Durante la operación y gestión de servicios de Facility Management se generan de forma habitual gran cantidad de información y de registros de datos: solicitudes de servicio, órdenes de trabajo, pedidos de compras, facturas de servicios, encuestas de satisfacción, registros de uso de recursos de los edificios, consumos energéticos, etc., que quedan almacenados en nuestros sistemas de información. Estos datos, de ordinario, se almacenan para guardar trazabilidad, llevar la gestión financiera de la empresa y calcular diversos indicadores y ratios. Estos usos ‘tradicionales’ de la ingente cantidad de información disponible se limitan a hacer un análisis cuantitativo y unidimensional de los datos.
Mediante la aplicación de la emergente ciencia de datos y el Big Data Analysis se puede sacar mucho más partido a toda la información disponible. Esta disciplina incentiva el análisis de varias dimensiones de la información, cruzando distintos tipos de datos, analizando posibles correlaciones entre ellos y abriendo la puerta a un nuevo rango de conclusiones, no sólo cuantitativas sino cualitativas. Por ejemplo, en un servicio de cantina analizar la satisfacción de los usuarios frente a los índices de ocupación del comedor puede arrojar un aumento de la valoración de los platos a la plancha; esto nos indicará la conveniencia de revisar los procesos de cocina (estudiar el aumento de planchas en detrimento de mesas calientes) primando los alimentos a la plancha recién hechos. Otro ejemplo, cruzar datos de reservas de salas de reuniones que finalmente no se realizan y no se cancelan con datos de la anticipación con la que se realizaron dichas reservas, sugiere la posibilidad de enviar un recordatorio para las reuniones reservadas con más de una semana de adelanto, incentivando que se anulen algunas que no se vayan a realizar y mejorando la disponibilidad de salas.
Además de conocimiento del sector del Facility Management y sus procesos, para realizar estos análisis se requieren conocimientos básicos de estadística, pero también nociones sobre la calidad de la información y evitar la obtención de conclusiones erróneas por la inclusión de sesgos en la interpretación de los datos. En cuanto a la calidad de la información, hay que saber interpretar lo que significa cada magnitud estudiada para poder obtener conclusiones válidas (tiempo de mantenimiento no significa tiempo de correctivo, ni éste tiempo de reparación) y su significatividad (las puntuaciones obtenidas en encuestas de satisfacción voluntarias de un servicio no deben evaluarse en términos absolutos, sino en relación a la cantidad de encuestas recibidas sobre el total de servicios). Asimismo, hay que tener cuidado en no introducir sesgos de confirmación o Cherry Picking, esto es, tomar sólo los datos que permiten llegar a una conclusión previamente establecida.
Para el análisis de los datos se pueden usar herramientas de ofimática como hojas de cálculo o bases de datos, pero en los últimos años ha surgido un rango nuevo de aplicaciones informáticas para el análisis y representación de la información. Estos programas facilitan la estructuración de los datos, su análisis cruzado y su representación en multitud de tipos de gráficas, lo que permite la obtención de conclusiones de forma más ágil. Estas herramientas además son útiles para la generación de informes, tablas de indicadores y cuadros de mando, facilitando su generación y comunicación a las partes interesadas.
A modo de conclusión, el análisis sistematizado y profesional de los datos que manejamos en el sector del Facility Management permite la obtención de indicadores más eficaces a la hora de medir un servicio, facilita la identificación de oportunidades de mejora de los servicios y sus procesos, puede ayudar a la detección de nuevas necesidades de los usuarios de los edificios y por tanto nuevos servicios.
