El propósito de esta sección del Manual de Recolección de Datos de TSE es explicar como recolectar datos. Antes de que entremos a la parte concreta de cómo diseñar un proceso de recolección de datos, tomémonos un minuto para revisar la importancia del trabajo preliminar que siempre debes hacer antes de iniciar una seria recolección de datos en tu negocio. Trabajo Preliminar - identificar la decisión que hay que tomar que requiere datos muchas veces, esta decisión que hay de tomar será de cómo mejorar un proceso o resolver un problema averiguar si la recolección de datos es factible averiguar si los beneficios proyectados de la recolección de datos pesan más que los costos proyectados de la recolección de datos Planifica la recolección de datos. Este es el proceso que llevarás a cabo: 1) 2) 3) 4) Formular la hipótesis Crear la definición operativa Definir las variables y cómo medirlas Crear los instrumentos y procesos y probar la precisión y la confiabilidad de los mismos 5) Ejecutar la recolección de datos 6) Analizarlos datos para aprobar o refutar la hipótesis A continuación explicamos cómo realizar cada uno de estos seis pasos para recolectar datos. El Proceso para recolectar datos 1) Formular una Hipótesis Hablamos sobre qué es una hipótesis en las páginas 4 y 5 de este Manual. ¿Recuerdas la definición que dimos de una hipótesis? Escribe lo que recuerdes aquí: Ahora, compárala con la definición de una hipótesis que usaremos durante este curso: Hipótesis – una suposición que se hace sobre por qué sucede algo o qué pasaría si sucediera algo; una adivinanza basada en información – adivinas según lo que sabes La mejor forma de entender qué es una hipótesis es generar una. Si tu amigo te llama veinte veces seguidas en una noche, cuando el teléfono suena por veintiuna vez, vas a pensar que es el mismo amigo, ¿no?. Es posible que sea el amigo o no, pero la información de veinte llamadas seguidas te indica que lo más probable es que sea el mismo amigo. Mencionamos que crearás al menos tres hipótesis en el curso: 1) adivinarás con información sobre la magnitud y la frecuencia del problema Un ejemplo de esta hipótesis que se hace en el Paso II es “el problema de la acidez excesiva ocurre en la mayoría de las tandas de salsa de tomate.” ¿Ves que una hipótesis puede ser general? Puede ser general porque en la definición operativa, cuantificarás todo el asunto. 2) adivinarás con información sobre cuáles son las causas raíces del problema Al comienzo del Paso III, tu y tu equipo formularán una hipótesis sobre cuáles son las causas raíces del problema, según la información que ya tienen. Cuando hayan probado y rechazado esta hipótesis, habrán terminado el Paso III con éxito. Es más fácil probar ciertas hipótesis que otras… 3) adivinarás con información sobre qué pasará cuando se implemente la solución propuesta por ti y tu equipo Al presentar la solución al problema a la Gerencia a finales del Paso IV, el objetivo fundamental es convencerles que la hipótesis sobre si la solución funcionará o no sea legítima y basada en información y con un análisis creíble. Toma un momento para escribir cuál fue tu hipótesis sobre la magnitud y frecuencia del problema que estás estudiando: Una vez que hayas generado la hipótesis, crearás una definición operativa de la hipótesis. Anota que el objetivo general de cualquier recolección de datos siempre es probar y rechazar la hipótesis. 2) Crear la definición operativa ¿Qué es una definición operativa? Una definición operativa es una parte del proceso de recolección de datos fácil de usar pero muy importante. Muchas veces, cuando hablamos a la gente, pensamos una cosa en la cabeza y ellos piensan otra cosa aunque creamos que pensamos la misma cosa. Esto pasa mucho entre hombres y mujeres. Aquí va un ejemplo: Samuel: "Bueno pues, creo que Felipe está muy en serio con Elena, porque él ha estado con ella durante mucho tiempo." Ercilia: "De qué hablas? El solo ha estado con ella por un rato - él puede estar jugando. Los hombres nunca quieren comprometerse…" ¿Cuándo el hombre dice "mucho tiempo, "¿cuánto tiempo quiere decir? No sabemos. ¿Y qué tal la mujer que dice "por un rato". No sabemos. Si ellos tuvieran la definición de "mucho tiempo" o "por un rato" que fuese entendido por ambos, entonces ellos se entenderían uno al otro