Tiempo aproximado de lectura: 7 minutos.
Este artículo trata de la importancia de analizar datos en las retrospectivas a través de dos destacados y pioneros casos
Cursos relacionados
Fecha | Ciudad | Curso |
---|
Artículos relacionados
Contenidos del artículo
Retrospectivas sin datos
Un equipo ágil llega al momento de hacer una retrospectiva.
Se pregunta qué mejorar y los miembros del equipo empiezan a apuntar ideas en un post-it que ponen en el área aplicable de un Starfish: Qué empezar a hacer, dejar de hacer, hacer más, mantener o hacer menos.
¿Os suena?
El equipo está realizando un análisis cualitativo (o más bien un brainstorming) de los problemas y las oportunidades de mejora.
Y está bien actuar así. Especialmente cuando no existe un historial de datos o cuando se quiere explorar el universo de problemas estudiados.
En muchos casos el equipo tendrá una percepción de la intensidad de los problemas más acuciantes.
Pero quedarse en retrospectivas meramente cualitativas es limitante.
Eso sin contar con que numerosos sesgos cognitivos pueden afectar la percepción de los problemas.
¿Por qué muchos equipos se aferran a ellas?
Motivos que frenan el uso de datos en retrospectivas
La oposición a recoger datos y a realizar su análisis tiene diversas excusas.
Pero hay dos que destacan.
La primera es la idea de que la recogida de datos es una actividad que desvía esfuerzo que podemos dedicar a la entrega.
Es cierto. Pero es la misma excusa que ponen los que no arreglan la cerca por la que se escapan las gallinas porque están muy ocupados persiguiéndolas. Si no se invierte en poco en recoger los datos estaremos ignorando las causas más relevantes. O los problemas más acuciantes.
La segunda es algo más soterrada y es curioso que se dé en equipos que realizan trabajo de conocimiento, muchos de ellos en Departamentos de Tecnologías de la Información.
Y es que los datos se ven como una herramienta de fiscalización y control. Entonces, con la cobertura de los principios y valores ágiles –confianza en los equipos, autoorganización, etc.– aparecen las más elaboradas racionalizaciones.
Es cierto que la gestión tradicional de command and control ha utilizado profusamente los datos para evaluar y microgestionar. Pero si estás en un equipo ágil y soslayas las ventajas que te puede aportar el análisis de métricas estarás intentando encontrar un camino en la oscuridad sin apenas feedback de cómo lo estás haciendo.
La recogida y análisis de cualquier métrica debe ser vista, ni más ni menos, como cualquier inversión empresarial. Y en el momento en el que esa métrica deja de ser rentable –es decir, que deja de aportar oportunidades accionables o mostrar el impacto de problemas críticos–, se debe abandonar y pasar a centrarse en otra que sí resulte útil.
En esta tesitura es dfícil convencer aportando datos a equipos que no quieren utilizar datos. Es una situación Catch-22.
Por eso creo que es útil ilustrar la importancia de los datos con dos ejemplos. No de equipos ágiles sino hechos históricos.
Son dos ejemplos que sucedieron prácticamente al mismo tiempo–en la Inglaterra victoriana– y las consecuencias de ambos, seguramente ha salvado nuestras vidas.
En una época en la que se desconocía el mecanismo de transmisión de enfermedades ambos casos redujeron la mortalidad analizando datos y estableciendo su correlación con determinados factores presentes.
La epidemia de cólera de Broad Street
El cólera era una enfermedad muy presente en el siglo XIX. Ahora que estamos en una pandemia resulta interesante recordar que en el siglo XIX hubo 6 pandemias de cólera.
La primera pandemia empezó en 1817 en la región de Bengala, en la India, y se expandió por el Sudeste asiático y Asia Central.
La segunda llegó incluso a causar fuertes revueltas en Rusia cuando la población se reveló contra las medidas de cuarentena y restricciones al movimiento impuestas por el gobierno zarista.
Quizás os resulte familiar.
A la quinta pandemia se le atribuye la muerte de Chaikovski.
Pero la tercera es la que nos ocupa. El Londres de aquella época era la ciudad más poblada del mundo. El hacinamiento y la pobreza, tan vívidamente tratadas por Dickens, creaba grandes problemas sociales.
Y en 1854 llegó el cólera a Londres. Pasteur todavía no había demostrado la teoría de gérmenes y la explicación dominante era que los gérmenes se transmitían por las “miasmas”, un aire contaminado.
El médico John Snow veía muchos defectos en esa teoría. No creía que se transmitiera por el aire aunque tampoco entendía el auténtico mecanismo de transmisión.
Snow intentó entender la epidemia. Recogió los datos de los casos de cólera y los mapeó geográficamente. Eso permitía ver que estaban concentrados en una área concreta del Soho. Concretamente, existía un epicentro y cuanto más lejos de este, menos casos había.
