3 Planeación Real de un Proyecto: El Business Understanding Canvas
En el capítulo anterior aprendiste a identificar stakeholders, ubicarlos en la matriz de poder e interés, y a traducir preguntas cualitativas en objetivos analíticos. Sin embargo, en un proyecto real esa traducción no ocurre de forma espontánea dentro de tu cabeza: se documenta. Un equipo de datos profesional deja evidencia escrita de cada conversación con el negocio, y condensa esa evidencia en un artefacto de una sola página que cualquier miembro del equipo —o cualquier stakeholder nuevo— pueda leer en cinco minutos y entender exactamente qué se va a hacer, por qué, y cómo se sabrá si funcionó.
Ese artefacto es el Business Understanding Canvas. Es la salida tangible de la primera fase de cualquier metodología estructurada de minería de datos (formalizarás esto más adelante como la fase de Business Understanding de CRISP-DM (Chapman et al. 2000; Shearer 2000; Wirth y Hipp 2000)). Aquí lo construiremos de forma práctica, aplicado a un caso real, para que cuando llegues al marco metodológico completo ya tengas la intuición de qué problema resuelve cada pieza.
En este capítulo construirás las cinco piezas que componen la documentación de entendimiento de negocio de un proyecto:
- Una bitácora de reunión con el stakeholder.
- El Business Understanding Canvas de una página.
- De 3 a 4 preguntas de investigación priorizadas.
- El criterio de éxito en términos de negocio.
- Una lista de supuestos y riesgos (con al menos dos riesgos reales y su mitigación).
Lo haremos continuando el caso de TheLook eCommerce introducido en el capítulo anterior, donde el Director de Mercadotecnia solicitó impulsar la nueva línea de accesorios de lujo entre las clientas frecuentes de vestidos de diseñador.
3.1 Paso 1: La Bitácora de la Reunión con el Stakeholder
Antes de sintetizar nada, se documenta la conversación tal como ocurrió. La bitácora (meeting log) no es un resumen embellecido: es un registro fiel de quién dijo qué, qué se acordó y qué quedó pendiente. Sirve como fuente de verdad si más adelante hay desacuerdos sobre el alcance del proyecto.
3.1.1 Elementos mínimos de una bitácora
- Metadatos: fecha, hora, duración, modalidad y lugar.
- Participantes: nombre, rol y su cuadrante en la matriz de poder/interés.
- Contexto: qué disparó la reunión.
- Preguntas y respuestas: el intercambio real de la conversación de descubrimiento.
- Decisiones y acuerdos: qué quedó explícitamente aceptado por ambas partes.
- Pendientes y próximos pasos: con dueño y fecha.
3.1.2 Ejemplo aplicado: Kickoff del proyecto “Accesorios de Lujo”
3.2 Paso 2: El Business Understanding Canvas (Una Página)
El canvas condensa la bitácora en seis bloques que cualquier persona del negocio o del equipo técnico puede revisar en minutos. Estos seis bloques no son arbitrarios: corresponden directamente a las tareas que la guía CRISP-DM (Chapman et al. 2000) define para la fase de Business Understanding —determinar objetivos de negocio, evaluar la situación, determinar objetivos de minería de datos y producir un plan de proyecto—, desdobladas aquí en sus criterios de éxito de negocio y técnico. A diferencia de la bitácora —que es cronológica y detallada— el canvas es atemporal y sintético: es el documento que se archiva y se consulta durante todo el proyecto.
1. Objetivos de Negocio
Incrementar el margen bruto de las clientas frecuentes de vestidos de diseñador mediante venta cruzada de accesorios de lujo, antes de la campaña de fin de año.
2. Criterio de Éxito (Negocio)
+8% de margen incremental en el segmento piloto durante las 6 semanas posteriores al lanzamiento, medido contra un grupo de control.
3. Evaluación de la Situación
Recursos: Acceso al DW de TheLook (tablas orders, order_items, users, inventory_items); un analista de datos; Gerente de Inventario como fuente de disponibilidad de stock.
Requisitos: Resultados accionables en 6 semanas; recomendaciones que respeten el stock regional disponible.
Supuestos: El historial de compras conjuntas (vestido + accesorio) es representativo del comportamiento futuro de la clienta.
Riesgos: Ver tabla de riesgos en la sección siguiente.
