La guía de Airbnb para convertirse en una empresa basada en datos

Desde 2008, Airbnb ha crecido enormemente, con más de 6 millones de anuncios y 4 millones de anfitriones en todo el mundo, convirtiéndose en una alternativa viable a los hoteles.

Con la recopilación de amplia información sobre los anfitriones, los huéspedes, la duración de la estancia, los destinos, etc., ¡Airbnb produce cada día volúmenes colosales de datos! Para poder limpiar, procesar, gestionar y analizar todos estos datos, el líder del alojamiento tuvo que implantar una cultura de datos sólida y rígida en su organización.

Descubra en este artículo las mejores prácticas aplicadas en Airbnb para convertirse en una empresa basada en datos, todo ello a partir de la intervención de Claire Lebarz, Responsable de Ciencia de Datos, en el Big Data & AI Paris 2022.

Los 3 niveles de madurez de una organización de datos según Airbnb

El término data-driven es muy conocido y se utiliza habitualmente para describir una empresa que toma decisiones estratégicas basadas en el análisis y la interpretación de datos. En una empresa verdaderamente basada en datos, todos los empleados y líderes aprovechan los datos de forma natural y los integran en sus tareas diarias.

Sin embargo, según Claire Lebarz, el término "data-driven" suele utilizarse en exceso: "Prefiero pensar en tres niveles de madurez que caracterizan a una organización de datos: Data Busy, Data Informed, Data Powered".

En los "Ocupado por los datos"una empresa ha implementado en la organización personas centradas en los datos, como analistas de datos, científicos de datos o ingenieros de datos. Sin embargo, el tiempo de análisis no es lo suficientemente rápido, o no hay retorno de la inversión para los Data Scientists.

"A este nivel, no hay normas establecidas sobre la calidad de los datos, no se confía en ellos. O representan un cuello de botella para la organización", explica Claire.

En el "Datos informados", la organización ha implantado la gobernanza de datos y las decisiones estratégicas se basan cada vez más en los KPI y métricas de la empresa que en los instintos de la alta dirección.

Por último, en la conferencia "Impulsado por los datos", el nivel más alto de la matriz de madurez, los datos están en la línea crítica de la organización y se convierten en un motor clave para el crecimiento del negocio.

"Sobre todo, los datos ya no están reservados a un grupo de expertos en datos, sino a toda la organización: todos los empleados están en sintonía con los datos", explica el Jefe de Ciencia de Datos.

Los 6 pasos para centrarse en los datos según Airbnb

Paso 1: El método científico

En la "Ciencia de datos", hay sobre todo "Ciencia", explica Claire. Así que el primer paso es asumir el enfoque científico en la organización. "No se trata de crear un gran equipo de I+D, sino de poner sobre el papel todas las hipótesis con las que operamos y encontrar la manera de validarlas o no".

Este enfoque implica pruebas, pruebas y... ¡más pruebas! Y una de estas palancas es a través del A/B Testing. El Jefe de Ciencia de Datos explica que fue crucial para Airbnb durante la crisis de COVID-19 pensar en diferentes supuestos sobre el mundo de hoy y el de mañana para hacer los pivotes estratégicos correctos para la empresa.

Un ejemplo que pone de manifiesto la importancia de las pruebas A/B en Airbnb es la implantación de un sistema de filtrado de precios máximos y mínimos en su sitio de reservas. En efecto, Claire explica que los comentarios sobre la experiencia del usuario eran mejores cuando los viajeros podían indicar su presupuesto máximo para reservar una estancia. Sin este pequeño añadido, los viajeros pasaban mucho tiempo en los listados medios y decidían no reservar.

Paso 2: Alineación estratégica del equipo

Para Claire L., establecer OKR (Objetivos y Resultados Clave) es esencial para alinear internamente a los diferentes equipos. De hecho, los equipos de datos de una organización a menudo tienden a centrarse únicamente en sus propias métricas de datos. Sin embargo, es imperativo establecer objetivos comunes de la empresa para infundir realmente una cultura de datos en la empresa: "la estrategia debe ir antes que las métricas".

