¿Cómo convertirse en una empresa Data-Driven de éxito?

Los datos no paran de crecer y se espera que alcancen la cifra de 175 zettabytes en 2025. Estas cifras son especialmente notables cuando vemos que en 2019 el volumen de datos generados apenas superaba los 45 zettabytes. Sin embargo, para las empresas lo importante no es la cantidad, sino la capacidad de utilizarla adecuadamente cuando quieren convertirse en una empresa Data-Driven de éxito, es decir una empresa de éxito basada en los datos.

Viendo lo disruptivas que pueden ser las tendencias de datos para los diferentes mercados, independientemente de la industria o el sector, cada vez hay más organizaciones que sienten la necesidad de implementar la Estrategia de Datos y convertirse en empresas basadas en datos (empresa Data-Driven). Sin embargo, los aspectos tecnológicos de la transformación digital centrada en los datos pueden parecer todavía “Terra incognita”. Este es un artículo para aquellas personas que necesitan claridad en el proceso inicial.

Qué significa Data-Driven??

¿Cúales son los TOP 3 BENEFICIOS de convertirse en una empresa Data Driven de éxito?

Según un informe de Forrester, las empresas que ya han adoptado la cultura basada en datos, conocido como data-driven culture, “crecen a una media de más del 30% anual”, dejando muy atrás a sus competidores.

Eso ocurre porque utilizan un enfoque basado en datos, lo que significa que la toma de decisiones se basa en pruebas empíricas y en percepciones fiables a partir de datos, una información verificada y analizada. Esto ayuda a identificar nuevas oportunidades de negocio, mejorar el servicio a los clientes en tiempo real, aumentar las ventas y perfeccionar las operaciones.

Las empresas cuyos directivos se apoyan en herramientas tecnológicas y profesionales de los datos pueden beneficiarse realmente de ellos y descubrir su valor.  Pero no es posible recopilar, almacenar, analizar y proteger adecuadamente los datos empresariales si no existe una cultura impulsada por los datos (data-driven culture)…

Cultura basada en datos

Una cultura basada en los datos es aquella que motiva y prepara a los líderes para utilizar los datos y las herramientas analíticas avanzadas con el fin de obtener información empresarial, tomar medidas informadas y lograr resultados empresariales positivos. Proporciona a las organizaciones data-driven una ventaja competitiva y mejoras estratégicas. Según las conclusiones conjuntas de Garnter, Forbes y Towards Data Science, las empresas con una cultura basada en datos comparten los siguientes rasgos:

  • Todo el mundo adopta los datos, empezando por la alta dirección.
  • Los datos descubren oportunidades para impulsar mejoras.
  • Los datos fomentan la innovación y las nuevas ideas se ponen a prueba.
  • Se priorizan y desarrollan las competencias de los empleados en materia de datos.
  • Los datos son accesibles y coherentes, lo que elimina los silos.
  • Los datos son un activo empresarial que aporta ventajas competitivas.
  • Los datos son una estrategia empresarial fundamental para el éxito del negocio.
  • La ética y la privacidad son principios fundamentales en el uso de datos.

¡Comprueba esta lista en tu empresa! ¿Crees que puede hacerse con sólo recursos internos?

Mientras tanto, observando las características anteriores, queda claro que el viaje de la transformación hacia la empresa basada en los datos comienza con una transformación “psicológica” que permita implantar y utilizar eficazmente las mejores prácticas de la estrategia de datos. Empezando por:

  • Ecosistemas digitales – crear ecosistemas digitales que permitan a las empresas convertirse en organizaciones orientadas a los datos y desarrollar proyectos de analítica avanzada de forma ágil.
  • Calidad de Datos – desarrollando una Single Source of Truth (Fuente Única de la Verdad) con una estructura clara de los datos corporativos y un acceso directo a la información.
  • Democratización de las herramientas y técnicas de Analítica de Datos y Business Intelligence.

 

En este artículo nos centraremos en estos tres puntos mostrando cómo se interrelacionan y qué aportan a la empresa que emprende su viaje hacia la transformación digital.

Ecosistemas digitales

Por qué implantar ecosistemas digitales

Un ecosistema digital es un conjunto de recursos informáticos interconectados que funcionan como una unidad. Sin embargo, para que funcione con éxito, es necesario realizar una implantación gradual de diferentes sistemas corporativos, generar datos masivos de gran valor y, sobre todo, garantizar la interoperabilidad. Para poder utilizar estos datos dentro del ecosistema digital en proyectos de analítica avanzada, deben recopilarse y almacenarse de forma estandarizada, con profundidad histórica y libres de errores e inconsistencias.

¡Esperar a tener muchos datos para realizar el primer proyecto de analítica avanzada y darse cuenta entonces que te falta igual algún otro dato!

Estos procesos de integración, limpieza e historización son costosos y requieren priorización. Por este motivo, las organizaciones deben plantearse de forma iterativa las dos preguntas siguientes:

  • ¿Por qué implantamos ecosistemas digitales?
  • ¿Qué podemos hacer con la información que tenemos ahora?