4. Objetivos de Minería de Datos
Descubrir reglas de asociación entre vestidos de diseñador y accesorios, y generar un ranking de recomendaciones por clienta, filtrado por disponibilidad regional de inventario.
5. Éxito Técnico
Lift > 1.2 y confianza > 30% en las reglas de asociación seleccionadas para la campaña.
6. Plan del Proyecto
Semana 1: extracción y EDA del segmento. Semana 2-3: reglas de asociación y validación con inventario. Semana 4: revisión con el Director de Mercadotecnia. Semana 5-6: piloto controlado y medición de margen incremental.
Observa que el bloque 5 (Éxito Técnico) usa una métrica de modelo (lift, confianza), mientras que el bloque 2 (Criterio de Éxito de Negocio) usa una métrica financiera (margen incremental). Esta distinción es intencional y se profundiza en el siguiente paso.
3.3 Paso 3: Preguntas de Investigación Priorizadas
Rara vez existe una sola pregunta analítica detrás de un proyecto. Es tarea del analista descomponer el objetivo de negocio en varias preguntas de investigación y priorizarlas según su impacto en el negocio y la factibilidad de responderlas con los datos disponibles, siguiendo la misma lógica de la matriz de poder/interés del capítulo anterior, ahora aplicada a preguntas en vez de personas.
| # | Pregunta de Investigación | Impacto de Negocio | Factibilidad de Datos | Prioridad |
|---|---|---|---|---|
| 1 | ¿Qué accesorios se compran junto con vestidos de diseñador con mayor frecuencia? | Alto | Alto | 1 (Piloto) |
| 2 | ¿Qué accesorios recomendar cuando el stock regional es limitado, sin frustrar la demanda? | Alto | Medio | 2 |
| 3 | ¿El efecto de venta cruzada varía según la región o bodega de origen del pedido? | Medio | Alto | 3 |
| 4 | ¿Las clientas que reciben la recomendación aumentan su frecuencia de compra a largo plazo (no solo el ticket)? | Alto | Bajo (requiere datos longitudinales aún no disponibles) | 4 (Fuera de alcance del piloto) |
La pregunta 1 concentra el esfuerzo del piloto porque combina alto impacto con datos ya disponibles en el Data Warehouse. La pregunta 4, aunque valiosa, requiere una ventana de observación más larga y queda documentada para una segunda iteración, no descartada.
3.4 Paso 4: Criterio de Éxito en Términos de Negocio
Un error común de analistas junior es definir el éxito exclusivamente con métricas de modelo (precisión, recall, AUC, lift). Esas métricas son necesarias pero no son el criterio de éxito del proyecto: son el criterio de éxito del modelo. El stakeholder no puede evaluar si un AUC de 0.83 fue una buena inversión; sí puede evaluar si el margen subió. Esta distinción entre el objetivo de negocio y el objetivo de minería de datos es, según Provost y Fawcett (2013), la fuente más frecuente de proyectos analíticos que producen modelos técnicamente correctos pero comercialmente irrelevantes.
| Tipo de Criterio | Ejemplo en este proyecto | ¿Quién lo evalúa? |
|---|---|---|
| Negocio (el que importa para aprobar o cancelar el proyecto) | +8% de margen incremental en el segmento piloto vs. grupo de control, en 6 semanas | Director de Mercadotecnia |
| Técnico (el que usa el equipo de datos para iterar el modelo) | Lift > 1.2 y confianza > 30% en las reglas de asociación | Analista de Datos |
3.5 Paso 5: Supuestos y riesgos
Todo canvas simplifica la complejidad del proyecto. Por ello, debe complementarse con una lista de supuestos y un registro de riesgos.
Un supuesto es una condición que se considera verdadera, aunque todavía no se haya verificado. Un riesgo es un evento incierto que podría afectar el desarrollo o los resultados del proyecto. Los supuestos deben validarse; los riesgos, evaluarse y mitigarse.
3.5.1 Supuestos
Para el piloto se consideran los siguientes supuestos:
- El comportamiento histórico de compra conjunta —por ejemplo, vestido y accesorio— representa razonablemente el comportamiento futuro durante la campaña.
- El archivo de inventario se actualizará semanalmente durante las seis semanas del piloto.
- El segmento de clientas frecuentes contiene suficientes transacciones para generar reglas de asociación confiables.
