Aprovechar al máximo su transformación basada en datos: 10 principios clave

Proporcionado por Empresa de Hewlett Packard

No se puede exagerar la importancia de los datos para las empresas de hoy. Estudios muestran empresas basadas en datos tienen un 58 % más de probabilidades de superar los objetivos de ingresos que las empresas no basadas en datos y un 162 % más de probabilidades de superar significativamente a las rezagadas. El análisis de datos está ayudando a casi la mitad de todas las empresas tomar mejores decisiones sobre todo, desde los productos que entregan hasta los mercados a los que se dirigen. Los datos se están volviendo críticos en todas las industrias, ya sea para ayudar a las granjas aumentar el valor de los cultivos que producen o fundamentalmente cambiando el juego de baloncesto .

Usados ​​de manera óptima, los datos son nada menos que un activo de importancia crítica. El problema es que no siempre es fácil poner los datos a trabajar. El Informe de replanteamiento de datos de Seagate , con investigación y análisis de IDC, descubrió que solo el 32 % de los datos disponibles para las empresas se utiliza alguna vez y el 68 % restante no se aprovecha. Ejecutivos no están completamente seguros en su capacidad actual, ni en sus planes a largo plazo, para obtener niveles óptimos de valor de los datos que producen, adquieren, administran y utilizan.

¿Cuál es la desconexión? Si los datos son tan importantes para la salud de una empresa, ¿por qué es tan difícil dominarlos?

En las empresas mejor administradas, los sistemas que conectan a los productores y consumidores de datos son seguros y fáciles de implementar. Pero por lo general no lo son. Las empresas se enfrentan al desafío de encontrar datos y aprovecharlos con fines estratégicos. Las fuentes de datos son difíciles de identificar y aún más difíciles de evaluar. Los conjuntos de datos utilizados para entrenar modelos de IA para la automatización de tareas pueden ser difíciles de validar. Los piratas informáticos siempre buscan robar o comprometer datos. Y encontrar datos de calidad es un desafío incluso para los científicos de datos más expertos.

La falta de un sistema integral para garantizar datos de alta calidad y compartirlos de manera eficiente ha retrasado indirectamente la adopción de la IA. .

Las brechas de comunicación también pueden descarrilar el proceso de brindar información impactante. Los ejecutivos que financian proyectos de datos y los ingenieros y científicos de datos que los llevan a cabo no siempre se entienden entre sí. Estos profesionales de datos pueden crear un plan detallado, pero si el profesional no enmarca los resultados correctamente, el ejecutivo de negocios que los solicitó puede decir que estaba buscando algo diferente. El proyecto será etiquetado como un fracaso, y la posibilidad de generar valor a partir del esfuerzo quedará en el camino.

Las empresas encuentran problemas de datos, sin importar dónde se encuentren en términos de madurez de datos. Están tratando de encontrar formas de hacer que los datos sean una parte importante de su futuro, pero tienen dificultades para poner los planes en práctica.

Si estás en esta posición, ¿qué haces?

Las empresas se encontraron en un punto de inflexión similar en la década de 2010, tratando de encontrar su lugar en la nube. Les llevó años desarrollar sus estrategias en la nube, planificar sus migraciones a la nube, elegir plataformas, crear oficinas comerciales en la nube y estructurar sus organizaciones para aprovechar al máximo las oportunidades basadas en la nube. Hoy, están cosechando los beneficios: sus movimientos a la nube les han permitido modernizar sus aplicaciones y sistemas de TI.