mejor. Por ejemplo, "mucho tiempo de estar saliendo con alguien" podría significar "cuando la relación ha existido por al menos seis meses. El comienzo de la relación se define como la primera vez en que uno de los dos le pidió una cita al otro/a". Si ambos, hombre y mujer compartieran esta definición, cada uno sabría exactamente si Felipe y Elena han estado saliendo un "mucho tiempo" o no, basado en la medida de seis meses. Cuándo todos en tu equipo están recolectando datos, es importante que todos tengan una definición compartida de lo qué deberá ser medido y cómo se medirá. Eso es lo que una definición operativa es: La Definición Operativa: una declaración que define una variable por especificar las operaciones usadas para medirla o manipularla La razón que se llama definición operativa es porque define cómo realizar ciertas operaciones. Una definición operativa describe cómo realizar las operaciones como medidas y escribir datos en una hoja de verificación. Así, si la gente no está clara con respecto a las operaciones de cómo medir los datos, los datos no serán confiables. Aquí están algunos ejemplos de definiciones operativas: Para explicarlo hemos creado tres ejemplos de situaciones y definiciones operativas. Ejemplo 1: Reporte de gastos sin errores Una compañía ha descubierto que tarda mucho tiempo en girar cheques de reintegro porque las personas cometen muchos errores en sus reportes de gastos. La empresa quiere enseñarle a la gente cómo reducir el número de errores, pero primero la empresa debe definir que es un reporte sin errores, lo cual se define: Un reporte de gastos sin errores incluye facturas de todo gasto superior a $25 y ninguna factura de gastos no incluidos en el reporte. Los cálculos están hechos correctamente y los gastos están codificados en la categoría apropiada. Ejemplo 2: Un reporte entregado a tiempo Una empresa tiene problemas con personas que entregan sus reportes tarde. La compañía quiere incrementar el número de reportes entregados a tiempo, pero primero debe definir qué significa a tiempo. un reporte a tiempo es un reporte completamente lleno que es puesto en el buzón correspondiente al menos 10 minutos antes de la fecha y hora de entrega establecida Ejemplo 3: Gafete sin errores Una empresa produce pequeños gafetes plásticos. Para determinar si el producto no tiene errores, los empleados deben desarrollar una definición operativa, de modo que cada uno estaría midiendo lo mismo. Un gafete sin errores es aquel cuyas dimensiones varían ±0,5 mm con respecto al molde. Todos los ángulos de corte varían entre 89° y 91° y no existe ningún signo visible de pliegues, endiduras o resaltos (desechos adheridos). El nombre está grabado a una profundidad de 1 mm, con una variación de ±0,1 mm. Las definiciones operativas necesitan cumplir con otros requisitos también. Las definiciones operativas necesitan ser - concretas mensurable confiables ¿Los ejemplos arriba reúnen estos criterios? ¿Creo yo una definición operativa para la hipótesis o las variables o ambas? TSE sugiere que hagas una definición operativa para tu hipótesis y variables. A continuación explicamos por qué aconsejamos eso… Definir la hipótesis operativamente antes que definas las hará que toda la recolección sea más clara y efectiva. Aquí tienes un ejemplo: imaginemos que trabajamos en un salón de belleza. El proceso que queremos mejorar es el proceso del corte de cabello. El promedio de corte de cabello lleva 20 minutos. Esto significa que el cliente promedio normalmente tiene que esperar un rato. No sabemos exactamente cuanto tiempo el cliente promedio tiene que esperar. Sin embargo, sabemos que queremos reducir la cantidad de tiempo promedio que un cliente tenga que esperar. Esa es la meta de nuestro proyecto. ¿Entonces qué hacemos? Formulamos una hipótesis: "más de la mitad de nuestros clientes tienen que esperar demasiado tiempo antes de cortarles el cabello." Queremos usar una recolección de datos para establecer la magnitud y la frecuencia de este problema. Para hacer una recolección de datos, sabemos que necesitamos nombrar algunas variables y hacer una hoja de verificación. ¿Y qué si nos adelantamos y definimos las variables y el resto del rollo entero sin parar a crear una definición cuantitativa de lo que "el cliente tiene que esperar demasiado" quiere