Seis imperativos para articular su propia estrategia de datos

Según la encuesta Technology Review Insights Survey del MIT, una estrategia de datos empresariales respalda objetivos empresariales vitales como la expansión de las ventas, la mejora de la eficiencia operativa y la reducción del tiempo de comercialización. También puede ayudar a las organizaciones a entrar en nuevos mercados de productos o servicios, así como a mejorar la innovación, el mantenimiento de los activos físicos y la ESG. El problema es que, hoy en día, sólo el 13% de las organizaciones sobresalen en el cumplimiento de su estrategia de datos. Entre los obstáculos habituales se encuentran los conocidos silos de datos y la duplicación, junto con otros problemas sistémicos de datos limitados, de mala calidad y de difícil acceso.

Mientras planifica su próxima estrategia de datos, aquí tiene seis imperativos estratégicos que le ayudarán a conectar su hoja de ruta con el negocio.

Alinearse con las estrategias empresariales tecnológicas y potenciarlas

Como ocurre con la mayoría de las estrategias específicas de tecnología, es vital conectarlas con las estrategias generales de TI y de negocio. La estrategia de datos no sólo debe tener en cuenta las estrategias empresariales y de TI, sino que también debe integrarse en ellas para ayudarlas a generar aún más valor empresarial para la organización.

Según Sam Ansari, CEO de la plataforma de ingeniería de datos y aprendizaje automático (ML) Accure, en la actual era digital, los datos han pasado de ser un mero subproducto a convertirse en el combustible fundamental que impulsa la innovación y el éxito empresarial. Mediante el uso estratégico de los datos, las organizaciones obtienen una ventaja competitiva, desbloqueando oportunidades de crecimiento. Los CIO deben dar prioridad a una infraestructura tecnológica adaptable que elimine los silos de datos, garantice la seguridad y la gobernanza, y adopte una plataforma horizontal unificada para una gestión de datos racionalizada, reduciendo las complejidades de integración, los requisitos de mano de obra cualificada y los costes.

Explore formas de monetizar los datos

En muchos sectores, dependiendo de cómo los clientes consuman y extraigan valor de sus productos y servicios, los datos pueden monetizarse a través de múltiples capas de la pila tecnológica, desde los propios datos brutos y los datos con diversas formas de posprocesamiento aplicadas para obtener información adicional, hasta los datos consumidos a través de herramientas de visualización y análisis, y los datos consumidos a través de aplicaciones industriales como los gemelos digitales.

En el sector de la arquitectura, la ingeniería y la construcción (AEC), por ejemplo, estos escenarios podrían incluir datos geoespaciales como imágenes aéreas ofrecidas directamente a través de un sitio web habilitado para el comercio electrónico, fotogrametría basada en drones de carreteras y puentes con análisis de defectos habilitado por IA, como Manam, datos de congestión del tráfico visualizados a través de una plataforma GIS, como Urban SDK, o datos de recarga de vehículos eléctricos proporcionados por un gemelo digital en vivo.

Aquí hay que centrarse en considerar todas las formas en que sus clientes consumen datos actualmente, así como las nuevas formas en que podrían querer obtener mejores resultados. Por ejemplo, aunque el reciente derrumbe del puente de la I-95 en Filadelfia fue un acontecimiento imprevisible, es probable que los sistemas de gestión de puentes heredados puedan beneficiarse si se aumentan con análisis de defectos de IA, o incluso si se actualizan o sustituyen por plataformas de gemelos digitales en vivo para un modelo pasado, presente y futuro.

Utilice la automatización, el análisis de datos y la IA/ML

Muchas de las plataformas de datos modernas de hoy en día van más allá de la base de datos relacional tradicional, el almacén de datos y el mercado de datos para proporcionar soporte integrado para la automatización y la IA/ML. También existen plataformas de ingeniería de datos sin código y de IA/ML para que los usuarios empresariales habituales, así como los ingenieros de datos, los científicos y el personal de DevOps, puedan desarrollar, implementar y obtener valor empresarial rápidamente. Al colocar estas plataformas en el núcleo de su arquitectura de datos, su organización puede obtener un trampolín hacia proyectos de automatización, analítica e IA/ML mientras lo completa con socios e inversiones adicionales para completar su ecosistema.

Integrar varias fuentes de datos

La integración de fuentes de datos es otra estrategia para proporcionar conocimientos añadidos a los clientes, y puede lograrse a través de entornos 2D, como cuadros de mando analíticos y SIG, o entornos 3D, como gemelos digitales con capacidades XR para la visualización, como Magic Leap y Apple Vision Pro.

Busque oportunidades para combinar sus propios datos con los de terceros, incluidos los datos abiertos, cuando proceda, para obtener un valor añadido, y herramientas que admitan la ingestión, transformación e integración de datos para alimentar una variedad de herramientas de análisis, incluidos los SIG y los gemelos digitales.

Hacer que los datos sean intrínsecos a la cartera de productos y servicios

Como exploramos en 5 medidas para medir la madurez de su cartera digital, los datos y el análisis pueden ser una parte intrínseca de su cartera de productos y servicios. Tanto, de hecho, que merece la pena medir qué porcentaje de su cartera utiliza datos y análisis como parte de la oferta, y hacer un seguimiento de ello a lo largo del tiempo. Una buena forma de empezar es trabajar con sus divisiones y departamentos para que autoevalúen sus porcentajes actuales y, a continuación, determinen dónde les gustaría estar en 2025 o más adelante en función de la estrategia digital de su organización.

Cómo los datos pueden convertir los proyectos en productos para obtener ingresos anuales

Si su organización ofrece servicios de consultoría, los ingresos suelen provenir de proyectos puntuales, y los ingresos medios por ETC están limitados por el tamaño de los proyectos y las tarifas que prevalecen en el mercado. Al incorporar datos a sus productos, a menudo puede convertir esto en un flujo de ingresos anuales en el que estos proyectos se convierten en productos de software para monetizar a través de un modelo de negocio SaaS.

Incluso los activos físicos pueden monetizarse de esta forma. La compra del activo es una transacción única, pero los datos que lo rodean durante su funcionamiento diario pueden monetizarse a lo largo de toda su vida útil. Como destacó la consultora Cognizant, incluso los datos de uso que rodean a un producto cotidiano de 50 dólares o más, como un cepillo de dientes eléctrico, pueden monetizarse de esta manera.

Por supuesto, ningún conjunto de imperativos para una estrategia de datos estaría completo sin la necesidad de tener en cuenta a las personas, los procesos y la tecnología. Aquí hemos tratado los imperativos empresariales, pero para que esto sea posible se requiere un conjunto más amplio de imperativos y consideraciones técnicas (como la calidad y la higiene de los datos), así como imperativos y consideraciones de recursos (incluidas las habilidades, competencias y formación en materia de datos). Dedicar tiempo a su próxima estrategia de datos y a cómo monetizar y extraer valor internamente le reportará dividendos para su estrategia de automatización e IA, así como para sus estrategias generales de TI y de negocio.