Nuestros sitios
Ver edición digital Título de la edición actual
Comparte
Compartir

Potenciar una cultura de datos desde adentro hacia afuera

Mit Sloan 27 Sep 2021
Potenciar una cultura de datos desde adentro hacia afuera

Transformar una empresa en una empresa verdaderamente basada en datos implica cambios organizativos fundamentales.


Dic. 09 2020

Para las empresas que luchan con las transformaciones de datos, no pensar en el cambio organizacional suele ser un problema mayor que los problemas tecnológicos. Una empresa puede tener herramientas poderosas y datos significativos a su disposición, pero sin la educación y los procesos adecuados para poner esos datos en manos de las personas adecuadas y proporcionar un contexto comercial, la extracción de valor puede resultar difícil.

En 2016, Jonathan Tudor fundó un programa de datos de autoservicio en GE Aviation dirigido exactamente a este problema. Al reconocer que el éxito dependería de empoderar a los usuarios más allá de los equipos de análisis e ingeniería de datos, pudo fomentar la aceptación de toda la organización, aumentar el compromiso y crear asociaciones multifuncionales.

Ally MacDonald, editor senior de MIT Sloan Management Review, habló con Tudor sobre su trabajo con datos de autoservicio y transformación organizacional. Lo que sigue es una versión editada y condensada de su conversación.

MIT Sloan Management Review: ¿Qué es un programa de datos de autoservicio?

Jonathan Tudor: La idea de los datos de autoservicio es, en lugar de contratar un sinfín de talentos de datos altamente competitivos, ¿por qué no tomar su capital intelectual existente y el capital de personas dentro de la empresa y capacitarlos para que hagan su propio trabajo de análisis de datos? En un sistema de autoservicio, los profesionales y analistas de la línea de negocio de la empresa pueden acceder y trabajar con datos y visualización de datos directamente, y cuentan con el apoyo, pero no dependen de, profesionales de TI y datos para llevar a cabo su trabajo.

Este tipo de programa permite a las empresas eliminar los límites técnicos y capacita a las personas para que utilicen su propia experiencia en la materia; después de todo, conocen los problemas que están abordando mejor y saben qué datos necesitan para generar conocimientos y ejecutar su trabajo.

Cuando los datos son fundamentales para la forma en que dirige su organización, se necesitan análisis en todas las partes de la empresa muy rápidamente y son clave para los resultados comerciales.

.

¿Cómo ha evolucionado este nuevo enfoque para desempeñar un papel en las organizaciones?

Tudor: es útil mirar hacia atrás en la historia. Cuando pensamos en inteligencia empresarial [BI] y almacenamiento de datos, esto a menudo se ha aislado dentro de las organizaciones. Los equipos de BI hacen todo el trabajo para recopilar los datos, estructurarlos (y esperar que estén estructurados correctamente) y luego entregar esos conocimientos al cliente. Ese proceso es similar a lo que vemos en un método en cascada en TI, que es muy secuencial y depende de las personas que realizan cada tarea.

Pero a medida que las empresas avanzan con más datos que nunca y utilizan elementos como lagos de datos, un enfoque en cascada se vuelve menos efectivo. Cuando los datos son fundamentales para la forma en que dirige su organización, se necesitan análisis en todas las partes de la empresa muy rápidamente y son clave para los resultados comerciales. La verdad de las demandas de muchas organizaciones es que nunca podrán contratar suficientes ingenieros de datos o científicos de datos para satisfacer estas crecientes necesidades comerciales por sí mismos.

Los datos de autoservicio permiten a las empresas satisfacer estas demandas centrándose menos en quién realiza el trabajo, en favor de los resultados comerciales.

¿Qué KPI son importantes a la hora de medir la eficacia de los datos de autoservicio?

Tudor: las empresas variarán en su enfoque y ciertas métricas serán más importantes dependiendo de la parte interesada. En GE Aviation, nos enfocamos en tres métricas de datos de autoservicio que arrojan luz sobre los beneficios financieros, cuánto valor obtienen los usuarios del programa y la viabilidad de la innovación para el negocio.

Primero, hay indicadores clave de rendimiento financieros. Podemos determinar dónde hay impactos en el estado de resultados del balance o cuántos ingresos podemos rastrear desde una perspectiva de rendimiento.

La segunda métrica importante es la utilización. Observamos la cantidad de usuarios únicos y rastreamos qué porcentaje de ellos se mantienen activos en un período determinado. Por ejemplo, podríamos encontrar que el programa de autoservicio ha logrado 2.000 usuarios únicos en todo el ecosistema en los últimos tres meses.

Una tercera área implica la creación de un canal de innovación a partir del seguimiento del compromiso y el uso. Por ejemplo, observamos cada artefacto de datos que tiene más de 50 usuarios únicos en un mes: cada informe de BI, cada analítica. Basándonos en eso, podemos informar a los líderes sobre lo que está resultando más importante para los usuarios y puede valer la pena una mayor inversión comercial. Esto nos ayuda a crear una tubería organizada que muestra la propuesta de valor de ideas nuevas e innovadoras dentro de la organización.

Si los sistemas de autoservicio son clave para permitir decisiones más rápidas en la organización, eso significa que muchos equipos y unidades en toda la empresa ahora se están volviendo más prácticos con los datos. ¿Qué significa eso para la gobernanza de datos?