decir en la realidad? Podríamos proseguir y crear nuestras variables. Lo único que tenemos que hacer es anotar cuando cada cliente viene al salón y cuando cada cliente es procedido a cortarse el cabello por el estilista. Entonces sabríamos exactamente cuánto tiempo cada cliente tuvo que esperar. Los resultados de esa recolección de datos nos dirían el tiempo promedio de espera así como también las frecuencias de cuántos clientes tuvieron que esperar 5 minutos, cuántos tuvieron que esperar 10 minutos, etc. Pero, recuerda-- nosotros nunca definimos operativamente nuestra hipótesis. La hipótesis era "más de la mitad de nuestros clientes tienen que esperar demasiado tiempo antes de cortarles el cabello". Para poder probar o rechazar esta hipótesis, necesitamos saber dos piezas de información: - cuántos clientes tuvieron que esperar demasiado tiempo cuán largo es demasiado tiempo Digamos que estos son los datos que obtuvimos: Número del Cliente Tiempo de Llegada 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Total Promedio Hora en que se Tiempo de espera atendió al cliente del cliente (en minutos) 10:23 1:11 1:15 1:59 4:00 11:12 11:40 2:01 3:23 2:45 11:04 12:10 4:01 4:30 4:50 10:44 1:30 1:20 2:20 4:00 11:18 11:59 2:15 3:33 3:00 11:12 12:22 4:10 4:32 4:52 21 29 5 21 0 6 19 14 10 15 8 12 9 2 2 173 11.53 Debido a que nunca definimos nuestra hipótesis operativamente, nunca establecimos lo que queríamos decir por “esperar demasiado tiempo”. Para probar o rechazar nuestra hipótesis, necesitamos saber si la mayoría tuvo que esperar demasiado. Podemos mostrar el tiempo promedio y las frecuencias de cuánta gente tuvo que esperar por lo menos cinco minutos, por lo menos diez minutos, etc. Hasta que definamos operativamente nuestra hipótesis, nunca la podremos probar. Si una persona piensa que tener que esperar más de cinco minutos es "demasiado tiempo", entonces nuestra hipótesis puede ser probada porque 11 de 15 clientes esperaron más de 5 minutos. Aunque no hagamos la cuenta, sabemos que 11 de 15 deben ser la mayoría, porque 7.5 de 15 son 50%. ¿Pero qué pasaría si otra persona piensa que vale la pena esperar un poco más de 5 minutos? Digamos que esta segunda persona piensa que 10 o más minutos es demasiado tiempo para esperar. En ese caso, sólo 7 de 15 personas tuvieron que esperar demasiado tiempo. Sin hacer las cuentas, sabemos que tiene que ser menos que la mayoría, porque 50% es igual a 7.5 clientes. Según la segunda persona, la hipótesis se rechazaría. En este ejemplo vemos que la manera en que una hipótesis se define puede determinar si la hipótesis se prueba o se rechaza ¡aún cuando tengamos los mismos datos exactos! Finalmente, digamos que al principio de la recolección de datos habíamos definido lo que significa "tener que esperar demasiado tiempo". Recuerda, nuestra hipótesis original y vaga se pareció a esta: "más de la mitad de nuestros clientes tienen que esperar demasiado tiempo antes que se les corte de cabello." Una versión operativa de esta definición sería: " > 50% de los clientes del salón “Tony y Joe’s” que llegan sin una reservación y sólo quieren su corte de cabello tenga que esperar más de 5 minutos, entre el tiempo en que llegan y el tiempo en que se les comienza a cortar el cabello. La unidad de medida es minutos; no estamos midiendo el tiempo en segundos." La cosa más importante acerca de esta definición es que hemos establecido cuán largo es demasiado tiempo. Es sencillo y obvio a cualquiera que vea la definición: más de 5 minutos son demasiado tiempo. Nota que en la definición operativa, decimos "la mayoría" en una manera cuantitativa: "> 50%." Mira que también notamos el nombre del negocio. Y también, mostramos que sólo estamos hablando sobre clientes que llegan si cita previa. Pregunta de bono: ¿Si medimos el tiempo sólo en minutos y no en segundos, qué clase de variable es esa? Pista: es categórico, discreto o continuo. (La respuesta está al final de la próxima página) Para estas razones, TSE cree importante definir operativamente las hipótesis y las variables antes de hacer una recolección de datos. Nota estratégica1 En Paso II, el resultado de la obtención de datos acerca del proyecto será una definición operativa del proyecto. En este caso, defines operativamente cuál es el problema preciso que estarás