Si te pareció gracioso el titulo estoy de acuerdo pero te voy a mostrar que tiene bastante sentido.
Ya he posteado varias veces sobre la importancia de integrar información, debido a que permite tener una idea mas cierta de la situación actual de nuestra empresa sin tener que inferir gran parte de ella, con todo lo que esto significa.
Veamos un ejemplo, una empresa que produce Laptops (computadoras portátiles) y las comercializa entre otros canales, por medio de un sitio de ecommerce. Que información utilizara esta compañía normalmente para tomar decisiones? Principalmente Trafico y Ventas. O sea los disparadores de posteriores análisis serán estas dos métricas antes mencionadas. Ambas son metricas de comportamiento, o sea que nos dan información sobre “que hacen” nuestros usuarios o clientes, pero no el porque lo hacen.
Que ocurre cuando hay una caída en ventas? Bueno, cuando la información disponible no es suficiente la gente tiende a inferir lo que no conoce.

Entonces cuando hay una caída en ventas se buscara como causa del problema algo que suena lógico para quien tenga que tomar la decisión sobre como proceder o convencer a quien lo hace. El problema entonces será asignado a que se promociono el producto incorrecto, la campaña de medios no fue lo suficientemente exitosa, y a otras tantas cuestiones dependiendo de lo que suene lógico para quien busca una respuesta.

Ahora bien, tomar decisiones en el entorno antes mencionado no es muy saludable. No solo porque no estaremos resolviendo el problema de raíz, sino porque al enfocar los recursos en resolver cuestiones que no son el problema estamos incrementando el costo de adquisición. O sea, no solo que no incrementamos ventas, sino que además cada una nos sale mas cara.
Afortunadamente hoy en día tenemos una importante variedad de fuentes de información la cual no solo nos provee información de comportamiento (behavior) sino otras tantas como actitudinal (o sea, porque la gente hace lo que hace).

El siguiente grafico no solo es muy simple, sino muy eficiente para la toma de decisiones eficiente. Las cuatro líneas representan:

1- Visitas (Comportamiento).
2- Sales (Comportamiento).
3- Buzz (Actitudinal).
4- Server Performance Monitoring (Entorno).

En el eje X tenemos la variable tiempo (en días), en el eje Y1 tenemos cantidades (Q) y en el eje Y2 tenemos porcentajes (tanto de buzz como de performance de servidor).
También recomiendo agregar información sobre eventos relevantes para la actividad de la compañía y sus proyectos.
En el ejemplo siguiente tenemos dos situaciones que requieren tomar decisiones y que se basan en los siguientes disparadores:

1- Alerta – Caida en las ventas (9 de Enero): El generente de marketing recibe una alerta en su cuenta de email proveniente de la herramienta de Web Analtyics avisando sobre una caida en las ventas. El gerente a buscar respuestas al grafico de cuatro lineas de la siguiente manera.
a. Visitas: No hay una importante variacion en visitas con lo cual no vale la pena seguir analizando.
b. Ventas: Tal cual la alerta anuncio cayeron las ventas casi un 43%, por lo tanto es necesario seguir analizando.
c. Buzz de producto o marca: No hay un cambio importante que valga la pena analizar durante el periodo bajo analisis. No hay nada que nos haga pensar que hay una actitud negativo en la persepcion de nuestros clientes y potenciales clientes respecto a nuestra marca.
d. Monitoreo de la performance del servidor: Identifica una importante caida en la performance del servidor justamente en una de las paginas del proceso de ventas. Algunos minutos mas tardes la gente de tecnologia comparte una nota informando sobre el problema.

En solo 10 minutos de analisis conocemos la causa de la desviacion y logramos corregirla. Suena como informacion accionable no es cierto?

2- Alerta – Caida en ventas (18 de Enero): El gerente de marketing recibe otra alerta a su cuenta de mail, tambien de la herramienta de Analytics comunicando una aparente caida de casi el 25%. Sin el grafico de cuatro lineas aquí presentado esta persona seguramente trataria antes que nada intentar asignar este nuevo problema a una caida en la performance de los servidores. Sin embargo con este modelo el proceso sera el siguiente:.
a. Visitas: Las visitas crecieron levemente, nada relevante en principio. Pero como pueden ver en el grafico cuando el problema se manifiesta en este indicador es demasiado tarde para resolverlo sin que esto tenga un costo importante.
b. Ventas: Una caida de casi el 25%.
c. Performance del servidor: Aun cuando este es uno de los indicadores que esta persona revisa al surgir el problema debido al inconveniente previo, no tarda mucho en identificar que el servidor no es, en esta oportunidad, la causa de la caida en las ventas.
d. Buzz de Marca o Producto: Identifica una variacion negativa en la percepcion de los clientes o potenciales clientes respecto de la marca o producto de su empresa. Excelente! Esto nos dice mucho sobre el problema. En primer lugar el incremento en las visitas se debe al buzz generado en internet (aun siendo negativo). Ya que las personas al leer una noticia negativa sobre nuestros productos intentaran ampliar o confirmar dicha informacion en el sitio oficial, sin embargo ese incremento en el trafico dificilmente podra convertirse en ventas.

En este ejemplo el problema era una falla en las baterias de las computadoras portatiles. Un Blogger importante publico sobre este problema y tan solo dos dias despues habia comentarios en todo internet.

La empresa identifico el problema en tan solo 10 minutos y pudo generar acciones de correccion que le permitieron volver a la situacion previa.