente. A veces la respuesta no es un panel de control. Es un correo electrónico del lunes por la mañana con los tres números que importan y una narrativa de una oración. La tasa de adopción pasa del 4% al 60% de la noche a la mañana porque la superficie se encontró con el usuario donde realmente vive.

Métrica 4: NPS de las partes interesadas

Definición: Una vez al trimestre, envía a sus 5 principales solicitantes una sola pregunta en una escala del 0 al 10: "¿Recomendaría trabajar conmigo a otro equipo que necesite soporte analítico?"

Objetivo: Promedio superior a 7. Cualquiera que puntúe por debajo de 7, reserve un café.

Cómo seguirla: Google Form, cinco destinatarios, anónimo si puede (respuestas más honestas), una pregunta, campo de comentario opcional. Hágalo en la semana 11 del trimestre para tener tiempo de responder antes del QBR.

La gente menosprecia el NPS. Es un único número, tiene problemas estadísticos conocidos, puede manipularse. Todo verdad. También captura algo que ninguna otra métrica captura: ¿las personas que dependen de su trabajo quieren seguir dependiendo de él?

Dos patrones a vigilar:

• Alto impacto en las decisiones, NPS bajo. Está publicando buenos análisis pero la relación de trabajo tiene fricción. Por lo general significa que está haciendo demasiada resistencia en la admisión, o que su estilo de comunicación irrita a las partes interesadas senior. El trabajo es valioso; la experiencia no lo es.
• NPS alto, bajo impacto en las decisiones. Es fácil trabajar con usted y la gente encanta recibir números de usted. Simplemente no actúan sobre ellos. Este es el modo de fallo más peligroso en Analytics porque se siente genial trimestre a trimestre y hunde su carrera en un horizonte de 2-3 años.

El estado saludable es ambos por encima de 7. Los estados no saludables tienen cada uno una corrección específica: los problemas de NPS son problemas de comunicación; los problemas de impacto son problemas de enfoque.

Métrica 5: antigüedad del backlog puntual

Definición: Antigüedad mediana, en días, de cada solicitud abierta en su cola. No el recuento de tickets. La antigüedad.

Objetivo: Mediana por debajo de 7 días. Por encima de 14 días, es un cuello de botella, no un analista.

Cómo seguirla: La misma hoja de la métrica 1. Añada una columna status. Diariamente, calcule days_open = today - received_at para todo lo que no se haya entregado. Tome la mediana.

La razón por la que la antigüedad importa y el recuento no: una cola de 20 solicitudes que tienen todas 2 días de antigüedad es saludable. Una cola de 6 solicitudes donde la más antigua tiene 31 días no lo es. No puede ver esto con el recuento de tickets.

La antigüedad le dice algo diagnóstico sobre cómo gestiona la priorización. Si su antigüedad mediana aumenta semana a semana, una de tres cosas está ocurriendo:

• Está diciendo sí a todo y la física lo está alcanzando.
• Está acaparando los problemas difíciles y publicando los fáciles. La cola contiene un cementerio de solicitudes complejas que sigue posponiendo porque le asustan.
• El trabajo genuinamente superó su capacidad y necesita hablar con su manager sobre una contratación, un becario o la eliminación de un entregable recurrente.

Una métrica de seguimiento útil: porcentaje de solicitudes de más de 14 días de antigüedad. Este es el "número de vergüenza". Si el 30% de su cola abierta tiene más de dos semanas, esas partes interesadas han dejado de contar con usted. Han encontrado una alternativa. Están obteniendo números de otra parte, con frecuencia de una fuente menos rigurosa. Está perdiendo confianza sin saberlo.

El diagnóstico de alto uso y bajo impacto en las decisiones

Esta es la trampa que veo que destruye más carreras de analistas que cualquier otra. Vale la pena su propia sección.

Tiene un panel de control insignia. Quizás el panel del CEO, quizás el cubo de ingresos semanal, quizás el resumen de rendimiento de marketing. Tiene 400 vistas semanales. La tasa de adopción se ve genial. Lo incluye en su evaluación de desempeño.

Luego ejecuta la auditoría de decisiones y cero decisiones del último trimestre se remontan a él.

Lo que está ocurriendo: las personas están mirando el panel de control, pero la mirada es ritual, no acción. Lo abren el lunes porque es un hábito. Lo desplazan. Lo cierran. Los números entran en una vaga sensación de fondo de "cómo va el negocio". Nada del martes es diferente por lo que vieron el lunes.

Cómo detectarlo:

1. Extraiga el registro de uso de los últimos 90 días. Confirme que el panel de control tiene DAU/WAU reales.
2. Repase las decisiones estratégicas de su último trimestre: cambios de precios, reasignación de canales, decisiones de contratación, cortes de producto. Enumere entre 8 y 10 de ellas.
3. Para cada decisión, pregunte al responsable: "¿Informó [nombre del panel de control] esta decisión? ¿Cómo?" Sea preciso. "Es parte de cómo pienso en el negocio" es un no. "Revisé el bloque 4 el 12 de abril y me cambió de opinión sobre X" es un sí.
4. Cuente. Si menos de 2 de 10 decisiones se remontan al panel de control, el panel es decoración.