estudiando. Esto es crucial porque influye en la fijación de las metas de mejora. Si evaluarás el éxito relativo de tu proyecto en base a las metas de mejora, entonces crear metas de mejora realistas es 1 Respuesta a la preguna de bono: es una variable discreta importante y dentro de tus intereses en la compañía. Esa es una manera específica en que usarás en una definición operativa en TSE. OK. Está claro cómo definir una hipótesis operativamente. ¿Pero, cómo defino las variables operativamente? Eso parece muy abstracto… La definición de variables operativas es muy directa. Describes lo que medirás y cómo lo medirás. Eso es lo que cubriremos en la próxima sección: definir las variables. 3) Definir las Variables Hay una razón sencilla porque queremos definir las variables: Mientras más claras sean las variables, más útiles serán los datos que recolectas. En la segunda sección, notamos que los datos son información acerca de una variable. Para definir las variables acerca de las cuales recolectarás los datos, necesitas decidir qué información quieres. Una vez que sepas eso, escoge las variables que -si fueras a recoger datos sobre ellos- te daría la información que buscas. Aquí tienes un ejemplo: Eres un representante de un partido político y quieres saber cuál precinto de cierta ciudad es más favorable a tu candidato. Para obtener esta información, tienes que definir algunas variables, y entonces reunir los datos para esas variables. Probablemente querrías saber cómo los residentes de cada precinto votaron en las últimas elecciones. Aquí tienes algunas variables que puedes escoger: El nombre de la variable % PRI ‘95 % PNR ‘95 % DC ‘95 Descripción de la variable Porcentaje de votos emitidos en una zona que dieron su voto al PRI en las elecciones de 1995 % de votos emitidos en una zona que dieron su voto al PNR en las elecciones de 1995 & de votos emitidos en una zona que dieron su voto al DC en las Unidad de medición Porcentaje de votos emitidos en una zona Porcentaje de votos emitidos en una zona Porcentaje de votos emitidos en una zona % MNR ‘95 % PRI ‘90 % PNR ‘90 % DC ’90 % MNR ‘90 elecciones de 1995 % de votos emitidos en una zona que dieron su voto al MNR en las elecciones de 1995 % de votos emitidos en una zona que dieron su voto al PRI en las elecciones de 1990 % de votos recibidos en una zona por el PNR en las elecciones de 1990 % de votos recibidos en una zona por el DC en las elecciones de 1990 % de votos recibidos en una zona por el MNR en las elecciones de 1990 Porcentaje de votos emitidos en una zona Porcentaje de votos emitidos en una zona Porcentaje de votos emitidos en una zona Porcentaje de votos emitidos en una zona Porcentaje de votos emitidos en una zona Además de pensar lo que las variables deben ser, necesitas decidir cuáles serían las mejores variables sobre las cuales podrías reunir datos. En este caso, no todas variables son creadas iguales. Cuando se evalúa la utilidad de una variable, se tiene que tomar en cuenta la cantidad de información contextual que sería necesaria para poder entender lo que los datos recolectados sobre dicha variable nos están “diciendo”. Pistas para seleccionar variables Asegúrate de que los datos que recolectarás sean MRO: - medibles (M) relevantes (R) obtenibles (O) Si una variable de las que quieres recolectar datos no cumple con uno de estos criterios, es probable que no debieras recolectar datos sobre ésta. Una manera útil de conducir una lluvia de ideas acerca de las variables es identificar cada paso del proceso bajo estudio. Luego, creas una variable para cada paso. Por ejemplo, digamos que el problema estudiado son las tasas excesiva de tener que rehacer los trabajos mecánicos en los talleres de autos, porque la primera vez no se arregló correctamente. Querrías identificar cada paso en el proceso y entonces crear una variable para cada uno de ellos… Otra manera de generar las variables es por categoría. Recuerda la segunda sección cuando hablamos acerca de las diferencias entre variables categóricas, discretas y continuas (págs. 8-10). Bien, al pensar acerca de las categorías de información que buscas es una manera de crear las variables categóricas. Si haces una encuesta sobre la satisfacción del cliente y tienes muchos tipos de clientes, serían bueno crear las variables categóricas: Clientes que compran televisiones Clientes que compran vcr (vhs) Clientes que compran teléfonos celulares, etc. Es importante enumerar todas las variables que definiste y proporcionar una definición operativa para cada uno. Recuerda-- una definición operativa es una descripción precisa que específica cómo medir o manipular ciertos valores. Una vez que hayas definido tu hipótesis y las variables operativas, estarás listo para crear los instrumentos y procesos que tu y tu equipo usarán para recolectar los datos. 