Las empresas ahora tienen que tomar decisiones similares sobre los datos. Necesitan considerar muchos factores para asegurarse de que los datos proporcionen una base para que su negocio avance. Deben hacer preguntas como:

• ¿Están fácilmente disponibles los datos que la empresa necesita?
• ¿Qué tipos de fuentes de datos se necesitan? ¿Hay conjuntos de datos distribuidos y diversos que no conoce?
• ¿Los datos están limpios, actualizados, son confiables y se pueden integrar con los sistemas existentes?
• ¿El resto del nivel C está de acuerdo con el enfoque del director de datos?
• ¿Los científicos de datos y los usuarios finales se comunican de manera efectiva sobre lo que se necesita y lo que se entrega?
• ¿Cómo se comparten los datos?
• ¿Cómo puedo confiar en mis datos?
• ¿Todas las personas y organizaciones que necesitan acceder a los datos tienen derecho a utilizarlos?

Se trata de algo más que inteligencia de negocios. Se trata de aprovechar una oportunidad que se está gestando. El uso de datos se está disparando, las herramientas para aprovecharlos se están volviendo más eficientes y la experiencia de los científicos de datos está creciendo. Pero los datos son difíciles de dominar. Muchas empresas no están preparadas para hacer el mejor uso de los datos que tienen a mano. Las empresas deben invertir en las personas, los procesos y las tecnologías que impulsar sus estrategias de datos .

Con todo esto en mente, aquí hay 10 principios que las empresas deben seguir al desarrollar sus estrategias de datos:

1. Comprenda cuán valiosos son realmente sus datos

¿Cuánto valen sus datos para usted? Esto se puede medir de varias maneras. Hay métricas tradicionales a considerar, como los costos de adquirir los datos, el costo de almacenarlos y transmitirlos, la singularidad de los datos que se adquieren y la oportunidad de usarlos para generar ingresos adicionales. Las métricas del mercado afectan el valor de los datos, como la calidad de los datos, la antigüedad de los datos y la popularidad de un producto de datos.

Sus datos también podrían ser valiosos para otros. Por ejemplo, suponga que un hospital recopila conjuntos de datos de pacientes que pueden generar valor para sus datos. En ese caso, esos datos podrían ser de interés para investigadores de enfermedades, fabricantes de medicamentos, compañías de seguros y otros compradores potenciales. ¿Existe un mecanismo para anonimizar, agregar, controlar e identificar a los usuarios potenciales de sus datos?

La oportunidad, equilibrada por el costo que se necesita para entregarla, es una forma de determinar el valor potencial de sus datos.

2. Determine qué hace que los datos sean valiosos

Si bien puede ser difícil poner un valor real en dólares a sus datos, es más fácil definir los elementos que contribuyen a que los datos tengan un alto grado de valor. Se puede reducir a una simple ecuación de pensamiento:

Integridad + Validez = Calidad

Calidad + Formato = Usabilidad

Datos utilizables + un profesional de datos que los usa bien = VALOR

Su proyecto de datos no puede continuar sin buenos datos. ¿Es la calidad de sus datos lo suficientemente alta como para que valga la pena? Eso dependerá, en parte, de qué tan completa sea la muestra que hayas recolectado. ¿Faltan campos de datos? La calidad también depende de la validez de la información. ¿Se obtuvo de una fuente confiable? ¿Los datos están actualizados o el tiempo ha degradado su validez? ¿Recopila y almacena sus datos de acuerdo con ontologías y estándares de la industria y el sector?

Sus datos deben ser utilizables para que valga la pena invertirlos. La configuración de sistemas para que los profesionales de datos utilicen y analicen bien los datos y los conecten con los líderes empresariales que pueden aprovechar los conocimientos cierra el ciclo.

3. Establezca dónde se encuentra en su viaje de datos

Posicionar una empresa para aprovechar al máximo la computación en la nube es un viaje. El mismo pensamiento debería aplicarse a los datos.

Las decisiones que toman las empresas sobre sus estrategias de datos dependen en gran medida de dónde se encuentren en sus viajes de datos. ¿Qué tan avanzado está en su viaje de datos? Las herramientas de evaluación y los planos pueden ayudar a las empresas a identificar sus posiciones. Las evaluaciones deben ir más allá de identificar qué herramientas se encuentran en la pila de tecnología de una empresa. Deben observar cómo se tratan los datos en una organización de muchas maneras, teniendo en cuenta la gobernanza, la gestión del ciclo de vida, la seguridad, la ingesta y el procesamiento, las arquitecturas de datos, el consumo y la distribución, el conocimiento de los datos y la monetización de los datos.

