Conforme la informática y la analítica – entendida esta última como el conjunto de técnicas que buscan e identifican patrones significativos en grandes cantidades de información – han ido avanzando a pasos agigantados en los últimos años gracias a las nuevas tecnologías provistas por la Cuarta Revolución Industrial (4IR) (ver Lampadia: La Industria 4.0: Lo que se necesita saber), el manejo y administración de bases de datos de índole comercial y financiera se ha convertido en un aspecto crucial en la toma de decisiones empresariales.
En el mundo corporativo, tal tarea ahora está tomando forma, ya no como un proceso aislado en un área determinada de la empresa, sino como parte del día a día de los trabajadores que interactúan con datos en sus respectivas unidades de negocio. Esta es una de las principales ideas que se desprenden de una reciente entrevista realizada y publicada por McKinsey al CEO de Informatica, Anil Chakravarthy (ver artículo líneas abajo).
Como dejan entrever las declaraciones de Chakravarthy, “Lo que distingue a las empresas más exitosas es que han desarrollado la capacidad de administrar datos como un activo en toda la organización”. Este argumento se sustenta, según el entrevistado, en 3 atributos que provee la gestión de datos de manera descentralizada:
- Gracias al ambiente propiciado por el IoT (“Internet de las cosas”) ahora es posible contar con data en tiempo real de variables asociadas a la productividad, factor indispensable que permite mejorar sustancialmente la competitividad en las empresas.
- El análisis de los datos también es un pilar fundamental para la transformación digital de la empresa ya que permite encontrar oportunidades en los mercados que ayudarían a apuntalar tal transformación.
- El hecho que la gestión de datos sea manejada descentralizadamente permite a las empresas tener una mejor idea respecto a la calidad y pertinencia de dichos datos, puesto que se conoce el contexto en el que estos han sido producidos, antes de ser almacenados.
Conforme se sigan desarrollando nuevas herramientas que permitan un uso más eficiente y eficaz del manejo de datos dentro de las organizaciones, consideramos que dicha herramienta será adoptada por un espectro más grande de empresas del sector privado. Esperamos que las empresas peruanas, sobre todo las micro y pequeñas empresas, no se queden en el coche y eventualmente puedan implementar estrategias en torno a esta tendencia, cuya importancia no es un tema menor. Lampadia
Gestionar los datos como un activo: Una entrevista con el CEO de Informatica
McKinsey & Company
mayo, 2019
Traducido y glosado por Lampadia
Anil Chakravarthy se basa en su experiencia liderando un negocio de gestión de datos para discutir nuevos enfoques técnicos y organizativos que ayudan a las empresas a crear valor con sus datos.
Como CEO de Informatica – uno de los proveedores más grandes del mundo de servicios basados en la nube para administrar datos en múltiples entornos, respaldar programas analíticos y cumplir con las regulaciones de datos – Anil Chakravarthy ve cómo las empresas en cada industria utilizan los datos para tomar mejores decisiones de negocios. Lo que distingue a las empresas más exitosas, en su opinión, es que han desarrollado la capacidad de administrar datos como un activo en toda la organización. Esa capacidad depende de ciertos elementos de apoyo: una sólida base técnica, mecanismos para dominar el manejo de datos y la responsabilidad de los empleados para administrar bien los datos. En esta entrevista con Roger Roberts, socio de McKinsey, Chakravarthy explica por qué estos elementos son importantes y ofrece ejemplos de cómo han ayudado a las empresas a usar los datos para respaldar sus objetivos comerciales. A continuación una versión editada de sus comentarios.
Ver video resumen de la entrevista:
McKinsey: Según su experiencia en el manejo de una empresa de gestión de datos, ¿cómo usan las empresas los datos para crear valor de manera consistente?
Cómo las empresas usan los datos para crear valor
Anil Chakravarthy: El mayor valor proviene de poder recopilar y correlacionar información de diferentes tipos de sistemas.
Ahora, a través del IoT (Internet of Things), tienen muchos más datos sobre la productividad real en términos de cosas como el rendimiento y el estado del mantenimiento. Y están correlacionando esos datos. Entonces pueden tomar decisiones en tiempo real.