Tudor: Los datos de autoservicio y la gobernanza definitivamente van de la mano. Con lo que lo comparo es con que estás tratando de administrar un patio de recreo: quieres empoderar a las personas para que puedan hacer lo que tienen que hacer y hacerlo bien, pero también quieres evitar que se lastimen a sí mismos oa los demás.

Aquí hay un delicado equilibrio desde el principio. Debe proteger a los usuarios y a la empresa, asegurarse de que cumple y cumple con las regulaciones, y permitir una mejor comprensión de los datos. Pero al mismo tiempo, no quiere ser una barrera que impida que la gente haga su trabajo.

Creo firmemente en la creación de programas de autoservicio desde cero con gobernanza y el entendimiento de que tendrán que escalar. Cosas como la catalogación de datos, el linaje de datos y proporcionar el contexto comercial en torno a los datos son partes muy importantes de la gobernanza, porque las personas necesitan tener la información y el contexto correctos sobre los datos que están viendo para tener éxito.

¿Cuáles son otras áreas desafiantes que las empresas deben tener en cuenta al abordar este tipo de iniciativas?

Tudor: La administración de datos también es muy importante. Hoy en día, hay muchas formas en que las empresas pueden automatizar su catálogo de datos utilizando software para ayudar a tomar decisiones. Pero, en última instancia, es necesario que haya personas en la empresa que actúen como administradores de datos, es decir, que proporcionen un contexto empresarial y sirvan como puntos de contacto para otras personas de la organización que puedan tener preguntas o necesitar más información. Esto a menudo es muy difícil de lograr en las empresas, porque ser un administrador de datos no suele ser una función dedicada y es un desafío lograr que las personas dediquen su tiempo a algo que no es necesariamente su trabajo principal.

Algo que aprendimos desde el principio para ayudar a incentivar la administración de datos involucró la implementación de la gamificación. Comenzamos a rastrear la actividad de los usuarios en nuestro ecosistema y creamos un sistema de puntos relacionado y una tabla de clasificación que clasificaba a las personas que usaban el programa de autoservicio. Las personas podrían competir entre sí y ser reconocidas mensualmente por sus contribuciones.

He visto a muchas organizaciones luchar con esto, y debo admitir que todavía es difícil hoy. Pero al hacerlo más interactivo e incluso divertido, hemos mejorado significativamente la participación.

¿En qué deberían pensar los gerentes centrados en datos cuando se trata de incorporar talento hoy en día? ¿Qué pasan por alto las empresas y los gerentes?

Tudor: El talento que está buscando a menudo debe ser diferente de [lo que] pensamos generalmente cuando hablamos de TI o datos y análisis. Hoy no puede ser simplemente un tecnólogo. A menudo, el problema con el que te vas a encontrar no será un problema de tecnología, sino un problema de personas.

En mi equipo, a menudo pensamos en nosotros mismos como una empresa emergente dentro de una organización más grande, donde es necesario desempeñar diferentes funciones. Tenemos muchas personas que tienen antecedentes no tradicionales en TI, por ejemplo, ex músicos y chefs que cambiaron de carrera y aportan una experiencia diversa a su trabajo en datos y tecnología. Creo que esta diversidad ayuda de muchas maneras a conectar con las personas, porque gran parte de nuestro trabajo está orientado a las personas además de estar impulsado por la buena tecnología.

La otra cosa que es realmente importante para capacitar talentos es enfatizar la importancia de la asociación comercial que debe tomar forma para que cualquier programa de autoservicio sea exitoso. Por ejemplo, capacitamos y nos asociamos con docenas de embajadores de datos, profesionales que no forman parte de nuestro equipo central de datos, pero que pueden actuar como extensiones del equipo en ubicaciones de todo el mundo. Ayudan a administrar la comunicación, derribar las barreras organizacionales e impulsar la gobernanza en diferentes sitios. Fomentar este tipo de colaboración es fundamental para ampliar el papel de un equipo de autoservicio más pequeño en toda la organización.

De nuestra discusión se desprende claramente que estos sistemas no son estáticos: los equipos están midiendo y aprendiendo continuamente. ¿Cómo cambian los gerentes su forma de pensar y su forma de administrar la inteligencia empresarial tradicional para respaldar el éxito de los datos de autoservicio?

Tudor: Una cosa para los gerentes es simplemente estar de acuerdo con los datos y el análisis o la TI que no están siendo realizados por equipos que están en datos y análisis o TI. Eso es muy fundamental, pero puede ser muy difícil. Tienes que sentirte cómodo dejando ir algo de control.

De alguna manera, es como si fueras una tienda de aplicaciones y estuvieras ayudando a una comunidad de autoservicio a crear aplicaciones que podrían no estar desarrolladas en tu equipo. Esto significa convertirse en un pensador de sistemas para impulsar un diseño que permita a otras personas tener éxito a escala. Este es probablemente el cambio de mentalidad más grande y difícil de hacer, pero hay mucho que ganar al aceptarlo.

SOBRE EL AUTOR

Jonathan Tudor es director de datos y análisis de GE Aviation. Ha sido parte del lago de datos en GE Aviation desde sus inicios y ha liderado estrategias e iniciativas para la ingesta de datos, ingeniería, arquitectura, autoservicio, invención analítica, automatización y gobernanza. Ally MacDonald (@allymacdonald) es editora senior de MIT Sloan Management Review.