El consumo y la distribución por sí solos se pueden medir en términos de la capacidad de una organización para aplicar servicios que van desde la inteligencia comercial hasta la transmisión de datos y las aplicaciones de análisis de datos de autoservicio. ¿La empresa ha implementado soporte para el uso de datos por personas individuales? ¿Es compatible con API individuales? Al considerar el conocimiento de datos como una categoría, ¿qué tan avanzados son los diccionarios de datos, los glosarios de negocios, los catálogos y los planes maestros de administración de datos de la empresa?

La puntuación de cada conjunto de capacidades revela las fortalezas y debilidades de una empresa en términos de preparación de datos. Hasta que la empresa mire más de cerca, es posible que no se dé cuenta de cuán cerca o lejos está de donde necesita o quiere estar.

4. Aprende a manejar datos de varias fuentes

Los datos llegan a las organizaciones desde todas las direcciones: desde el interior de la empresa, los dispositivos IoT y los sistemas de videovigilancia en el perímetro, los socios, los clientes, las redes sociales y la web. los cientos de zettabytes de los datos en todo el mundo tendrán que ser administrados, protegidos y optimizados selectivamente para un uso conveniente y productivo.

Este es un desafío para las empresas que no han desarrollado sistemas para la recopilación y el control de datos. Independientemente del origen de los datos, debe haber un mecanismo para estandarizarlos de modo que los datos puedan utilizarse para obtener un mayor beneficio.

Diferentes empresas y diferentes países imponen diferentes reglas sobre qué y cómo se puede compartir la información. Incluso los departamentos individuales dentro de la misma empresa pueden entrar en conflicto con las reglas de gobierno corporativo que designan las rutas que deben seguir ciertos conjuntos de datos. Eso significa hacer cumplir las políticas de acceso y distribución de datos. Para aprovechar estas oportunidades de datos, las empresas deben diseñar vías para descubrir nuevos conjuntos de datos e imponer reglas de gobierno para administrarlos.

En la fabricación, las empresas en una línea de la cadena de suministro miden la calidad de sus piezas y proveedores. A menudo, la maquinaria y la robótica que utilizan son propiedad de los proveedores. Los proveedores pueden querer establecer contratos para ver quién tiene derecho a usar los datos para proteger sus propios intereses comerciales, y los fabricantes deben definir sus requisitos de intercambio de datos con sus socios y proveedores por adelantado.

5. Obtenga un compromiso estratégico de la C-suite

Los datos benefician a muchos niveles de una organización, y las personas en cada uno de los niveles afectados cabildearán por un aspecto particular del proceso de valor de los datos. Los científicos de datos quieren más tecnología potente y fácil de usar. Los líderes de línea de negocio presionan para obtener mejores y más rápidos conocimientos. En la parte superior de la pirámide se encuentra el C-suite, que prioriza la canalización de los datos hacia el valor empresarial.

Es fundamental lograr que los ejecutivos de nivel C participen en una estrategia de datos holística. Hacerlo bien, después de todo, puede ser disruptivo. Extraer el máximo valor de los datos requiere que una organización contrate personal con nuevos conjuntos de habilidades, realinee su cultura, rediseñe procesos antiguos y rediseñe la plataforma de datos antigua. Es un proyecto de transformación que no se puede hacer sin obtener la aceptación de los niveles más altos de una empresa.

El C-suite está cada vez más abierto a expandir el uso de datos de las organizaciones. Después de la participación del cliente, la segunda área estratégica más importante de interés a nivel de directorio es aprovechar los datos y mejorar la toma de decisiones para seguir siendo competitivos y aprovechar las condiciones cambiantes del mercado, según el informe de IDC 'Market Analysis Perspective: Worldwide Data Integration and Intelligence Software, 2021.' En el mismo informe, el 83 % de los ejecutivos expresaron la necesidad de estar más impulsados ​​por los datos que antes de la pandemia.

