La aplicación de tecnología analítica a los cientos de datos que fluyen por las organizaciones permite extraer de ellos información clave para mejorar su negocio y su organización, y ser más eficaces y competitivas, tanto en el sector privado como en el público.
Pero no basta con implantar un producto solvente. Para que una estrategia Data&Analytics aporte los resultados óptimos que se esperan, es necesario diseñar y desplegar un modelo de madurez que aborde seis áreas fundamentales. A continuación, esbozo la metodología de Omega Peripherals para lograrlo.
La aplicación de tecnología analítica a los cientos de datos que fluyen por las organizaciones permite extraer de ellos información clave
1- La organización
El objetivo en este campo es conocer cuál es el valor que la empresa asigna a Data&Analytics, cuál es el compromiso en el nivel de top management, si existe una alineamiento entre los objetivos de Data&Analytics y los objetivos estratégicos de la empresa. También saber si la empresa tiene definido un plan de negocio digital y un plan de transformación digital.
Para ello se indaga, además, en otros puntos referidos a, por ejemplo, cómo se gestionan los proyectos, quiénes los financian o quiénes tienen acceso a las soluciones de Data&Analytics, y otros temas que permiten dar una visión de conjunto de Data&Analytics para la empresa.
2- La plataforma
La plataforma de Data&Analytics es la base sobre la cual se desarrollarán las soluciones. Es importante conocer qué permite hacer y qué no. Sus posibilidades para poder escalar dinámicamente y en tiempo real ante las exigencias de negocio es un factor fundamental para mantener la competitividad.
3- Los datos
Los datos son el activo más importante desde el punto de vista de Data&Analytics. Por ello es importante conocer los sistemas de origen, donde se almacenan, cómo se procesan, el significado de cada uno de ellos, cuáles son los estándares para la gestión de datos, cómo se comparten e intercambian los mismos, cómo se orquestan y cómo se monitoriza su proceso, qué tipo de datos se gestionan, quiénes pueden tener acceso a ellos, cuál es su volumen, qué crecimiento se estima, etc. A estos se unen otras muchas cuestiones que permiten tener una idea clara de los datos y cómo pueden ser explotados para entregar valor a la empresa.
4- El gobierno de los datos
Es importante conocer cómo se puede rastrear el linaje de los datos, ya sea desde el área de negocio o desde la parte técnica, cómo se controla el movimiento de los datos dentro y fuera de la empresa, cómo se verifica la calidad de los mismos, cómo determinar si los usuarios respetan las reglas y políticas de utilización de estos, así como conocer si existe un programa formal de gobierno de datos y si están definidos todos sus roles y responsabilidades.
5- El equipo de desarrollo
Es importante saber si el equipo de desarrollo de Data&Analytics puede responder a las demandas de la empresa, cuál es la confianza que se tiene en este equipo y en su plan de desarrollo, y cómo se considera el talento tanto de los analistas de negocio como de los desarrolladores de aplicaciones.
6- Las soluciones de Data&Analytics
Aquí evaluamos qué tipo de soluciones de Data&Analytics utiliza la empresa, si se aplica el modelo de análisis predictivo, Machine Learning, inteligencia artificial, reconocimiento de imágenes, etc. También queremos conocer cuál es la política de gestión de los modelos, cómo se verifican y evalúan, y como supervisa la organización si con el tiempo estos modelos se van deteriorando y, por lo tanto, reduciéndose la eficacia de los resultados ofrecidos.
El estudio de todas estas seis áreas permite entender, diseñar y desplegar un marco idóneo para implantar con éxito una estrategia de Data&Analytics.