4) Diseñar los instrumentos y procesos Al llegar aquí, has formulado y definido tu hipótesis y has definido tus variables. Ahora te toca diseñar el proceso y los instrumentos que usarás para conseguir los datos. Nota a los de ustedes que sean nuevos al mundo de la recolección de datos: decir "instrumentos de recolección de datos" puede sonar complejo o sofisticado. No es complicado ni raro. Solo piensa en los instrumentos de recolección de datos como si fueran las cajas pequeñas que llevas contigo para guardar la información que vas recolectando. Referente a “diseñar el proceso de la recolección de datos”: eso quiere decir “decir cómo recolectar los datos y con quién.” El propósito de esta sección es introducir muy brevemente algunos instrumentos para la recolección de datos. En la caja de herramientas para la recolección de datos que les enviaremos al comenzar el Paso III, encontrarán más herramientas, instrucciones sobre cómo crear y usarlas, y ejemplos. La caja de herramientas incluirá herramientas para recolectar y para analizar datos. Hay muchos instrumentos para recolectar datos. Aquí van algunos ejemplos: 1. Hoja de Verificación: es un formulario especialmente construido para recolectar datos de la ejecución de un proceso. 2. Cuestionario/Encuesta del cliente: es una secuencia de preguntas bien estructuras. Usualmente se utiliza para recolectar datos de personas, por ejemplo en un servicio. 3. Observación y entrevista: es una recolección de datos mediante una secuencia de preguntas no bien estructurada. Es más flexible que el cuestionario y por tanto, facilita la recolección de información en términos generales. 4. Registros: es una revisión de datos históricos, tomados normalmente de archivos, informes, etc. 5. Grupos focales2: cuando juntas a un grupo de clientes reales o potenciales para pedir sus reacciones, respuestas y retroalimentación a ciertos 2 En El Salvador se dice “grupo focal.” También se dice “grupo de análisis.” “Grupo focal” viene de inglés—“focus group.” Un grupo focal es un grupo de consumidores que una empresa junta para probar sus reacciones a un producto, o una película o una política. En los EE.UU., los abogados usan “grupos focales” mucho para probar cómo verá el jurado ciertas frases. productos, frases de mercadeo u otra cosa. Si tu proyecto tiene que ver con servicio al cliente, los grupos focales serán una herramienta valiosa. También se pueden usar de una forma interna a la empresa si tu proyecto tiene que ver con los recursos humanos o motivación. Cómo escoger herramientas que usar… Cada instrumento que decidas usar para recolectar datos dependerá del tipo de información que buscas. Si quieres datos históricos de la empresa, una hoja de registro representará el mejor instrumento. Si quiere retroalimentación del cliente, una encuesta podría ser útil. Podrás encontrar instrucciones detalladas sobre cómo crear cada uno de estos instrumentos de la caja de herramientas para la recolección de datos que te enviaremos al comienzo del Paso III. Qué hacer una vez que hayas creado los instrumentos que se utilizarán Después de que hayas creado las herramientas, necesitarás escribir las instrucciones sobre cómo usarlas. Recuerda, haz que sean cortos y sencillos. Una buena idea es preguntarte “si una persona ajena al proceso viniera, podría usar el instrumento en la forma correcta sin que yo le dijera nada?” Un instrumento así siempre debe ser lo más simple posible. ¡Esta no es el momento para demostrar al mundo que tan sofisticado está tu forma de pensar! Cómo verificar que el instrumento funcione Para verificar que el instrumento te dará datos confiables, hay que probarlo. Jamás se usa un instrumento de recolección de datos hasta que se pruebe. Para medir la utilidad y precisión de la herramienta, se recomienda