Después de examinar detalladamente la información y entrevistar a los habitantes de la zona realizó una hipótesis: el agua que salía de una bomba en Broad Street estaba contaminada.
Snow convenció a las autoridades para realizar un experimento: inutilizar la bomba.
Y la epidemia rápidamente retrocedió.
Luego se demostró que esa bomba recogía el agua de una zona contaminada.
Este hecho marcó un hito en la salud pública y el inicio de la epidemiología. En unas pocas décadas las mayores ciudades del mundo occidental introdujeron sistemas de saneamiento de las aguas y ese tipo de epidemias se fue desvaneciendo.
La Guerra de Crimea y la enfermería moderna
Entre 1853 y 1856, una alianza formada por Gran Bretaña, Francia y el Imperio Otomano se enfrentó a Rusia en la llamada Guerra de Crimea.
Si bien es conocida por la legendaria y desastrosa Carga de la Caballería Ligera, se puede considerar la primera guerra moderna: con telégrafos, trenes, artillería y munición moderna.
Pero también destaca por el desarrollo de la medicina moderna, tanto en el lado ruso como en el aliado, con la conocida Florence Nightingale.
Nightingale es conocida como reformista social y fundadora de la enfermería moderna. Pero menos conocida es su faceta destacada en la estadística sanitaria y la epidemiología, especialmente en la visualización de datos.
Nightingale, que ya tenía una trayectoria reputada en el sector hospitalario, se quedó horrorizada por los informes que llegaban de las condiciones en las que se encontraban los heridos en los hospitales militares.
Organizó una campaña de recogida de fondos. Ella y un grupo de enfermeras fueron al hospital de Scutari en Constantinopla donde se evacuaban a los heridos desde Crimea.
Encontraron un panorama desolador. Falta de suministros, falta de personal, desinterés oficial.
Nightingale elaboró diversos informes llenos de datos y gráficos: Mortality of the British Army y Notes on Matters Affecting the Health, Efficiency, and Hospital Administration of the British Army.
El gráfico superior presentó un argumento aplastante. En el hospital morían diez veces más soldados por causas evitables, principalmente enfermedades –colera, disentería, tifus– que por las heridas.
Nightingale tampoco podía probar las causas de esas enfermedades pero mostró estadísticamente como métricas relacionadas con la nutrición, los niveles de hacinamiento, mala ventilación o drenaje de aguas residuales se relacionaban con los niveles de mortalidad.
Se tomaron diversas medidas. Una fue el encargo del gobierno británico al mejor ingeniero de la época, Isambard Kingdom Brunel, del diseño del hospital prefabricado de Renkioi, que se envió a Turquía y ensambló rápidamente.
Pero lo más importante fueron las medidas de gestión sanitaria e higiene como la provisión de alimentos ricos en vitaminas, la ventilación, el mayor espacio entre los heridos, la mayor limpieza y el lavado de manos así como el drenaje de aguas residuales redujo drásticamente la mortalidad, que bajo en un 90% respecto a las tasas del de Scutari.
Nightingale se convirtió en una heroína del siglo XIX y pasó el resto de su vida promoviendo una buena administración sanitaria, la profesión de la enfermería y formando a sus especialistas. Pero esa es otra historia.
Entrada de Twitter de RJ Andrews, mostrando una muñeca de Florence Nightingale llevando el informe abierto por la página de su gráfico más famoso, el «Nightingale Rose Diagram».
Conclusiones
Los casos de Nightingale y Snow muestran el poder del análisis con datos. Pese a desconocer las causas exactas de los problemas a los que se enfrentaban, su análisis de datos indicó con qué factores estaban correlacionados.
Ejecutar experimentos que removían la presencia de esos factores asociados permitió en ambos casos reducir la mortalidad aunque no se supiese explicar claramente el mecanismo causal.
Y presentar los datos de forma abrumadoramente convincente eliminó las reticencias a las medidas que presentaban.
Todas estas lecciones deben ser interiorizadas por los equipos ágiles:
Los datos no son una molestia. Son una herramienta.
En Kanban se da una extrema importancia al análisis de los indicadores para examinar la capacidad del sistema para entregar valor de acuerdo con las expectativas de los clientes.
El examen de la dispersión de los tiempos de entrega a través de histogramas o su evolución en el tiempo con run charts o diagramas de dispersión. El estudio de los CFDs –que muestran el WIP, lead time y throughput medio–, el seguimiento de la eficiencia de flujo, de los bloqueos, de la calidad inicial,…
Son todas ellas métricas extraordinariamente útiles que Kanban utiliza para señalar de forma persuasiva los problemas en nuestro sistema de forma que es inevitable ahondar en las causas de los mismos.
¿Quieres recibir más información y recursos de calidad?
¡Suscríbete a nuestra newsletter mensual!
Cada mes enviamos una newsletter a más de 1.200 personas con contenidos, recursos y ofertas especiales de nuestros cursos. Queremos ofrecer contenido de calidad y sin spam.