¿Cómo deben las organizaciones asegurarse de que el C-suite se sume a bordo? Si es una parte interesada sin un título de nivel C, su trabajo es trabajar con sus pares para encontrar un patrocinador ejecutivo que lleve el mensaje a los líderes que controlan el proceso de toma de decisiones. Los datos son un activo estratégico que determinará el éxito de una empresa a largo plazo, pero no sucederá sin el apoyo de los más altos niveles.

6. Confiamos en los datos: asegúrese de que sus datos sean irreprochables

A medida que la IA se expande en casi todos los aspectos de la vida moderna, los riesgos de prácticas de IA corruptas o defectuosas aumentan exponencialmente. Esto se reduce a la calidad de los datos que se utilizan para entrenar los modelos de IA. ¿Cómo se produjeron los datos? ¿Se basó en un sensor defectuoso? ¿Se generó un origen de datos sesgado en el conjunto de datos? ¿Provino la selección de datos de una ubicación en lugar de un conjunto de datos estadísticamente válido?

La IA confiable depende de tener datos confiables que puedan usarse para construir modelos transparentes, confiables, imparciales y sólidos. Si sabe cómo se entrena un modelo y sospecha que está obteniendo resultados defectuosos, puede detener el proceso y volver a entrenar el modelo. O, si alguien cuestiona el modelo, puede volver atrás y explicar por qué se tomó una decisión en particular, pero necesita tener datos limpios y validados para hacer referencia.

Los organismos de control de políticas a menudo piden a los gobiernos que respalden cómo están usando la IA y que demuestren que sus análisis no se basan en datos sesgados. La validez de los algoritmos utilizados ha provocado debates sobre los esfuerzos para confiar en el aprendizaje automático para guiar decisiones de sentencia y tomar decisiones sobre reclamaciones de prestaciones sociales u otras actividades gubernamentales.

El entrenamiento del modelo se lleva a cabo en pasos. Usted construye un modelo basado en datos. Luego prueba el modelo y recopila datos adicionales para volver a probarlo. Si pasa, lo convierte en un modelo de producción más robusto. El viaje continúa agregando más datos, masajeándolos y estableciendo con el tiempo si su modelo resiste el escrutinio.

La falta de un sistema integral para garantizar datos de alta calidad y compartirlos de manera eficiente ha retrasado indirectamente la adopción de la IA. De acuerdo a IDC , el 52 % de los encuestados cree que los desafíos de calidad, cantidad y acceso a los datos están retrasando las implementaciones de IA.

7. Aprovecha la oportunidad de los metadatos

Los metadatos se definen elípticamente como 'datos que proporcionan información sobre otros datos'. Es lo que le da a los datos el contexto que los usuarios necesitan para comprender una parte de las características de la información, para que puedan determinar qué hacer con ella en el futuro.

Los estándares de metadatos se usan comúnmente para fines de nicho, aplicaciones industriales específicas como catálogos astronómicos , o tipos de datos como archivos XML . Pero también se puede argumentar a favor de un marco de metadatos más sólido en el que no solo podamos definir datos de manera común, sino también etiquetar artefactos de datos útiles a lo largo de su viaje. ¿Dónde se originó este dato? ¿Quién lo ha visto? ¿Quién lo ha usado? ¿Para qué se ha utilizado? ¿Quién ha agregado qué parte del conjunto de datos? ¿Se han verificado los datos? ¿Está prohibido su uso en determinadas situaciones?

El desarrollo de este tipo de mecanismo de metadatos requiere una capa de tecnología que esté abierta a las contribuciones de aquellos que ven y tocan un dato en particular. También requiere el compromiso de un amplio conjunto de partes interesadas que vean el valor de poder compartir datos de manera estratégica y transparente.