Y el líder mundial del alquiler a corto plazo experimentó una falta de alineación. En el siguiente ejemplo, podemos ver las consecuencias negativas de esto en la experiencia de búsqueda del sitio de Airbnb en 2017. En esta ilustración, la consulta "los angeles" arrojaba resultados en múltiples categorías sin que realmente tuvieran sentido para el usuario.

Cada equipo era responsable de un KPI relacionado con la decoración. El equipo de "experiencia" era responsable de los objetivos de la empresa para sugerir cosas que hacer en la ciudad, mientras que otro equipo era responsable de las ciudades más cercanas a la búsqueda, etc. Todos impulsaban múltiples informaciones para aumentar su propio rendimiento y atraer tráfico a su sección del sitio web.

Los usuarios se perdían y acababan por no reservar nada porque los equipos no tiraban en la misma dirección.

Paso 3: Medir la incertidumbre

Para Claire L., "la incertidumbre es inherente a la gestión de una empresa y a la toma de decisiones". A veces el mejor análisis no equivale a la mejor decisión. Tenemos que mantener debates organizativos, como por ejemplo ¿Qué nivel de confianza necesitamos para tomar decisiones? ¿Qué señales debemos tener en cuenta para cambiar las decisiones?

En el contexto de los OKR, a menudo existe la tentación de evitar las iniciativas cuyo ROI es difícil de medir. Sin embargo, que una métrica sea difícil de medir no significa que la iniciativa que depende de ella no sea la mejor. Un ejemplo que nos pone el Jefe de Ciencia de Datos son las campañas de branding llevadas a cabo por Airbnb durante la Super Bowl entre 2017 y 2021.

"Las campañas de branding son las más difíciles de medir, casi nunca se puede saber su ROI. Pero dados nuestros resultados indirectos, construir una gran estrategia de marca y dejar de depender de canales de pago como el SEM, fue quizá la mejor estrategia de marketing para impulsar el tráfico orgánico y directo."

Paso 4: Gobernanza centralizada

La gobernanza, según Claire L., debe estar centralizada. De hecho, en Airbnb se dio cuenta de que en cuanto se descentralizaban los equipos de datos, y éstos dependían de la empresa, se perdía rápidamente la objetividad de los datos en la empresa. Explica: "Los datos deben considerarse un activo común en la organización, y es esencial realizar las inversiones de forma centralizada y al más alto nivel de la organización. Los datos deben gestionarse como un producto, con los empleados como clientes".

De hecho, la ley de Conway también se aplica a los datos: "las organizaciones que diseñan sistemas tienden inevitablemente a producir diseños que son copias de la estructura de comunicación de su organización". Si se aplica a los datos, esta ley se refiere a que los distintos departamentos de la organización crean sus propias tablas, analíticas y características -basadas en sus propias definiciones- que no siempre están alineadas con las de otros departamentos.

Paso 5: La comunicación adecuada

Claire L. comparte una de las mejores decisiones que ha tomado Airbnb: la de contratar Data Scientists que no solo son muy buenos técnicamente, sino también comunicando. De hecho, la empresa creció muy rápido en 2017-2018. Y para familiarizarse con el funcionamiento de Airbnb, a veces había que leer entre 15 y 20 análisis para Científicos o dedicar mucho tiempo a informarse sobre el posicionamiento de la empresa para los equipos de diseño, todo lo cual podía resultar costoso rápidamente.

Así que Airbnb cambió su enfoque de los análisis. En lugar de hacer memorandos tradicionales que tienden a anquilosarse con el tiempo y necesitan actualizarse constantemente, la empresa empezó a construir "documentos vivos". "Creamos "estados de conocimiento", agregaciones de todos los conocimientos de un equipo sobre un tema - actualizados según la frecuencia de investigación sobre una cuestión" detalla Claire.