entregar la herramienta y sus instrucciones a una persona ajena a la recolección de datos. Pídele que haga lo que se especifica las instrucciones. Después, analiza los datos obtenidos con la realidad que observaste para ver si están conformes. Si no están conformes, o (1) el recolector no entendió cómo usar el instrumento o (2) el instrumento no funciona. Si es (1), aclara las instrucciones. Si es (2), practica tu con el instrumento y averigua qué parece no estar funcionando. Igual, la Casa Blanca prueba el uso de mucha palabras por medio de “grupos focales.” Se usan en el mundo de negocios para hacer investigaciones sobre las preferencias y comportamiento del consumidor, y por extensión, el mercado. Pueden ser una herramienta valiosa. ¿Tengo que capacitar a los recolectores? Sí – tienes que tomar el tiempo para capacitarlos. Aunque hay detalles “técnicos” en una recolección de datos, es un proyecto como otro proyecto. Por lo tanto, se necesitan recursos: dinero, tiempo, gente y conocimiento específico. ¿Cómo te aseguras de que aproveches al máximo los recursos con los cuales cuentas para tu recolección de datos? Bueno pues, una sugerencia es preparar un plan de capacitación para los recolectores. No importa cuánto dinero o tiempo tengas: siempre puedes influir en la calidad de la recolección por inspirar y capacitar a los recolectores. Un plan de capacitación debe ser muy sencillo e informal: solamente lo esencial para guiarte en cómo entrenar a los recolectores. Sugerimos que cubras los siguientes puntos en tu plan de capacitación: ¿Por qué queremos recolectar datos? ¿Cómo la recolección nos ayudará a todos nosotros? ¿Cuál es el proceso que usaremos? ¿Cuáles son los instrumentos que usaremos? ¿Cuándo y cómo platicaremos como un equipo? Finalmente, cuando todo esto esté claro, siempre deberías un plan de acción sencillo que especifique quién hará qué, cuándo, cómo se hará, y con cuáles recursos. 5) Ejecutar tu plan de recolección de datos Esta es la parte más fácil del proceso de recolección de datos: ya que has escrito una hipótesis clara, definido las variables, creado y probados los instrumentos, y motivado y entrenado tus recolectores, debería ser fácil de ejecutar tu plan. Así que esta es la cosa mas importante en este paso: A) ejecuta tu recolección de acuerdo a tu plan. B) Platicar con tu equipo de recolectores Nota: cuando utilizas más de una persona para recolectar datos, el éxito de la recolección de datos radica tanto en la manera en que entrenas a la gente para recoger los datos como también en la calidad e integridad de tu proceso e instrumentos para la recolección de datos. Por lo tanto, hay que administrar una recolección de datos creando la motivación dentro de los recolectores como hay que hacer en cualquier otro proyecto. Una buena forma de hacer depósitos en sus Cuentas Bancarias Emocionales es llegar donde ellos y platicar informalmente y brevemente con ellos.3 Hay dos razones de por qué es inteligente platicar de vez en cuando con los recolectores: mantener su motivación ver si están claros referente a cómo ejecutar su parte del proceso OJO: si se sienten “inspeccionados,” estas pláticas serán retiros de la Cuenta Bancaria Emocional… C) Arreglar los problemas imprevistos que surjan en el camino No existe la recolección de datos que se realice sin que se presente algún errorcito o desafío en el camino. Lo que hará que logres el éxito será tu habilidad de responder a este caos (¿se acuerdan del Juego de Caos que compartimos en febrero?). Una buena idea es diseñar un mecanismo en tu plan de recolección de datos que ayude a identificar los retos o problemas en cuanto surjan en el proceso. Muchas veces asumimos que por el hecho de que hemos escrito un plan, el plan se esté desarrollando perfectamente. Muchas veces no es el caso, ¿verdad? Pista: ¡no asumas que algo va bien si no lo has visto con tus propios ojos! D) Trata de incluir datos nuevos que tal vez necesites recolectar Es posible que en la marcha de la recolección de datos te des cuenta que sería bueno recolectar datos sobre otras nuevas variables. No hay ningún problema con eso. Desde luego, si sabes que te ayudarán otros datos que no habías pensado recolectar al comienzo, es importante tratar de recolectarlos. Si no lo haces, o tendrás que tomar decisiones sin el beneficio de estos datos, o tendrás que volver a recolectarlos después. Si decides expandir tu recolección de datos para que incluya otras variables y otros datos, asegúrate de que la forma en que se recolectarán estos nuevos datos no interfiera con la recolección de los datos que ya se han estado recolectando. Otra pista: en la medida que sea posible, usa las mismas unidades de medición cuando recolectas los datos. Por ejemplo, si estás midiendo el tiempo promedio de un proceso en segundos, mide todos los tiempos que estás estudiando en segundos—no en minutos ni en horas. 