Vemos esto en industria tras industria. Es poder tomar los datos que tradicionalmente tenía una empresa, que se ocupaban de aspectos como la rentabilidad, los costos, los gastos, etc., y combinarlos con más datos basados en IoT sobre eficiencia, mantenimiento, estado, etc.
McKinsey: ¿Cuáles son los principales desafíos que enfrentan las empresas al integrar datos de diferentes sistemas?
Anil Chakravarthy: Lo que está causando el mayor dolor en este momento es cómo hacer esto a una escala de toda la empresa. Fundamentalmente, la forma en que se diseñan, recopilan y almacenan los datos no ha cambiado con respecto a la forma en que se realizaba hace diez, 20 o 30 años. Los datos se desarrollan en el contexto de una iniciativa empresarial específica o una aplicación específica. Las empresas aún optimizan las formas en que recopilan y diseñan los datos para una sola iniciativa empresarial.
Pero supongamos que quieres hacer otra cosa con los mismos datos. En un banco, los datos podrían haberse recopilado para un sistema de solicitud de hipoteca que se construyó hace 25 años. Pero ahora quieren usar esos datos en un contexto diferente, por lo que tienen que recopilar los datos, limpiarlos y gobernarlos de manera diferente. Una vez que entreguen mis datos a otra unidad de negocios, ¿qué van a hacer con ellos? ¿Van a empezar a llamar a mis clientes? ¿Qué pasa entonces? Las personas se vuelven posesivas con sus datos y no están motivadas para compartirlos. Esa es una barrera organizacional básica que debe ser superada.
También tienes muchas barreras técnicas. ¿En qué formato están esos datos? ¿Qué base de datos usé? ¿Fueron los datos encriptados o no encriptados? Además, la aplicación original o el sistema empresarial que estaba usando los datos podría tener una cierta lógica incorporada. Si le proporciono los datos sin la lógica de negocios, ¿seguirán siendo útiles los datos y tendrán sentido en un nuevo contexto?
McKinsey: ¿Cómo están cambiando las compañías su enfoque hacia la gestión de datos para que funcione de manera efectiva en toda la empresa?
Anil Chakravarthy: En el pasado, cada función empresarial, cada aplicación creaba su propio modelo de datos y su propio repositorio de datos. Eso llevó a esta enorme proliferación de datos. Ahora hay tantas cosas que se están haciendo para dar sentido a los datos después del hecho. El gran cambio ahora es: ¿Cómo diseñas esa capacidad desde el principio?
Es mucho más eficiente y efectivo reparar los defectos cerca del punto de producción o diseño. Eso es exactamente lo que estamos viendo ahora en el mundo de los datos.
Un nuevo enfoque para la gestión de datos
Por ejemplo, imagine que desea crear un nuevo repositorio de datos de clientes para obtener experiencia, compromiso, etc. En lugar de adoptar un enfoque en el que traiga todos los datos de donde sea que esté, mezcle y lance algo, las empresas están dando un paso atrás y diciendo: «No, primero hagamos un catálogo de datos: identifiquemos qué datos tenemos, qué datos son de mayor calidad en comparación con los de menor calidad, qué datos son sensibles en comparación con aquellos que no, qué datos provienen de un sistema de registro frente a otras fuentes, etc.». Una vez que tenga ese mapa, puede diseñar y construir una nueva plataforma que sea extensible y que admita múltiples iniciativas y casos de uso para datos de clientes.
Esa es la gran diferencia que estamos viendo: están dando un paso atrás, comprendiendo cómo se deben recopilar y gestionar los datos y diseñándolos en el sistema desde el principio.
McKinsey: ¿Cómo encaja un esfuerzo como ese en un programa de transformación digital más amplio?
Anil Chakravarthy: Los datos deben apoyar las muchas iniciativas que normalmente forman parte de la transformación digital. Por ejemplo, la transformación digital generalmente implica el uso de plataformas de análisis de próxima generación. ¿Cómo puedo hacer que la analítica esté disponible para todas las personas clave dentro de la empresa, para que puedan desarrollar perspectivas predictivas y demás? Si desea tener disponible ese tipo de análisis generalizado de próxima generación, necesita una plataforma de datos que pueda admitirlo.
