Big Data
Liderazgo

Ocho errores de estrategia de datos que hay que evitar

Alcanzar el éxito basado en los datos ya es bastante difícil sin los siguientes errores estratégicos y tácticos comunes que pueden hacer descarrilar las operaciones y los resultados de los datos.

Error
Créditos: Kenny Eliason (Unsplash).

Las organizaciones no pueden permitirse errores en sus estrategias de datos, porque es mucho lo que está en juego en la economía digital.

La forma en que las empresas recopilan, almacenan, limpian, acceden y protegen sus datos puede ser un factor importante en su capacidad para alcanzar los objetivos corporativos. Por desgracia, el camino hacia el éxito de la estrategia de datos está plagado de desafíos, por lo que los directores de sistemas de información y otros líderes tecnológicos deben planificar y ejecutar con cuidado.

He aquí algunos errores en la estrategia de datos que los responsables de TI deberían evitar.

 

Descuidar la misión empresarial

Crear una estrategia de datos sin tener en cuenta los objetivos empresariales generales de la organización es una receta para el fracaso. ¿Qué sentido tiene invertir tiempo y dinero en una estrategia que carece de enfoque?

"Construir una estrategia de datos exitosa a escala va más allá de recopilar y analizar datos", dice Ryan Swann, director de Análisis de Datos de la firma de servicios financieros Vanguard. "Sin una orientación a la misión, puede ser especialmente difícil para las organizaciones priorizar las iniciativas de datos, asignar recursos de manera eficiente y fomentar una fuerza de trabajo comprometida que tenga una comprensión clara de cómo su trabajo tiene un impacto genuino en los resultados del negocio".

En Vanguard, "los datos y la analítica nos permiten cumplir nuestra misión de ofrecer a los inversores la mejor oportunidad de éxito en sus inversiones, permitiéndonos obtener información procesable para impulsar experiencias personalizadas de los clientes, ampliar el asesoramiento, optimizar las operaciones de inversión y de negocio y reducir el riesgo", afirma Swann.

"Las organizaciones suelen poner en marcha servicios y aplicaciones sin haber puesto en marcha la administración", afirma Marc Johnson, CISO y asesor senior de Impact Advisors, una consultora de gestión sanitaria. "De manera similar a la recuperación de desastres, la continuidad del negocio y la seguridad de la información, la estrategia de datos debe estar bien pensada y definida para informar al resto, al tiempo que proporciona una base sobre la que construir un negocio sólido".

Parte de la garantía de que la estrategia de datos cumplirá los objetivos de la empresa incluye la administración de los datos, que garantiza que los datos estén organizados, sean accesibles y de alta calidad y estén siempre disponibles para las partes interesadas.

 

Infravaloración de los datos no estructurados

Gran parte de los datos que acumulan las organizaciones no están estructurados, ya sea en forma de texto, vídeo, audio, redes sociales, imágenes u otros formatos.

Estos recursos de información pueden tener un enorme valor para las empresas, permitiéndoles obtener nuevos conocimientos sobre los clientes y las tendencias del mercado. Pasar por alto estos recursos de datos es un gran error.

"El uso adecuado de los datos no estructurados será cada vez más importante para los responsables de TI", comenta Kevin Miller, CTO del desarrollador de software empresarial IFS. "No será algo que puedan ignorar. Utilizar los datos no estructurados para obtener perspectivas procesables será una tarea crucial para los líderes de TI que busquen impulsar la innovación y crear valor empresarial adicional".

Una de las claves para beneficiarse de los datos no estructurados es definir objetivos claros, incide Miller. "¿Cuáles son los objetivos para aprovechar los datos no estructurados?", dice. "¿Cómo contribuirán los datos no estructurados al crecimiento de los ingresos o del mercado, ganando eficiencia en costes u otros resultados estratégicos?". Este paso garantiza que los esfuerzos estén alineados con los objetivos empresariales y que los conocimientos resultantes sean procesables".