La creación de una capa adicional de metadatos abiertos sería un paso importante hacia permitiendo la democratización del acceso a los datos al permitir el intercambio transparente de atributos de datos clave necesarios para el acceso, la gobernanza, la confianza y el linaje. Hewlett Packard Enterprise acercamiento a los espacios de datos es abrir un estándar universal de metadatos que eliminaría las complejidades actuales asociadas con el intercambio de diversos conjuntos de datos.

8. Acepta la importancia de la cultura

Las organizaciones quieren asegurarse de aprovechar al máximo los recursos que nutren y, para hacerlo, necesitan crear culturas que promuevan las mejores prácticas para compartir información.

¿Tienes silos? ¿Existen barreras culturales dentro de su organización que se interpongan en el camino de la difusión adecuada de información a las fuentes correctas en los momentos correctos? ¿Los diferentes departamentos sienten que son dueños de sus datos y no tienen que compartirlos con otros en la organización? ¿Las personas están acumulando datos valiosos? ¿Ha establecido canales y procedimientos que promuevan el intercambio de datos sin fricciones? ¿Ha democratizado el acceso a los datos, brindando a las partes interesadas del negocio la capacidad no solo de solicitar datos, sino también de participar en prácticas de consulta y uso compartido?

Si alguno de estos factores está bloqueando el libre flujo de intercambio de datos, su organización debe someterse a una evaluación de gestión del cambio centrada en sus necesidades en cuanto a personas, procesos y tecnología.

9. Abre las cosas, pero no confíes en nadie

En todos los aspectos del negocio, las organizaciones equilibran los conceptos, a menudo contradictorios, de promover el intercambio libre y abierto de recursos y una seguridad estrictamente controlada. Lograr este equilibrio es particularmente importante cuando se trata de datos.

Los datos deben compartirse, pero muchos productores de datos se sienten incómodos al hacerlo porque temen perder el control y cómo sus datos podrían usarse en su contra, o cómo sus datos podrían cambiarse o usarse de manera inapropiada.

La seguridad debe ser una prioridad máxima. Los datos provienen de tantas fuentes, algunas las controlas tú, otras no, y pasan por tantas manos. Eso significa que las políticas de seguridad que rodean a los datos deben diseñarse con un modelo de confianza cero en cada paso del proceso. La confianza debe establecerse en toda la pila, desde su infraestructura y sistemas operativos hasta las cargas de trabajo que se encuentran en la parte superior de esos sistemas, hasta el nivel de silicio.

10. Cree una canalización de servicios de datos completamente funcional

Mover datos entre sistemas requiere muchos pasos, incluido mover datos a la nube, reformatearlos y unirlos con otras fuentes de datos. Cada uno de estos pasos generalmente requiere un software separado.

La automatización de las canalizaciones de datos es una práctica recomendada crítica en el recorrido de los datos. Una canalización de datos totalmente automatizada permite a las organizaciones extraer datos en la fuente, transformarlos en un formato utilizable e integrarlos con otras fuentes.

La canalización de datos es la suma de todos estos pasos, y su trabajo es garantizar que estos pasos sucedan de manera confiable para todos los datos. Estos procesos deben automatizarse, pero la mayoría de las organizaciones necesitan al menos uno o dos ingenieros para mantener los sistemas, reparar fallas y actualizarlos de acuerdo con las necesidades cambiantes del negocio.

Comience el viaje de datos hoy

Lo bien que las empresas aprovechen sus datos, dondequiera que se encuentren, determinará su éxito en los años venideros. Investigación de constelaciones proyectos El 90 % de las empresas Fortune 500 actuales se fusionarán, adquirirán o quebrarán para 2050. Si no comienzan ahora, se quedarán atrás. El reloj está corriendo.

Lea el artículo original en Empresa.nxt .

Este contenido fue producido por Hewlett Packard Enterprise. No fue escrito por el equipo editorial de MIT Technology Review.

esconder