Por eso necesita una plataforma de datos: para apoyar las iniciativas típicas asociadas con las transformaciones digitales. En última instancia, los datos se convierten en el combustible que ayuda a impulsar múltiples casos de uso u oportunidades que la empresa tal vez quiera aprovechar como parte de la transformación. Y, entonces, tienes que hacer una transformación de datos para habilitar esa transformación digital.
McKinsey: ¿Qué implica la transformación de datos a nivel técnico?
Anil Chakravarthy: Para la mayoría de las empresas, el enfoque tradicional para administrar TI ha sido crear un presupuesto para grandes proyectos de aplicaciones. La mayoría de los clientes se están dando cuenta de que necesitan ir a un modelo más ágil, donde las aplicaciones que desarrollan son modulares; son más pequeñas. Ese movimiento hacia un modelo ágil es realmente ayudado por tener una plataforma de datos que pueda soportar diferentes aplicaciones. Una vez que construye una plataforma de datos independiente, puede hacer que el desarrollo de aplicaciones sea mucho más ágil.
McKinsey: ¿Cuáles son algunos otros aspectos organizativos de este enfoque transformado para trabajar con datos?
Alentar a las personas a tratar los datos como un activo
Anil Chakravarthy: Creo que las mejores empresas están tratando los datos como un activo estratégico que todos tienen que gestionar bien. La gente está reconociendo que no son sus datos. Son los datos de la empresa. Así que comienza con la construcción de esa mentalidad, comenzando con el tono en los altos niveles de la organización.
Una vez que obtiene la cultura adecuada, la empresa puede comenzar a pensar en cómo gestiona los datos, de modo que las personas puedan hacer su trabajo y optimizar sus prioridades mientras, al mismo tiempo, equilibran las necesidades de la empresa para el futuro.
McKinsey: ¿Cómo cambia eso la forma en que los empleados administran los datos diariamente?
Anil Chakravarthy: Hay un gran cambio de mentalidad desde un centralizado enfoque de gobierno y calidad de datos a posteriori, a un enfoque colaborativo en el que intentas hacerlo desde el principio.
En el pasado, construirías un almacén de datos. Usted colocaría todos los datos en el almacén y configuraría un equipo de expertos en gobierno de datos o personas dedicadas a la calidad de datos para muestrear y verificar los registros y determinar si la información es completa y consistente. Ese enfoque simplemente no se escala, especialmente cuando estamos hablando de los tipos de volúmenes de datos que tenemos ahora.
El enfoque actual es hacer que el gobierno y la calidad de los datos sean una pequeña parte del trabajo de las muchas personas de la compañía que están más cerca de los datos y lo entienden en el contexto del negocio. Se realiza antes de que los datos se recopilen y procesen. También se implementa un proceso en el que, si aún tiene datos que no son de la mejor calidad, estos se limpian de forma iterativa y constante en lugar de hacerlo después del hecho.
McKinsey: ¿Ve un rol para la inteligencia artificial (IA) en asegurar la calidad de los datos?
Anil Chakravarthy: Absolutamente, y ya está sucediendo. Hay nuevas técnicas en torno a, por ejemplo, la identificación de datos sensibles. El Reglamento General de Protección de Datos (GDPR) dice que, si tienes datos relacionados con clientes europeos o empleados europeos, dichos datos deben manejarse de cierta manera. Debe saber dónde almacena los datos relacionados con los clientes europeos e identificar las bases de datos donde se guardan esos datos.
Se están utilizando muchas técnicas de IA y de machine learning (ML) para abordar este tipo de problemas.
Es difícil hacer todo el trabajo con la gente porque estas tareas son extremadamente repetitivas. Así que creo que es una tarea que un robot de software hace mucho mejor, para automatizar la mayor parte de este trabajo tedioso posible, con humanos para manejar las excepciones que requieren más juicio. Lampadia
