0
0
La clave para gestionar grandes cantidades de datos y tecnologías disruptivas puede estar en establecer un centro de competencia.
Aunque muchas organizaciones están utilizando herramientas de inteligencia artificial (IA) y Machine Learning (ML) como facilitadores principales en sus proyectos de análisis de datos, y el gasto en IA en todo el mundo sigue aumentando, la dura realidad es que la mayoría de los proyectos de Data Science están condenados al fracaso.
Hay varias razones para estos fracasos, que van desde la complejidad inherente a las iniciativas de IA/ML y la persistente falta de talento cualificado, hasta los retos que existen en la seguridad, la gobernanza y la integración de los datos. Según una encuesta mundial de IDC realizada a más de 2.000 responsables de la toma de decisiones de TI y de la línea de negocio, todos ellos implicados en algún nivel de uso o desarrollo de la IA, estos problemas se denominan colectivamente «preparación para los datos».
Para empeorar las cosas, aunque la mayoría de las empresas mantienen rutinariamente grandes cantidades de datos, a menudo se almacenan en silos funcionales y no es fácil acceder a ellos o utilizarlos. Los avances en la computación en la nube, las herramientas de ingeniería de datos y los algoritmos de aprendizaje automático también están llegando más rápido de lo que pueden desplegarse los productos y los nuevos procesos. Además, están los desafíos competitivos que provienen tanto de los canales tradicionales como de las nuevas tecnologías disruptivas.
Para superar esta realidad y crear un nuevo valor para los clientes y los accionistas, los responsables de TI deben crear una comunidad y una cultura que puedan acelerar y mantener el crecimiento de la ciencia de los datos y la analítica en toda la empresa.
Una necesidad crítica de competencia
Es obvio que la ciencia de los datos requiere conocimientos de programación informática, ingeniería de datos, matemáticas y estadística. Sin embargo, lo que diferencia a un buen científico de datos de uno excelente es la capacidad de traducir los requisitos empresariales de los dominios funcionales de toda la empresa. Estos recursos pueden ser escasos, por lo que deben centrarse en los proyectos con el mayor retorno de la inversión/el menor tiempo de obtención de valor, al tiempo que ayudan a hacer crecer la comunidad analítica general dentro de la empresa.
A menudo, se crea un centro de competencia de ciencia de datos (CoC) como recurso para que la empresa logre estos objetivos. Tradicionalmente, estos CoCs se reportan a través de la organización de TI debido a su codependencia de la infraestructura de datos.
Sin embargo, aunque la arquitectura y la gobernanza de los datos son fundamentales, un CoC de ciencia de los datos que esté demasiado alejado de los dominios empresariales dará lugar a una mala alineación de los objetivos, a retrasos y, en última instancia, a un aumento de los fracasos de los proyectos.
Un enfoque de organización híbrida, en el que un centro de ciencia de datos y análisis centrado actúa como puente entre la infraestructura de TI tradicional y los dominios funcionales, es esencial para permitir el éxito. Esto puede servir para acelerar el desarrollo del ecosistema de conversión de datos en valor y el cambio de cultura necesario para un crecimiento sostenible.
Centrarse en el éxito del retorno de la inversión
Los siguientes objetivos fundacionales son fundamentales para desarrollar un plan y un proceso estratégicos de capacitación y habilitación sostenible:
1. Crear un centro de competencia.
Los proyectos suelen fracasar porque se desarrollan de forma aislada, sin tener en cuenta todo el ciclo de vida del modelo, así como los requisitos de hilo digital, linaje y canalización de datos. La gente puede aferrarse a los datos y la información u ocultarlos por la creencia de que pueden ayudarles personalmente. Esta actitud impide el potencial de creación de valor a la hora de buscar conocimientos más profundos.
Es importante entender que la ciencia de los datos y la analítica son un deporte de equipo. Crear un centro de competencia que se centre en la colaboración, la educación y la inclusión ayudará a crear confianza entre las organizaciones funcionales.
2. Extienda los esfuerzos de alfabetización de datos y diseño.
Cree una comunidad virtual en toda la empresa para responder a las preguntas, desde los conceptos más básicos hasta las construcciones más complejas de la ciencia de los datos y el pensamiento de diseño. Como parte de una CdC, este centro de recursos impulsará el desarrollo y la administración de planes de estudio curados, que van desde el nivel de habilidades de «análisis de incorporación» hasta certificaciones de ciencia de datos más avanzadas.
Este centro también será un punto focal para la formación y certificación de nuevos científicos de datos en todos los dominios funcionales de la empresa. El objetivo es crear una comunidad interfuncional que proporcione apoyo a todos en su viaje de alfabetización de datos.
3. Crear un equipo multifuncional y diverso de pensadores estratégicos.
Esto proporciona una plataforma en toda la empresa para compartir ideas e identificar los proyectos con mayor potencial. También permite a los miembros del equipo aprovechar las habilidades y los conocimientos de los demás para crear conjuntamente un nuevo valor para los clientes y los accionistas.
La alineación entre los KPI estratégicos y las métricas individuales reduce la fricción para un cambio de cultura deseado y se centra en los proyectos de mayor retorno de la inversión. En última instancia, sin embargo, un ecosistema de conversión de datos en valor no es sostenible a menos que se establezca la confianza, tanto en la integridad y la seguridad de la canalización de datos como entre las personas y las funciones. Una vez que se establece la confianza y la alineación dentro de esta comunidad más amplia y se establece el embudo del proyecto, se puede lograr el objetivo de impulsar el valor en la tasa de negocio.
Average Rating