 

La primera pregunta pretende orientar y priorizar los procesos de integración de datos, mientras que la segunda centra al equipo de trabajo del proyecto en cómo poner en marcha el sistema.

Basándonos en la experiencia de proyectos anteriores de nuestro equipo de Ciencia de Datos, podemos afirmar que todavía hay bastantes empresas que caen en el prejuicio equivocado. 

Pensar que la empresa necesita construir un Data Lake masivo antes de iniciar cualquier proyecto de Data Science. No es verdad.

No hay que esperar a tener muchos datos para iniciar el primer proyecto de analítica avanzada y darse cuenta sólo por el camino de que había otros datos que también deberían haberse guardado. El desarrollo gradual de los proyectos basados en datos junto con el Data Lake de alta calidad permite evitar los conjuntos de datos insuficientes y, además, dejar que la inspección oportuna de los datos sirva de inspiración para nuevas posibilidades.

Pero incluso si el ecosistema digital se construyó de forma desestructurada y aleatoria, sigue siendo posible recuperar los datos necesarios y cumplir la finalidad del proyecto y sus objetivos estratégicos. Los especialistas en Ciencia de Datos lo llaman arqueología de datos.

Ecosistemas digitales

Es hora de ir al grano y hablar de la gestión de la calidad de los datos y de por qué puede suponer un reto para una empresa pivotar en torno a un repositorio de Datos.Este esquema muestra cómo se interrelacionan los distintos conceptos de la transformación impulsada por los datos para lograr la “Single Source of Truth”:

  • Iniciativa de datos de la organización
  • Acceso a la información
  • Calidad de la información

Todos los miembros de la organización deben tener un acceso fácil, rápido y cómodo a la información. Si no es así, se anima a los distintos equipos de la empresa a crear sus propios pools de datos departamentales en los que estructuren la información independientemente de los objetivos transversales de la estrategia de datos.

Acceso a la información

Habiendo dicho que es fundamental para una empresa data-driven proporcionar un acceso directo a la información, no se puede descuidar que puede ser un reto tecnológico y organizativo conseguirlo.

La estructura intuitiva de un Data Lake debe permitir a los recién llegados o a aquellos que no han tratado con un tipo específico de información durante algún tiempo encontrarla y tratarla fácilmente. La estandarización del Almacenamiento y Mantenimiento de Datos se suele llevar a cabo con la ayuda de Catálogos de Datos (Data Catalogues), como el que puedes encontrar en el esquema inferior.

¿Qué aporta una técnica de catálogo de datos a una empresa basada en datos?

  • Data Discovery / Descubrimiento de datos: Permite “encontrar el dato” esta función se implementa mediante buscadores semánticos y mapas de procesos. En los mapas de procesos el usuario inspecciona de forma gráfica algún proceso en cuestión y selecciona, clicando, la información de desea consultar. Por ejemplo, en entornos industriales el usuario puede ver el proceso productivo y seleccionar algún sensor o actuador de este.
  • Knowledge Repository / Repositorio de conocimiento: En este punto se presentan ejemplos de cómo usar la información. Por ejemplo, publicando ejemplos de cómo se extrae cierta información de interés a través de SQL o métodos similares.
  • Data Security and Access / Seguridad y acceso a los datos: El hecho de que la información exista no significa que el usuario pueda, o deba, acceder a ella. Con el fin de agilizar los procesos de acceso a la información resulta conveniente implementar el sistema de permisos en este punto.
  • Data Owner / Propietario de los datos: Finalmente, bajo la hipótesis de que la información tiene un responsable el usuario puede conocer el Data Owner de la información en este punto.

 

En resumen, la configuración para el acceso directo a los datos requiere tanto el apoyo tecnológico como la buena voluntad de la organización para seguir una cultura impulsada por los datos. Especialmente, cuando hablamos del mantenimiento del Knowledge Repository y de la parte del Data Owner.

Calidad de la información

Si la empresa quiere obtener datos de alta calidad, no debe reinventar la rueda y empezar por la calidad de la información. Sin embargo, por triste que pueda parecer, ninguna fórmula mágica puede garantizar que la información recopilada sea adecuada para el análisis empresarial, y el nivel de procesamiento de la información obtenida depende de su relevancia.

Uno de los ejemplos del sector bancario muestra el caso práctico en el que se implantaron dos procesos de cálculo en paralelo, y sus resultados se analizaron y compararon exhaustivamente. Sólo cuando las dos implementaciones proporcionan los mismos valores se considera que la información es correcta. En general, se pueden utilizar técnicas de analítica avanzada para detectar valores atípicos, pero es la implicación de los Propietarios de Datos y unas especificaciones claras de la semántica de los datos y sus consiguientes validaciones lo que garantiza su calidad. Normalmente, en esta fase interviene un equipo de Data Scientists para ayudar a la empresa a implantar una cultura basada en los datos.

Doble entrada: cómo evitar un error que te costará una fortuna

Por último, pero no por ello menos importante, para asegurarse de que los datos generados durante la actividad comercial son de alta calidad y pueden utilizarse en el momento de la toma de decisiones basada en datos, los operadores de la estrategia de datos deben evitar las entradas dobles.

