GUÍA PRÁCTICA
Una organización basada en datos es una empresa en la que cada persona está alineada para mejorar un conjunto coherente de indicadores clave de rendimiento (KPI) que se reconocen como importantes para la organización. Los empleados interactúan con los datos y toman medidas para mejorar estos KPI, y todos los niveles de la organización utilizan los datos para apoyar la toma de decisiones en su parte del negocio.
Esta guía práctica presenta los pasos clave que una organización debe dar para estar basada en datos.
Los engorrosos procesos manuales de gestión de datos ya no son suficientes para satisfacer las necesidades de las organizaciones modernas. Los usuarios de negocio necesitan acceso inmediato a información relevante y, para ello, la infraestructura de datos debe ser capaz de evolucionar rápidamente.
La necesidad de una mayor agilidad de datos ha expuesto dos problemas. En primer lugar, que el antiguo enfoque del almacenamiento de datos era costoso y requería mucho tiempo y recursos, y a menudo ofrecía información incompleta. Y en segundo lugar, los enfoques de primera generación con respecto al big data estaban dirigidos a usuarios altamente técnicos que programaban y elaboraban consultas complejas artesanalmente.
Las señales de que su organización no tiene una arquitectura de datos moderna son la incapacidad de gestionar múltiples fuentes de datos y casos de uso de análisis, la incapacidad de ampliar volúmenes de datos y usuarios, y la necesidad de recursos especializados para admitir canalizaciones de datos complejas.
Una arquitectura de datos moderna está centrada en el negocio, es adaptable y lo suficientemente versátil como para abordar todos sus casos de uso. Debe utilizar inteligencia artificial (IA) y aprendizaje automático (ML) para automatizar las tareas manuales, así como para utilizar la capacidad de ampliación y seguridad inherentes de la informática en la nube.
La mayoría de las aplicaciones y soluciones analíticas de la organización nunca se diseñaron para trabajar juntas, y esto hace que sea difícil compartir datos e información a través de las fronteras de la organización. Sin una arquitectura de datos moderna, los usuarios de negocio pueden pasar semanas creando informes sencillos a partir de múltiples sistemas, a menudo con errores e incoherencias debido a la falta de conocimiento técnico y comprensión de los datos implicados.
Para solucionar esto, muchas organizaciones han invertido en software de integración de datos complejos, que requiere equipos de ingenieros de datos altamente cualificados para desarrollar y mantener los flujos de datos.
El uso de IA y aprendizaje automático (ML) para automatizar la integración de datos transformará este enfoque que exige mucho tiempo y recursos mediante la capacidad de detectar automáticamente relaciones entre elementos de datos, acotar datos y crear una capa semántica.
La frustración de los usuarios de negocio con analítica integrada y gestionada por TI ha llevado a una proliferación en el uso de herramientas de descubrimiento de datos de escritorio. Aunque esto ha aumentado la autonomía del usuario final, se ha producido a expensas de crear silos de datos que generan incoherencias analíticas y el potencial de malas decisiones de negocio.
Al suministrar datos como servicio (DaaS), los equipos de TI centralizados pueden proporcionar una versión compartida de la verdad en toda la organización, así como la autonomía para ampliar estas definiciones centralizadas para tratar casos de uso locales y fuentes de datos.
Para el suministro de DaaS, es fundamental una plataforma de analítica y business intelligence en la nube multiusuario que permite la entrega de inquilinos de analítica virtual. Es la naturaleza virtual de estos elementos lo que permite a los equipos centralizados proporcionar un único conjunto de datos gobernados al tiempo que permite a los equipos descentralizados conectar y enriquecer estas fuentes con datos descentralizados, sin afectar a otros grupos.
También puede encontrar más información en nuestro libro blanco, gobierno en la era del descubrimiento de datos.
Por definición, una organización basada en datos debe facilitar a todos un fácil acceso a los datos que se necesitan para tomar decisiones. Esto significa contar con una variedad de interfaces de usuario diferentes adaptadas para satisfacer los niveles de conocimiento y habilidades de los usuarios, o la incorporación de analítica en aplicaciones donde los usuarios pasan la mayor parte del día. Esto significa que los trabajadores de primera línea pueden ver fácilmente información y los analistas de datos pueden combinar sus propios datos con los datos empresariales. Significa que los científicos de datos pueden buscar en un catálogo de lago de datas conjuntos de datos relevantes, y significa que los desarrolladores tienen API versátiles para integrar la analítica en aplicaciones de negocio.
