Los datos tienen el potencial de ser la mayor ventaja competitiva para las empresas. Por ello, la inversión en tecnologías de analíticos, aprendizaje automático, inteligencia artificial y otras formas de extraer información crecerán exponencialmente en 2023. Todo con el objetivo de convertirse en una organización data-driven.

Sin embargo, existen desafíos en común que experimentan la mayoría de las compañías para transformarse en data-driven.

Comprender el valor empresarial de la gobernanza de datos: Las organizaciones están generando datos constantemente. Este gran volumen requiere iniciativas de transformación digital. Comprender este punto es especialmente desafiante en organizaciones más tradicionales.

La democratización de datos tiene el potencial para hacer avanzar cualquier negocio, pero depende en gran medida de controlar la información. Una solución ha sido la aparición del director de datos (CDO); éste es responsable de implementar una arquitectura y una plataforma que haga cumplir las políticas de gobernanza de datos, actualizándose constantemente.

Falta de control: Los temores sobre la defensa ante un ataque o la protección de la información a veces conduce a excluir a las personas que pueden obtener el mayor valor de los datos. Si se tiene un verdadero control sobre los datos, con el contexto y la comprensión, entonces se puede lograr el nivel de control adecuado.

Aprovechar los datos

data-driven
Ilustración: cortesía de Quest Software.

Gestionar los metadatos y conectarlos: Uno de los grandes desafíos para las empresas es descubrir cómo migrar sus sistemas que contienen datos heredados. Esos sistemas todavía operan, y eliminarlos y reemplazarlos es prohibitivo. A menudo, el negocio en sí está aislado y hay silos de datos en cada área, por lo que tiene sentido que los datos también se almacenen de esta forma.

Con las herramientas adecuadas, es posible conectar los metadatos y verlos de manera uniforme. Después, se puede mapear la arquitectura de la infraestructura y mantenerla actualizada de manera más dinámica. La gestión de metadatos es fundamental para poner en funcionamiento con éxito la gobernanza de datos. A los usuarios, por supuesto, no les importa si los datos residen en Oracle, SQL Server, Mongo DB o cualquier otra plataforma. Solo quieren entender cómo fluyen a través del negocio y el punto en el que les llegan.

Mala calidad y falta de confianza: La mala calidad genera falta de confianza, lo que conduce a la falta de uso y de resultados estratégicos. Si los equipos no creen que pueden confiar en los datos que utilizan para tomar decisiones cruciales, éstos se convierten más en un obstáculo que en una ayuda. Por ello, un aspecto importante es identificar dónde se tienen datos de mala calidad para poder solucionarlo.

A nivel técnico, estos son ejemplos de mala calidad de los datos:

-Para un campo en particular en la base de datos, el 75% de las entradas están en blanco.

-Con el tiempo, una tabla acumula miles de filas duplicadas.

-Para probar una aplicación, alguien generó cientos de registros ficticios y olvidó eliminarlos después.

Vertientes hacia data-driven

data-driven
Imagen: iStock.

Para las empresas que se enfrentan a estos desafíos en su camino a convertirse en data-driven, es apropiado un enfoque de cuatro vertientes:

Personas: designar a las personas adecuadas, con propiedad y responsabilidades.

Proceso: iniciar los procesos correctos para respaldar y mantener todo lo que sucede en el trasfondo de la gobernanza de datos.

Tecnología: las herramientas de inteligencia de datos ayudan a mitigar los riesgos y acelerar las oportunidades.

Cultura: la gobernanza de datos puede integrarse en los objetivos de la empresa y convertirse en parte de la forma en que se mide el éxito.

Para que una organización se convierta en data-driven y aproveche al máximo sus datos, estos deben ser accesibles, manejables y confiables. También deben utilizarse de conformidad con las normas y protegerse contra el uso indebido. Las herramientas y plataformas sólidas de gobernanza de datos facilitan el descubrimiento y la comprensión, utilizan los metadatos para demostrar la procedencia y la confiabilidad y garantizan que se sigan las políticas y las mejores prácticas.