También es vital identificar y evaluar qué fuentes de datos no estructurados proporcionarán el mayor valor e información. "El valor de los datos no estructurados puede evolucionar con el tiempo a medida que cambian las condiciones empresariales y aparecen nuevas fuentes de datos", continúa. "Los líderes de TI deben establecer un proceso de supervisión y mejora continuas para garantizar que las percepciones sigan siendo procesables y relevantes, mediante la implementación de ciclos de revisión regulares para evaluar la eficacia de las percepciones derivadas de los datos no estructurados".

También necesitan establecer políticas claras de privacidad, cumplimiento normativo y gobernanza de datos. "Muchas industrias y regiones tienen regulaciones estrictas que rigen la privacidad y la seguridad de los datos", dice Miller. "Establecer reglas de gobierno de datos ayuda a las organizaciones a cumplir con estas regulaciones, reduciendo el riesgo de sanciones legales y financieras. Unas reglas de gobierno claras también pueden ayudar a garantizar la calidad de los datos mediante la definición de normas para la recopilación, el almacenamiento y el formato de los datos, lo que puede mejorar la precisión y la fiabilidad de sus análisis".

 

Creación de silos de datos

Negar a los usuarios de la empresa el acceso a la información debido a los silos de datos ha sido un problema durante años. Cuando distintos departamentos, unidades de negocio o grupos mantienen datos almacenados en sistemas que no están disponibles para los demás, disminuye el valor de los datos.

Los silos de datos dan lugar a incoherencias e ineficiencias operativas, afirma John Williams, director ejecutivo de datos empresariales y análisis avanzados de RaceTrac, un operador de tiendas de conveniencia.

Con casi 800 establecimientos, RaceTrac maneja un volumen considerable de datos, que abarca 260 millones de transacciones anuales, junto con los datos procedentes de las cámaras de las tiendas y los dispositivos de Internet de las cosas (IoT) integrados en los surtidores de combustible.

"Este escenario ha llevado al desarrollo de fórmulas, procesos y definiciones dispares dentro de cada unidad de negocio y departamento para la generación de informes, generando así diferentes conclusiones y recomendaciones a partir del mismo conjunto de datos", defiende Williams.

Para acabar con los silos, la empresa ha creado un entorno de datos unificado que integra los datos de varios sistemas para compartirlos en toda la organización. "La implantación de un sistema centralizado de gestión de datos y el fomento de la comunicación interdepartamental desempeñarán un papel fundamental a la hora de garantizar la coherencia y la accesibilidad de datos fiables en toda la organización", afirma.

RaceTrac está aprovechando la Plataforma de Inteligencia de Datos de Alation para centralizar los datos, así como para proporcionar análisis de autoservicio para los usuarios, según sea necesario.

 

Descentralizar los equipos de datos

De forma similar a la creación de silos, la descentralización de los equipos de datos puede crear problemas a las organizaciones y disminuir su valor.

"Una estructura de equipo de datos aislada puede ser especialmente problemática para las organizaciones que buscan desarrollar y ampliar una estrategia de datos eficaz que impulse los resultados empresariales", sostiene Swann de Vanguard. "Más bien, estructura los equipos de datos para que estén centralizados organizativamente [y] físicamente co-ubicados con el negocio - con objetivos alineados con ese negocio".

Este enfoque ayuda a establecer un ecosistema de datos unificado que permite la integración de datos sin fisuras, el intercambio y la colaboración en toda la organización, dice Swann.

"La estrecha colaboración entre los profesionales de datos y el negocio también proporciona una visión valiosa y continua, perfecciona los procesos, construye eficiencias y reduce la fricción a través de áreas operativas clave", insiste Swann. "Este tipo de entorno también puede ser profundamente gratificante para los profesionales de datos y análisis".

 

Ignorar la gobernanza de datos

La gobernanza de datos debe ser el núcleo de cualquier estrategia de datos. De lo contrario, los resultados pueden incluir una mala calidad de los datos, falta de coherencia e incumplimiento de la normativa, entre otros problemas.

"Mantener la calidad y la coherencia de los datos plantea retos en ausencia de un enfoque de gestión de datos estandarizado", afirma Williams. "Antes de incorporar Alation en RaceTrac, luchábamos con estos problemas, lo que resultaba en una falta de confianza en los datos y esfuerzos redundantes que impedían la toma de decisiones basada en datos".