Para lograrlo, una organización necesita invertir en una plataforma de business intelligence (BI) y analítica que admita una diversidad de opciones y estilos de entrega de información, desde informes de píxeles perfectos hasta paneles reactivos, así como descubrimiento de datos ad hoc y dispositivos móviles. Además, la capacidad de crear información generada por ordenador utilizando IA es cada vez más importante para mejorar la productividad del usuario y descubrir impulsores ocultos del rendimiento del negocio.
Incorporar la analítica en aplicaciones de negocio se está convirtiendo en un enfoque probado para mejorar significativamente el valor analítico para los usuarios finales, especialmente para los usuarios no técnicos. Al eliminar la necesidad de cambiar a una aplicación o herramienta analítica independiente, los usuarios empresariales pueden tomar decisiones informadas dentro del proceso de negocio real en el que están trabajando, lo que agiliza la toma de decisiones y la facilidad con la que acceden a los datos.
Una ventaja adicional de la analñitica integrada es que los proveedores de software de aplicaciones de negocio pueden suministrar modelos de datos, paneles e informes prediseñados, ahorrando meses de trabajo para las organizaciones basadas en datos y acelerando drásticamente el tiempo de obtención de valor con la analñitica.
Una de las mayores barreras para convertirse en una organización basada en datos no es la tecnología; es la cultura de toma de decisiones dentro de la organización. Años de experiencia nos han enseñado que dos cosas son clave para crear una cultura basada en datos: una iniciativa descendente para utilizar los datos para impulsar la toma de decisiones y hacer que toda la organización trabaje con los mismos datos, métricas y objetivos.
Para lograrlo, es importante diseñar la analítica teniendo en mente los resultados de negocio, para que las personas se centren en las métricas más importantes para su función. Un enfoque descendente conduce a un conjunto de métricas interconectadas que impulsan las cosas que son más importantes para los ejecutivos de nivel C.
Una vez definidos los indicadores clave, las organizaciones deben identificar los puntos de acción: estos son los atributos empresariales más influyentes que se pueden ajustar para mejorar un indicador. Estas deben ser cosas que una organización puede cambiar, no las condiciones del mercado, por ejemplo, y casi siempre pueden describirse en términos de personas, productos (o servicios) y procesos.
La etapa final de convertirse en una organización basada en datos es cuando esta comienza a darse cuenta del valor de compartir datos fuera del negocio con clientes, proveedores y socios. Los dos enfoques más comunes implican monetizar los datos para crear nuevas fuentes de ingresos o proporcionar análisis de valor añadido sobre su producto o servicio principal que diferencie su oferta en el mercado, a menudo mejorando la fidelidad del cliente al mismo tiempo. No hace falta decir que es perfectamente posible combinar ambos enfoques también.
Por supuesto, crear un producto analítico es probablemente un nuevo concepto para su organización. La buena noticia es que hay muchos consejos prácticos disponibles para ayudar, a menudo obtenidos de las organizaciones basadas en datos que ya lo han hecho. Un producto analítico típico requiere un caso de negocio, una estrategia de salida al mercado, desarrollo y, por último, un lanzamiento de producto.
Tal y como se especificó al comienzo de esta guía de práctica, una organización basada en datos es una en la que todos los que toman decisiones tienen acceso a los datos que necesitan cuando los necesitan.
Para lograrlo, las organizaciones deben seguir una serie de pasos que empieza por crear una base de datos sólida con una arquitectura de datos moderna y versátil en la que se utiliza la tecnología de IA y ML más reciente para automatizar los procesos de gestión de datos manuales que tantos recursos exigen. El suministro de datos como servicio en toda la empresa proporciona esa escurridiza versión única de la verdad a la vez que acomoda a los equipos y sus datos descentralizados.
Una vez que los datos están en su lugar, las organizaciones deben asegurarse de tener las interfaces adecuadas para todos sus usuarios, independientemente de sus habilidades técnicas y conocimientos de datos. Los paneles e informes utilizados deben centrarse en las métricas empresariales más importantes, y se permite una cultura descendente de toma de decisiones basada en datos en todos los niveles. Por último, las organizaciones basadas en datos monetizan todo el valor de sus datos al compartirlos de forma segura fuera del negocio.