¿Data Science y Diseño de Servicios pueden vivir juntos?

Respuesta rápida: si
Respuesta lenta: mmm, déjame pensar... mmm. Si, pueden.

jajaja 🤣

Ahora en serio. 

Esta pregunta me la hice hace un tiempo atrás. ¿Pueden la ciencia de datos y el diseño de servicios complementarse y convivir felizmente en proyectos públicos?


La pregunta nace del hecho que son 2 temas que me apasionan (Hey! Gestión pública, no te sientas mal, también te aprecio mucho). Pero por algún momento sentí que tenía que elegir un camino. De algún modo, tuve la sensación de que debía tomar uno u otro en mi carrera profesional, pues eran cosas que no se juntaban y que la profundización en cada uno de ellos, solo hacía más grandes las distancias. Eso me tuvo complicado un tiempo, porque no quería dejar de lado ninguno. Ya estaba medio decidido a que debía dedicar más tiempo del que pensaba para abordar ambas temáticas y que cuando me tocara armar proyectos, definir qué metodología usar. Aún cuando era un poco loco.

Pero luego de muchas vueltas, me di cuenta de que esa contrariedad no tenía sentido. Estaba todo complicado por una disyuntiva que no existía realmente. 

Y te lo voy a explicar...

Sé que si estás acá, es probable que estas cosas ya las sepas, pero dame 1 minuto para definir algunos conceptos y que todos hablemos de lo mismo.

Ciencia de datos (o Data Science en inglés) es un campo interdisciplinario que junta las competencias de ciencias de la programación, matemáticas/estadísticas y conocimientos de un negocio particular con el fin de resolver ciertas problemáticas, ya sea por métodos descriptivos, predictivos o prescriptivos. 

Diseño de servicios (o Service Design en inglés) es un método que permite mejorar la calidad del servicio ofrecido por una organización y que se centra fuertemente en comprender profundamente a los usuarios, sus características y los problemas que éstos necesitan resolver, así como sus interacciones con el servicio.

Ya con eso en mente... te puedes dar cuenta que ambos tienen, en su fondo, el resolver problemas y agregar valor a los usuarios/instituciones. Claro, desde distintas perspectivas.

Uno de los elementos claves en el diseño de servicios es entender a los usuarios (de un servicio), sus trabajos, sus generadores alegrías y sus penas o dificultades. Ya lo dice Alexander Osterwalder en su canvas de propuesta de valor. Ciertamente, muchas de estas exploraciones son cualitativas. Pero qué pasa cuando tenemos muchos tipos de usuarios? O quizás crees que tienes solo 1 tipo de usuario y en realidad son varios?
Por ejemplo, piensa en un hospital que tiene muchos reclamos. En su OIRS (oficina de reclamos y sugerencias) llegan constantemente personas a quejarse. Imagina que eres un directivo del hospital y quieres abordar esa situación. La gente que trabaja en OIRS te menciona que muchos de los reclamos tienen que ver con falta de información en los servicios de urgencia y hospitalización. Pero detengámonos un poco. ¿Quiénes son realmente las personas que están reclamando? ¿Son hombres, mujeres, qué edad tienen, corresponden a pacientes adultos o niños, hay temporalidad...? Son distintas preguntas que quizás debas hacerte antes para lograr saber quién son. Para esos fines, y más allá de la potencia de distintos modelos etnográficos que se pueden usar, la ciencia de datos puede ayudar a segmentar a las personas reclamantes, quizás a través de modelos de clustering y conocer ciertas características relevantes de éstos por medio el uso de un PCA o modelos de reducción de dimensionalidad. Es posible que hayan relaciones no evidentes a simple vista.
Supongamos que ya lograste identificar y segmentar a tus usuarios. Co-creaste con ellos nuevas instancias de interacción con el servicio y rediseñaste el proceso en base al viaje del usuario para potenciar los momentos felices. Entonces se te ocurre hacer pruebas para evaluar el impacto de tu acciones, para lo cual diseñas un test A/B y distintas pruebas en terreno de observación. Tienes a tu mano una serie de herramientas que te provee el diseño para ello, pero también la ciencia de datos puede ayudar a determinar diferencias estadísticas entre grupos. 

El tema es que la ciencia de datos y el diseño de servicios se mezclan y pueden complementarse muy bien, otorgando miradas profundas sobre la interacción de los usuarios, sus emociones y deseos junto a elementos estadístico-matemáticos, de automatización y predicción (por aplicación de machine learning) que pueden generar mejoras potentes a los servicios que una institución pueda estar abordando. 

Ya te he hablado antes del modelo de trazabilidad de pacientes oncológicos que implementé. Ese proyecto fusionó estas 2 áreas. Hubo análisis de datos, modelos de visualización y generación de árboles de decisión, sumado a distintas experiencias de exploración con sobrevivientes de cáncer y familiares para comprender realmente sus necesidades.  

También te hablé del rediseño de modelo de gestión de garantías GES, en donde más allá de la clasificación de pacientes y reportería, la generación del sistema de monitoreo basado en un simple Excel con una tabla dinámica no fue azar, sino que fue algo co-diseñado y ajustado para las personas que utilizarían esos reportes. 

Entonces, cuando me di cuenta que la ciencia de datos y el diseño se pueden usar de forma tan complementaria, sentí un alivio increíble. No necesitaba elegir un camino, sino que puedo usar distintas herramientas o metodologías, según lo que necesite para un determinado objetivo del proyecto. Y con ello, sale a la luz, nuevamente, la relevancia de contar con equipos diversos y multidisciplinarios, que permitan abordar desde distintos ámbitos una situación relevante para las instituciones y sus usuarios. 


Y es que si queremos abordar, de verdad, distintas problemáticas públicas, no podemos hacerlo solo desde los datos, ni tampoco solo desde el diseño. Sino que es un un esfuerzo sistémico-político y de gestión,  en donde quizás se hace necesario repensar el modelo de gobernanza de datos y las distintas interacciones y generadores de información (imagen de arriba) tanto de las propias instituciones (públicas, privadas y de la misma ciudadanía) como por parte del Estado. Pero de ello, te hablaré en otro artículo, que da para largo.


Saludos! ✌

Comentarios

Artículos más populares

¿Cómo evaluar las garantías GES?

¿Y si re-pensemos el modelo de atención en cáncer?

¿Son eficientes los hospitales públicos de Chile?

Economía colaborativa y generación de valor público