3 Para quiénes les interesen, el ir y platicar informalmente con alguien se llama “hacer un check-in” en inglés. 6) Analizar los datos Esta parta de la recolección de datos se puede resumir como: “mira lo que conseguiste y lo que significa”. El objetivo de la recolección de datos es usar datos para confirmar o rechazar cierta hipótesis que hemos hecho sobre algo. Para cumplir con este objetivo, necesitamos tener no solo los datos, pero también saber lo que significan. Aquí tienes una manera fácil de ver la relación de datos con el análisis de los datos: Datos + Análisis = Conocimiento de lo que los datos significan = poder rechazar o confirmar una hipótesis En la caja de herramientas que les enviaremos al principio del Paso III, verás muchas herramientas diferentes para entender y “leer” los datos que has recolectado. Si hay alguna herramienta para el análisis de datos que desees aprender y que no está incluida en la caja de herramientas, habla con tu facilitador o envíanos un e-mail aquí en Washington y ¡veremos lo que podemos hacer! Ni las herramientas más sofisticadas y científicas del análisis de datos no dicen definitivamente si la hipótesis ha sido probada o rechazada. Esa es una decisión que el individuo o equipo encargado debe tomar basado en los datos analizados y su propia experiencia en el negocio. © 2000, Georgetown University and U.S. AGENCY FOR INTERNATIONAL DEVELOPMENT Centro para el Desarrollo y la Educación Intercultural (CIED) Técnicas en Soluciones Empresariales (TSE) This publication was made possible through support provided by the LAC, U.S. Agency for International Development, under the terms of Grant No LAC-0661-A-00-0039-00. All rights reserved. No part of this document may be reproduced in any form. Esta publicación fue hecha gracias al apoyo de la LAC, U.S. Agency for International Development, bajo las condiciones de Grant No. LAC-0661-A-00-0039-00. Reservados todos los derechos, incluso el de reproduccción total o parcial, en cualquier forma. Glosario de Términos del Manual TSE para la Recolección de Datos Hipótesis: Una suposición por qué sucede algo o qué pasaría si sucediera algo Variación: el grado en que varía o fluctúa un proceso Definición operativa: una descripción precisa de algo y cómo se debe medir o manipular Variable: un factor, característica o fenómeno que puede tener distintos valores Datos (los datos, un dato): información acerca de una variable Variables categóricas: una variable que pertenece a cierta categoría y que no pertenece a ninguna categoría Variables discretas: una variable cuyo valor se puede representar en una escala de mediciones numéricas, en que hay que “saltar” entre unidades de medición, por ejemplo 1 pulgada o 2 pulgadas pero no 1.5 pulgadas Variables continuas: una variable cuyo valor se puede representar en una escala de mediciones numéricas, con un número infinito de gradaciones entre cada valor, por ejemplo Variable independiente: en una hipótesis, estamos suponiendo que la variable independiente está causando (el valor de) la variable dependiente, por ejemplo más lluvia en la variable independiente y más cultivo es la variable dependiente Variable dependiente: en una hipótesis, estamos suponiendo que el valor de la variable dependiente está siendo causado por la variable independiente Complejidad: todo lo que hace un proceso más complejo sin agregarle valor y sin ser absolutamente necesario Bibliografía Consultamos a los siguientes recursos al preparar este manual: Scholtes, Peter R. et al, El Manual del Equipo¸Joiner, Madison, WI, 1991. Sproull, Natalie, L. Handbook of Research Methods: A Guide for Practitioners and Students in the Social Scientes, 2nd ed, The Scarecrow Press, Inc., Lantham, MD & London, 1995.