Son más frecuentes en las áreas comerciales con varios canales de comunicación. Debido a las múltiples actividades de venta y a la gran cantidad de información que debe registrarse manualmente, es fundamental asegurarse de que la base de datos es precisa y completa, aunque se trate de una tarea minuciosa que requiere mucho tiempo.

Democratización del análisis de datos

Data as a function vs Data as the function

Una vez obtenidas fuentes únicas y de calidad, las organizaciones deben reflexionar sobre el nivel de democratización de los datos, es decir, cómo se van a utilizar y compartir. Existen dos estrategias prototípicas, y cada empresa, en función de su idiosincrasia, debe valorar cuál de las dos se adapta mejor a sus necesidades actuales y futuras.

¿Para crear valor añadido se empieza por identificar el grado de autonomía de tus datos

  • Data as a function: aplicable a Centros de Excelencia. A la hora de ejecutar análisis avanzados, la estrategia de ” Data as a function” sería la mejor opción para maximizar la eficiencia de unos recursos escasos. Este enfoque ofrece un acceso completo a los datos a todos los miembros de la empresa.
  • Data at the function: con el tiempo, determinadas áreas desarrollan un mayor nivel de experiencia en el acceso a los datos y su análisis. Dados estos conocimientos únicos, es posible que el equipo desee adquirir cierto grado de autonomía en esta materia.

Una herramienta adecuada y una estrategia de datos clara animan a los empleados a colaborar y experimentar con los datos y algoritmos disponibles, que crean valor añadido para la empresa a distintos niveles y de diversas maneras. Por ejemplo, proponiendo “insights” de calidad, optando por una toma de decisiones basada en datos probando nuevos modelos de negocio u optimizando los procesos existentes.

¿Cómo implantar la democratización de datos?

Aumentar el grado de autonomía de los usuarios requiere:

  • Herramientas tecnológicas que permitan la autonomía de los datos.
  • Formación de los miembros del equipo de trabajo.
  • Proyectos híbridos de transición, que ayuden a las organizaciones convencionales a convertirse en empresas de éxito impulsadas por los datos.

 

En los capítulos anteriores hemos analizado cuáles son las herramientas tecnológicas, cómo funcionan en las empresas basadas en datos y por qué las empresas que desean implantar una estrategia empresarial basada en datos necesitan el apoyo tecnológico especializado de especialistas en datos externos.

La etapa final de la implantación de la democratización de datos incluye proyectos híbridos de transición. Estos proyectos permiten a los miembros de la organización, por un lado, ganar gradualmente autonomía digital y, por otro, detectar necesidades de formación que pueden resolverse in situ o más adelante en el tiempo.

Gracias a unas herramientas adecuadas, un equipo bien formado y un proceso de integración gradual estructurado, la empresa no sólo puede llevar a cabo con éxito proyectos de analítica avanzada, sino también mejorar su madurez digital.

Data Modeler: mantenga flexible su ecosistema digital

Por último, es necesario reconocer que las organizaciones no son estructuras estáticas, por lo que el proceso de creación de un ecosistema digital orientado a la creación de organizaciones orientadas a los datos no puede concebirse como un proyecto único.

Por ello, cobra especial relevancia la función del Data Modeler encargado de garantizar que los nuevos procesos o sus adaptaciones queden correctamente registrados / representados.

¿Cuáles son las ventajas de convertirse en una empresa Data-Driven de éxito?

  • Ayuda a identificar las necesidades empresariales y las estrategias de gestión.
  • Aumenta la eficiencia y ayuda a superar a la competencia.
  • Mejora la satisfacción y retención de los clientes.

Conclusión

Para cualquier empresa llevar a cabo los cambios a nivel operativo y de gestión implica riesgos financieros e incertidumbres. Iniciar un cambio importante de transformación digital y el proceso de implementación de una estrategia empresarial basada en datos puede parecer un reto desalentador, especialmente si se hace con recursos puramente internos y experiencia propia. Sin embargo, cuando dividimos este “elefante de datos” en proyectos factibles y más pequeños: desarrollo de ecosistemas digitales, aplicación de las mejores prácticas de gestión de datos e introducción de herramientas de modelado de datos, se sientan unas bases firmes para la empresa.

En este artículo, hemos centrado su atención en los temas generales que la empresa debe tener en cuenta si quiere convertirse en una empresa de éxito basada en datos. En la próxima, hablaremos con más detalle sobre la implementación de las últimas tecnologías del Data Science. Hasta entonces, echa un vistazo a nuestros casos de éxito desarrollados con la ayuda del Machine Learning.

Te puede interesar

¿Cómo convertirse en una empresa Data-Driven de éxito?
Los datos no paran de crecer y se espera que...
Soluciones innovadoras en Logística y Automatización
Hace unos días tuvo lugar en Madrid una nueva edición...
Cómo reducir los gastos productivos: detección de errores y detección de anomalías
Cada mes que pasa desde hace dos años establece desafíos...