Qué hacer cuando encuentra uno:

• No elimine el panel de control sin más. Entreviste a los tres usuarios más activos durante 20 minutos cada uno. Pregúnteles qué decisión están tratando de tomar cuando lo abren.
• El 90% de las veces, la decisión real que están tomando es más estrecha que el panel de control. Abren 12 bloques para mirar una tendencia.
• Reconstruya en torno a la decisión. Un bloque, una pregunta, un umbral. La tasa de adopción baja (menos vistas de página por semana). El impacto en las decisiones sube.

El instinto es defender el panel de control porque el uso se ve bien. Resístalo. El uso que no impulsa decisiones es la métrica de vanidad más costosa en Analytics, porque consume tanto su tiempo como la atención de la parte interesada sin producir nada.

La diapositiva del QBR

Una diapositiva. Ese es el punto.

Su manager no tiene tiempo para leer una autoevaluación de 4 páginas. El comité de compensación definitivamente no. Déles el panorama completo en 30 segundos.

Formato:

Autoevaluación trimestral, [Su nombre], Q[X] [Año]

| Métrica                         | Este T | Último T | Tendencia | Objetivo  |
|---------------------------------|--------|----------|-----------|-----------|
| Tiempo hasta el hallazgo (med.) | 38h    | 51h      | ↓ 25%     | <48h ✓    |
| Impacto en las decisiones       | 32%    | 19%      | ↑ 13 pp   | >25% ✓    |
| Retención sem. 4 del panel      | 41%    | 28%      | ↑ 13 pp   | >30% ✓    |
| NPS de partes interesadas       | 8,2    | 7,1      | ↑ 1,1     | >7  ✓     |
| Antigüedad backlog puntual (med)| 5 d    | 11 d     | ↓ 55%     | <7 d ✓    |

Decisión publicada este trimestre:
"Recomendé pausar LinkedIn de pago tras el análisis de CAC que mostraba
$340 de CAC en un producto con $180 de margen de contribución. Marketing
reasignó $45 K al trimestre a retargeting. Nueva ejecución en 60 días
proyecta CAC de $80."

Punto bajo:
Eliminé el panel de Resumen de Marketing tras la auditoría del Q que mostró 0/8
decisiones rastreadas hasta él en el trimestre anterior. Lo reemplacé con un
correo semanal: 73% de tasa de apertura, 4 decisiones en 6 semanas.

Eso es todo. Cinco métricas, valor actual, comparación, tendencia, objetivo, un ejemplo de decisión, un punto bajo honesto. El punto bajo no es opcional. Una autoevaluación sin punto bajo se lee como deshonesta o sin autoconsciencia. El punto bajo es lo que hace que lo tomen en serio.

Si puede producir esta diapositiva cada trimestre, su manager tiene munición. Si puede producirla con flechas verdes durante tres trimestres seguidos, tiene un caso de promoción que sobrevive a una reunión de calibración.

Trampas de las métricas de vanidad a evitar

Cuatro métricas que parecen productividad y en realidad son ruido. Si su autoevaluación lidera con cualquiera de estas, sus colegas senior lo están juzgando en silencio.

Consultas escritas. Mil consultas que nadie ejecuta son mil consultas. Contarlas es como contar cuántas veces abrió el portátil. La consulta no es la unidad. La decisión es la unidad.

Tickets cerrados. Los tickets cerrados favorecen al analista que elige los fáciles. La cola recompensa la velocidad sobre la profundidad. Peor aún, el recuento de tickets le da permiso a las partes interesadas de fragmentar preguntas reales en 12 pequeñas solicitudes en lugar de una conversación estratégica. Usted juega en su propia contra.

Paneles de control construidos. Construir paneles de control es la parte fácil. Mantenerlos, retirarlos y lograr que se usen es la parte difícil. Un analista que construye 8 paneles de control y retira 3 de ellos está haciendo más trabajo estratégico que uno que construye 14 y los abandona todos.

Filas de datos procesadas. He visto esto literalmente en una autoevaluación: "procesé 4.200 millones de filas este trimestre." Las filas no son trabajo. Las filas son lo que hace el almacén. Su contribución es la pregunta que respondió, no el volumen de datos que escaneó para responderla.

Una prueba útil: ¿mejoraría esta métrica si empeorara en su trabajo? Si su cola se vuelve más descuidada y acepta más solicitudes mal definidas, el recuento de tickets sube. Si construye paneles de control llamativos que nadie usa, el recuento de paneles sube. Las métricas de vanidad recompensan el comportamiento incorrecto. Las cinco métricas de esta guía recompensan el correcto.

Haga el seguimiento durante un trimestre

Haga el seguimiento de estas cinco durante un trimestre antes de su próxima evaluación. Esa es la tarea. No todas necesitan estar en verde la primera vez: las mías no lo estaban, y la primera auditoría fue un golpe. Pero el acto de medir cambia cómo trabaja. Empieza a gestionar la priorización de manera diferente. Hace resistencia en la admisión. Retira paneles de control. Hace la pregunta del impacto en las decisiones en cada inicio porque sabe que la auditoría está por llegar.

La conversación en su próxima evaluación cambia de "estaba ocupada" a "publiqué 12 análisis, 4 de ellos cambiaron decisiones, mi tiempo hasta el hallazgo mediano bajó un 25%, y aquí está la diapositiva." La misma persona, el mismo trabajo, una trayectoria profesional completamente diferente.

Los números son la clave. Empiece a hacer el seguimiento el lunes.

Más información

• Plantilla de descripción de puesto: Data Analyst
• Gestión de partes interesadas para analistas
• Trayectoria del Data Analyst a Senior y BI Lead
• Errores comunes del Data Analyst