Madurez de los datos

En la actualidad, cada vez escuchamos más términos como IA, ciencia de datos o data driven decisión making o analítica de negocios en un mundo empresarial donde el que tiene la ventaja competitiva es quién puede implementar soluciones con este tipo de tecnologías. Entonces ¿Qué debemos tener en cuenta para poder implementarlo?

Para esto es necesario tener datos y cada vez que hablamos de estos, intrínsecamente hablamos de una preparación y una madurez de estos, no basta con tener los datos almacenados con los mejores motores o herramientas para guardar grandes volúmenes de información, hace falta entender como esos datos representan un dominio de negocio, una cara dentro de un cubo con mucha información dentro de un negocio que tiene muchas aristas y que es necesario entender de manera holística.

Las herramientas para almacenar la información salen de algo que se llama estrategia de datos, pero previo a esto debemos tener un norte de como queremos explotar los datos para convertirlos en información relevante para un negocio.

Para esto no podemos ignorar que hay que madurar los datos y las estrategias de como almacenarlos, y para esto existen niveles de madurez, la idea es identificar en que peldaño se encuentra mi empresa para así poder identificar que capacidades se tienen y que hace falta para poder subir un peldaño más:Nivel 0, sin analítica: En este peldaño se encuentran la mayoría de las empresas ya que se tienen sesgos, se piensa muchas veces que por tener aplicativos con bases de datos relacionales es suficiente, pero más que los mismos datos, es tener claro como están conformados, entender porqué están organizados de esa forma y como representan a mi negocio. Para empezar a escalar a partir de este peldaño lo ideal sería tener claros los MER de las diferentes bases de datos, entender que datos se tienen en las entidades más relevantes y porque se almacenan, si es solo para tener reportes de forma reactiva y si se es capaz de construir modelos orientados a dominios para poder crear dashboards o hacer algo de análisis gráfico.

Nivel 1, con analítica localizada: Estar en este peldaño es muy importante ya que tenemos capacidades de análisis descriptivo, es decir que podemos responder preguntas de negocio de que está pasando en estos momentos en mi organización. Las capacidades que se tienen en este tipo. de nivel es que podemos hacer separación de datos por dominio de negocio y entender a través del BI que mi negocio tiene diferentes aristas que pueden concatenarse con estadística básica como conteos, promedios y generación de KPI’s. Para empezar a evolucionar los datos hacer ejercicios de data wraling sobre los datos, entender y caracterizar los datos tanto en masa como de forma individual y tener claras las estadísticas que puedo llegar a generar darán paso a seguir al próximo nivel.

Nivel 2, una organización aspiracional a la analítica: En este punto ya tenemos nuestra información almacenada y caracterizada pensando siempre en un objetivo de negocio claro, en un dominio al cual mi información va a aportar, ahora con la información histórica seremos capaces de poder explicar que ha pasado, el análisis estadístico empieza a evolucionar de ser solo descriptivo a también tener valores estocásticos que puede variar en el tiempo aún con condiciones similares, es decir somos capaces de poder ver los primeros modelos matemáticos y poderlos convertir en modelos así sean dispersos de Machine Learining y que tienen algún componente de predicción o de análisis de datos no estructurados que antes eran impensables tener. Para poder evolucionar en este punto es necesario adicionar a la estrategia de datos un concepto muy importante que se empezó a construir con el DataWraling y que lo conocemos como linaje de datos, ya que para este punto nuestros datos tienen bastantes orígenes y dependiendo a mi dominio de negocio les habré aplicado algún tipo de transformación ya sea para hacer análisis gráfico, presentar un informe o crear un set de datos para modelarlo, el linaje de datos me dará un norte claro de donde viene mi dato, y como lo he transformado para convertirlo en información que responde una pregunta de negocio.

Nivel 3, compañía analítica: Estar en este nivel es algo que muy pocas empresas han conseguido de forma completa. Para este punto tener estrategias para enriquecer los datos con fuentes abiertas de información o con datos de redes sociales para así construir modelos predictivos apoyados en IA, sería lo que estas empresas de este nivel tienen ya de forma madura y democratizada, es decir que, para los integrantes de la organización al tener preguntas de negocio, saben que existen estos modelos y formas de analizar los datos para proponer soluciones donde predecir que puede pasar es el común. Para estar en este punto también ya existe en el equipo traductores de negocio, personas que entienden los pormenores de un proceso y que son capaces de a partir de la estadística, analizarlo y pasar con las personas de tecnología para crear modelos avanzados.

Nivel 4, competidor analítico: Este nivel es el punto máximo, es el deseado por todos y aunque parece utópico, a este nivel se puede llegar siguiendo los pasos y recomendaciones de los niveles anteriores, pero siempre pensando en que cada persona de la compañía entienda por lo menos a nivel básico, que es un modelo y como podría ayudarlo para aprovechar y mejorar sus capacidades en el dominio de negocio requerido. A diferencia del nivel anterior, en este punto existe la experimentación, ya no queremos solo analizar los datos, queremos cambiar lo que esos datos nos dicen, queremos ser prescriptivos en la toma de decisiones, y para esto experimentar con datos, con modelos y con nuevas tendencias de tecnología es una pieza importante. Para lograr tener modelos disruptivos, también es necesario entender que no siempre de la experimentación puede salir algo productivo, muchas veces salen insumos para futuros modelos o simplemente encontramos formas de responder preguntas poco usuales, para lograr ser disruptivo es necesario entender que no serán cambios pequeños, sino experimentos a largo y mediano plazo que nos darán capacidades competitivas fuertes y no solo seguir lo que el mercado está exigiendo.

Las empresas en general no pasan de los dos primeros niveles porque en muchos casos encontrar esta estrategia de datos no depende solo del conocimiento de negocio, sino de tener un aliado estratégico, en Heinsohn nuestros clientes nos ven como ese aliado que es fuerte en tecnología y que entiende que no basta con una consultoría o con construir una solución, entendemos que para lograr avanzar tenemos que estar de la mano aprendiendo sobre el negocio y orientando las decisiones estratégicas en cuanto a tecnología.