Las organizaciones necesitan crear un marco sólido de gobernanza de datos, dice Williams. Esto implica asignar administradores de datos, establecer una propiedad transparente de los datos e implementar directrices para la precisión, accesibilidad y seguridad de los datos.

Emplear plataformas de inteligencia de datos específicas para el linaje de datos, la gobernanza y la colaboración "puede garantizar que todos los miembros de la organización confíen en una fuente fiable de verdad para los análisis e informes", afirma Williams.

 

Utilizar datos de mala calidad

En realidad, los datos sólo son valiosos para una organización si son precisos; de lo contrario, pueden dar lugar a malas decisiones e incluso socavar la experiencia del cliente.

Los datos sucios o de mala calidad son el mayor problema de la IA, afirma Johnson, de Impact Advisor. "La IA generativa, de hecho, es un gran ejemplo de esto", dice. "Sus grandes modelos lingüísticos tienen datos pobres o sucios. La prueba está en la producción de fuentes y hechos 'fabricados' que citan en respuesta a las consultas".

Las herramientas de limpieza de datos son una forma de abordar el problema, afirma Johnson. "Sin embargo, todo vuelve a una estrategia de datos bien pensada con un modelo de datos común" para entidades, atributos, relaciones, tipos de datos, restricciones, jerarquías, etc.

 

Falta de visibilidad de los datos en tiempo real

Sin la capacidad de aprovechar los datos en tiempo real, las empresas pueden perder oportunidades de adaptarse a los cambios en la demanda de los clientes y ofrecerles una mejor experiencia.

"En el panorama en rápida evolución del mundo de los negocios, tener la capacidad de acceder y comprender rápidamente los datos en tiempo real es crucial, ya que proporciona a las organizaciones una ventaja competitiva", afirma Williams de RaceTrac.

Sin una perspectiva global de los datos de la organización, resulta difícil discernir la finalidad de los datos, determinar su exactitud, mejorar su calidad e identificar redundancias, afirma Williams. Esto puede conducir al uso de datos poco fiables, deficientes o anticuados en el proceso de toma de decisiones.

"Transformar datos fiables en un activo que abarque toda la empresa requiere que los usuarios de datos posean un conocimiento profundo del ciclo de vida completo de los datos dentro de la organización", Williams. Desde la transformación de datos de RaceTrac, "hemos agilizado el cumplimiento de la normativa, simplificado el análisis de impacto y podemos notificar rápidamente a las partes interesadas los cambios en los datos ascendentes en tiempo real", afirma. "Esto permite a los usuarios de datos tomar decisiones informadas por los datos y en tiempo real con mayor confianza".

 

Pasar por alto la diversidad de orígenes a la hora de adquirir talento

Las empresas necesitan profesionales con experiencia en datos, y para cubrir puestos que ayuden a ejecutar estrategias de datos puede tener sentido ampliar el grupo de candidatos.

"Las organizaciones que limitan su búsqueda de talentos en datos y análisis a aquellos con amplios conocimientos de programación o codificación pueden tener dificultades para crear una estrategia de datos eficaz", afirma Swann, de Vanguard.

"Los equipos diversos se asocian con una mayor innovación, una toma de decisiones más informada, un mayor alcance para la resolución de problemas y una mejor comprensión de las necesidades y preferencias de los clientes", afirma Swann. "Debido a esto, un enfoque de 'talla única' para el talento de datos y análisis puede obstaculizar la colaboración, la diversidad de pensamiento y el aumento del rendimiento."

Vanguard contrata a personas de todos los orígenes para su Chief Data and Analytics Office, incluidos algunos que han estudiado matemáticas de alto nivel, inglés y negocios, concluye Swann.



TE PUEDE INTERESAR...

Contenido Patrocinado

Webinars

Nuevo número de nuestra revista de canal 
 
DealerWorld Digital

 

Cobertura de nuestros encuentros

 

Documentos ComputerWorld



Forma parte de nuestra comunidad

 

¿Te interesan nuestras conferencias?