8 errores de estrategia de datos que debes evitar

Lograr el éxito basado en datos ya es suficientemente desafiante sin los siguientes errores y juicios erróneos estratégicos y tácticos comunes que pueden descarrilar las operaciones y los resultados de los datos.

errores cloud
Créditos: Gerd Altmann (Pixabay)

Las organizaciones no pueden permitirse el lujo de estropear sus estrategias de datos, porque hay mucho 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. Desafortunadamente, el camino hacia el éxito de la estrategia de datos está plagado de desafíos, por lo que los CIO y otros líderes tecnológicos deben planificar y ejecutar cuidadosamente.

A continuación se presentan algunos errores en la estrategia de datos que los líderes de TI deberían evitar.

 

Descuidar la misión empresarial

Crear una estrategia de datos sin tener en cuenta los objetivos comerciales generales de la organización es una receta para el fracaso. ¿Cuál es el punto de 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 hacia la misión, puede resultar especialmente difícil para las organizaciones priorizar las iniciativas de datos, asignar recursos de manera eficiente y fomentar una fuerza laboral comprometida que tenga una comprensión clara de cómo su trabajo tiene un impacto genuino en los resultados comerciales".

En Vanguard, “los datos y el análisis nos permiten cumplir nuestra misión de brindar a los inversores la mejor oportunidad de éxito en sus inversiones al permitirnos obtener información útil para impulsar experiencias personalizadas de los clientes, ampliar el asesoramiento, optimizar las inversiones y las operaciones comerciales, y reducir el riesgo. ”, dice Swann.

Parte de garantizar que la estrategia de datos cumpla con los objetivos de la empresa incluye contar con una administración de datos, que garantice datos organizados, accesibles y de alta calidad que estén constantemente disponibles para las partes interesadas.

"Las organizaciones a menudo ponen en funcionamiento servicios y aplicaciones sin haber implementado una gestión", dice Marc Johnson, CISO y asesor senior de Impact Advisors, una firma de consultoría de gestión de atención médica. "Al igual que la recuperación ante 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 cual construir un negocio sólido".

 

Infravalorar los datos no estructurados

Gran parte de los datos que acumulan las organizaciones no están estructurados, ya sea texto, video, 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 datos no estructurados será cada vez más importante para los líderes de TI", afirma Kevin Miller, CTO del desarrollador de software empresarial IFS. “No será algo que puedan ignorar. El uso de datos no estructurados para obtener información procesable será una tarea crucial para los líderes de TI que buscan impulsar la innovación y crear valor comercial adicional”.

Una de las claves para beneficiarse de los datos no estructurados es definir objetivos claros, afirma Miller. "¿Cuáles son los objetivos para aprovechar los datos no estructurados?" Dice: “¿Cómo contribuirán los datos no estructurados a los ingresos o al crecimiento del mercado, obteniendo eficiencias de costos u otros resultados estratégicos? Este paso garantiza que los esfuerzos estén alineados con los objetivos comerciales y que los conocimientos resultantes sean procesables”.

También es vital identificar y evaluar qué fuentes de datos no estructurados proporcionarán el mayor valor y conocimientos. "El valor de los datos no estructurados puede evolucionar con el tiempo a medida que cambian las condiciones comerciales y aparecen nuevas fuentes de datos disponibles", afirma Miller. "Los líderes de TI deben establecer un proceso de monitoreo y mejora continuos para garantizar que los conocimientos sigan siendo procesables y relevantes, mediante la implementación de ciclos de revisión regulares para evaluar la efectividad de los conocimientos derivados de 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. Las reglas de gobernanza claras también pueden ayudar a garantizar la calidad de los datos al definir estándares para la recopilación, el almacenamiento y el formato de los datos, lo que puede mejorar la precisión y confiabilidad de su análisis”.