El Jefe de Ciencia de Datos también explica la importancia de la comunicación durante la crisis de COVID. Dado que los equipos de Airbnb en San Francisco ya no estaban cara a cara, se hizo esencial trabajar en nuevos formatos de comunicación: "Observamos una gran cantidad de correos electrónicos y fatiga de pantalla en general. Así que buscamos formas más eficaces de comunicarnos, como a través de formatos de podcast o vídeo, para que nuestros empleados pudieran obtener información lejos de sus pantallas. Necesitábamos simplificar y hacer accesible la información de forma sencilla y visual para que todos los empleados pudieran apropiarse de los datos."

Paso 6: un aprendizaje automático más parecido al humano

Desde sus inicios, Airbnb ha utilizado algoritmos de búsqueda de coincidencias entre huéspedes y anfitriones. Pero a la empresa le llevó tiempo construirlos en volumen -por un lado, para mejorar la experiencia del usuario- y, por otro, para ayudar a los equipos interfuncionales a sentirse cómodos discutiendo decisiones de modelado.

Claire Lebarz explica que, para tener algoritmos de aprendizaje automático sin defectos, hay que mirar el problema al revés: "En lugar de decir que tenemos que resolver un problema mediante la automatización y el aprendizaje automático, queríamos centrarnos en lo contrario: ¿Qué tipo de experiencia de usuario queremos crear? Y luego ir a inyectar aprendizaje automático donde tenga sentido para mejorar esos procesos".

La incorporación de búsquedas por categorías en la plataforma Airbnb es un ejemplo de ello. De hecho, se trataba de ofrecer una forma alternativa de buscar un lugar donde alojarse: preguntando al viajero qué le gustaría hacer. "Aquí nos alejamos de nuestro modelo básico en el que proponemos introducir las fechas y el lugar al que quieres ir. Ahora podemos preguntarle qué quiere hacer o tener, como clases de surf, una bonita vista de la playa o incluso una piscina".

Estos algoritmos requieren mucho trabajo porque dependen de la documentación proporcionada por los anfitriones. Para evitar tener que hacer varias preguntas a la semana a los anfitriones, es el aprendizaje automático el que "busca" esta información y la agrupa en las categorías adecuadas del sitio mediante algoritmos.

Conclusiones: Los 3 talentos impulsados por los datos según Airbnb

Para garantizar una verdadera cultura de datos, es crucial contratar a los profesionales adecuados. Según Claire, estas son las tres funciones esenciales de una empresa basada en datos:

• Ingenieros analíticos: Son los garantes de la gobernanza y la calidad de los datos. Se sitúan entre la ingeniería de datos y la analítica para centrarse en los conocimientos y las preguntas.
• Operaciones de aprendizaje automático: Se trata de una nueva profesión centrada en el funcionamiento y la evolución de los algoritmos de aprendizaje automático.
• Gestores de productos de datos: Son los que inculcan la forma de gestionar los datos como un producto y profesionalizan el enfoque de los datos en la organización. Aportan transparencia sobre las hojas de ruta y las nuevas funciones de datos y sirven de enlace con otras funciones.

"Es fundamental incorporar estas tres profesiones emergentes a la organización para convertirnos realmente en Data Powered".

Acerca de Actian Corporation

Actian permite a las empresas gestionar y gobernar con confianza los datos a escala, agilizando los entornos de datos complejos y acelerando la entrega de datos listos para la IA. El enfoque de inteligencia de datos de Actian combina el descubrimiento de datos, la gestión de metadatos y la gobernanza federada para permitir un uso más inteligente de los datos y mejorar el cumplimiento. Con capacidades intuitivas de autoservicio, los usuarios empresariales y técnicos pueden encontrar, comprender y confiar en los activos de datos en entornos en la nube, híbridos y locales. Actian ofrece soluciones flexibles de gestión de datos a 42 millones de usuarios en empresas de Fortune 100 y otras empresas de todo el mundo, al tiempo que mantiene una puntuación de satisfacción del cliente del 95%.