- El equipo de Mercadotecnia podrá incorporar las recomendaciones en su calendario de campaña.
Los supuestos más importantes deben comprobarse durante las primeras etapas. Si alguno resulta falso, puede ser necesario modificar los datos, el método o el alcance del proyecto.
3.5.2 Clasificación de los riesgos
Clasificar los riesgos permite asignarlos al equipo responsable y evita reducir el análisis únicamente a problemas técnicos. En un proyecto analítico pueden distinguirse cinco categorías principales:
- Datos: problemas de calidad, disponibilidad, actualización o representatividad.
- Analíticos: sesgo, estacionalidad, sobreajuste, asociaciones espurias o pérdida de desempeño.
- Operativos: falta de inventario, capacidad insuficiente o procesos que no pueden utilizar los resultados.
- Tecnológicos y de seguridad: fallas de integración, permisos excesivos, accesos no autorizados o interrupciones de los sistemas.
- Legales, éticos y reputacionales: uso indebido de datos personales, discriminación o personalización percibida como invasiva.
También pueden existir riesgos de adopción cuando los usuarios no comprenden, no confían o no utilizan la solución.
3.5.3 Evaluación de los riesgos
Cada riesgo debe evaluarse según su probabilidad y su impacto. Esta valoración permite priorizar los riesgos que requieren atención inmediata.
Además de la mitigación, conviene registrar:
- la persona responsable;
- la señal que indicaría que el riesgo está ocurriendo;
- el control preventivo;
- y el plan de contingencia.
3.5.4 Registro de riesgos del proyecto
| # | Clasificación | Riesgo | Probabilidad | Impacto | Mitigación |
|---|---|---|---|---|---|
| 1 | Privacidad | La extracción de información de clientas VIP podría exponer datos personales fuera del equipo autorizado, incumpliendo la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (Congreso de los Estados Unidos Mexicanos 2010). | Media | Alto | Eliminar identificadores innecesarios, aplicar controles IAM/RBAC y mantener registros de acceso. |
| 2 | Operativo | El modelo podría recomendar accesorios sin inventario suficiente. | Alta | Medio | Validar las recomendaciones contra inventory_items antes de cada campaña y establecer un nivel mínimo de existencias. |
| 3 | Analítico | Las asociaciones podrían estar influenciadas por una temporada específica y no repetirse durante el piloto. | Media | Medio | Comparar las reglas en distintas ventanas temporales antes de utilizarlas. |
| 4 | Datos | El archivo de inventario podría estar incompleto o desactualizado. | Alta | Alto | Automatizar controles de actualidad y suspender el envío si la fuente no supera las validaciones. |
| 5 | Adopción | Mercadotecnia podría no utilizar las recomendaciones si no comprende su origen o utilidad. | Media | Medio | Explicar cada recomendación, capacitar a los usuarios y recopilar retroalimentación durante el piloto. |
3.5.5 Tratamiento y seguimiento
Después de evaluar un riesgo, el equipo puede:
- Evitarlo: modificar el diseño para eliminar su causa.
- Mitigarlo: reducir su probabilidad o impacto.
- Transferirlo: compartir su gestión con un proveedor o área especializada.
- Aceptarlo: reconocerlo y preparar una contingencia.
El registro debe revisarse durante el piloto y actualizarse cuando cambien los datos, el modelo o las condiciones operativas.
3.5.6 Resumen de la gestión de riesgos
3.6 Actividad: Construye tu Propio Business Understanding Canvas
Usando la plantilla en blanco a continuación, elige un escenario de negocio (puede ser uno de los cuatro casos de TheLook eCommerce del capítulo anterior, u otro que definas con tu instructor) y completa las cinco piezas de este capítulo:
- Escribe una bitácora simulada de una reunión de 30-40 minutos con el stakeholder, incluyendo al menos tres preguntas de descubrimiento y sus respuestas.
- Completa el canvas de seis bloques.
- Prioriza entre 3 y 4 preguntas de investigación usando la tabla de impacto/factibilidad.
- Redacta el criterio de éxito de negocio en una sola oración, y su contraparte técnica.
- Documenta al menos dos riesgos reales (no genéricos) con su mitigación.
Este documento será la base sobre la que construirás el proyecto de datos a lo largo del curso: cada decisión posterior de modelado en las Partes III a V deberá poder justificarse trazándola de vuelta a alguno de estos cinco elementos.