 

Creando silos de datos

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

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

Con casi 800 ubicaciones, RaceTrac maneja un volumen sustancial de datos, que abarca 260 millones de transacciones al año, junto con datos de cámaras de tiendas y dispositivos de Internet de las cosas (IoT) integrados en bombas de combustible.

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

Para romper con los silos, la empresa ha creado un entorno de datos unificado que integra datos en varios sistemas para compartirlos en toda la organización. "Implementar un sistema de gestión de datos centralizado y fomentar la comunicación interdepartamental desempeñará un papel clave para garantizar la coherencia y accesibilidad de datos fiables en toda la organización", afirma Williams.

RaceTrac está aprovechando la plataforma de inteligencia de datos de Alation para centralizar datos y proporcionar análisis de autoservicio para los usuarios según sea necesario.

 

Descentralizar equipos de datos

De manera similar a crear silos, descentralizar equipos de datos puede crear problemas para las organizaciones y disminuir el valor.

"Una estructura de equipo de datos aislada puede ser particularmente problemática para las organizaciones que buscan desarrollar y escalar una estrategia de datos efectiva que impulse los resultados comerciales", dice Swann de Vanguard. "Más bien, estructurar los equipos de datos para que estén centralizados organizacionalmente [y] ubicados físicamente junto con el negocio, con objetivos alineados con ese negocio".

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

"La estrecha colaboración entre los profesionales de datos y la empresa también proporciona información valiosa y continua, refina los procesos, genera eficiencia y reduce la fricción en áreas operativas clave", afirma Swann. "Este tipo de entorno también puede resultar muy gratificante para los profesionales de datos y análisis".

 

Ignorar la gobernanza de datos

La gobernanza de datos debería estar en el centro de cualquier estrategia de datos. De lo contrario, los resultados pueden incluir mala calidad de los datos, falta de coherencia e incumplimiento de las regulaciones, entre otras cuestiones.

"Mantener la calidad y la coherencia de los datos plantea desafíos en ausencia de un enfoque estandarizado de gestión de datos", afirma Williams. "Antes de incorporar Alation en RaceTrac, luchamos con estos problemas, lo que resultó 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, afirma Williams. Esto implica asignar administradores de datos, establecer una propiedad transparente de los datos e implementar pautas para la precisión, accesibilidad y seguridad de los datos.

El empleo de plataformas de inteligencia de datos específicamente para el linaje, la gobernanza y la colaboración de datos "puede garantizar que todos los miembros de la organización dependan de una fuente confiable de verdad para los análisis e informes", dice Williams.

 

Usar datos de mala calidad

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

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

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

 

Falta de visibilidad de los datos en tiempo real

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

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

Sin una perspectiva integral de los datos organizacionales, resulta difícil discernir el propósito previsto de los datos, determinar su precisión, mejorar su calidad e identificar redundancias, dice Williams. Esto puede llevar al uso de datos poco fiables, deficientes o desactualizados en el proceso de toma de decisiones.

"Transformar datos confiables en un activo que abarque toda la empresa requiere que los usuarios de datos posean una comprensión profunda del ciclo de vida completo de los datos dentro de la organización", Williams. Desde la transformación de datos de RaceTrac, "hemos optimizado el cumplimiento de las regulaciones, simplificado el análisis de impacto y podemos notificar rápidamente a las partes interesadas sobre los cambios en los datos ascendentes en tiempo real", afirma. "Esto permite a los usuarios de datos tomar decisiones basadas en datos y en tiempo real con mayor confianza".

 

Pasar por alto diversos orígenes al adquirir talento

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

"Las organizaciones que limitan su búsqueda de talentos en datos y análisis a aquellas con amplia experiencia en codificación o programación pueden tener dificultades para construir una estrategia de datos efectiva", dice Swann de Vanguard.

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

Vanguard contrata personas de todos los orígenes para su oficina principal de análisis y datos, incluidos algunos que han estudiado matemáticas, inglés y negocios de alto nivel, dice 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?