Nuestros sitios
Ver edición digital Título de la edición actual
Compartir

Optimización de recursos

Una cultura de datos perfecta

Para lograr una transformación efectiva, debe haber cambios corporativos fundamentales.


Mit Sloan 18 Dic 2020
Una cultura de datos perfecta

Por Jonathan Tudor, en entrevista con Ally MacDonald

Para las empresas que tienen dificultades y aprovechan al máximo los datos, desatender el cambio organizacional suele ser un problema más grave que los tecnológicos. Una compañía puede tener herramientas poderosas y datos importantes a su disposición, pero sin la educación y los procesos adecuados para poner esos datos en manos de las personas correctas 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 explícitamente enfocado a este problema. Al reconocer que el éxito dependería de empoderar a los usuarios además de los equipos de análisis e ingeniería de datos, pudo fomentar su aceptación en toda la empresa, aumentar el compromiso y crear asociaciones multifuncionales.

Ally MacDonald, editora de MIT Sloan Management Review, habló con Tudor sobre su trabajo con los datos de autoservicio y las transformaciones corporativas que ha impulsado. A continuación presentamos una versión editada y resumida de su conversación.

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

Jonathan Tudor: la idea principal es que, en lugar de contratar un sinfín de personas con talentos competitivos en el área, ¿por qué no aprovechar el capital intelectual existente, es decir tu propio personal, y capacitarlo para que haga el trabajo de análisis de datos? En un sistema de autoservicio, los profesionales y analistas de la línea empresarial pueden acceder y trabajar con datos y su visualización directamente; además, cuentan con el apoyo de profesionales de TI y científicos de datos, pero no dependen de ellos para realizar su trabajo.

Este tipo de programa permite que las empresas eliminen las fronteras técnicas y que las personas usen su propio conocimiento en la materia; a final de cuentas, conocen mejor que nadie los problemas que enfrentan y saben qué datos necesitan para generar insights y ejecutar su trabajo.

Cuando los datos son fundamentales para dirigir tu empresa, se necesita un análisis rápido de cada rincón y es clave para obtener resultados comerciales”.

MIT SMR: ¿cómo ha evolucionado este método para las empresas?

Tudor: es útil mirar atrás. Si pensamos en la inteligencia empresarial [IE] y el almacenamiento de datos, es común que se aíslen en el contexto corporativo. Los equipos de IE hacen todo el trabajo de recopilación, estructuración (y esperan hacerlo bien) y luego entregan ese insight al cliente. Ese proceso es parecido al método cascada en TI, el cual es secuencial y depende de las personas que realizan cada tarea.

Conforme las compañías avanzan más en este ámbito y utilizan elementos como lagos de datos, el método cascada se vuelve menos efectivo. Cuando los datos son fundamentales para dirigir tu empresa, se necesita un análisis rápido de cada rincón y esto es clave para obtener resultados comerciales. La verdad es que muchas compañías nunca podrán contratar suficientes ingenieros o científicos de datos para satisfacer sus crecientes necesidades por sí solas.

El autoservicio les permite satisfacer esta demanda al centrarse menos en quién realiza el trabajo, en favor de los resultados comerciales.

MIT SMR: ¿cuáles son los indicadores clave de desempeño (KPI) más importantes para evaluar la efectividad de los datos de autoservicio?

Tudor: las empresas utilizarán diferentes métodos y ciertas métricas serán más importantes, según el interesado. 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 KPI financieros. Podemos determinar dónde hay impactos en los 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 se mantiene activo en un período determinado; por ejemplo, podríamos descubrir que el programa de autoservicio ha conseguido 2,000 usuarios únicos en todo el ecosistema en los últimos tres meses.

Una tercera métrica implica la creación de un canal de innovación a partir del seguimiento del compromiso y uso. Observamos cada artefacto de datos con más de 50 usuarios únicos en un mes (cada informe de IE, cada análisis). Con base en esto, podemos informar a los líderes sobre lo que resulta más importante para los usuarios y dónde podría valer la pena una mayor inversión comercial. De esta manera se puede crear un flujo organizado que muestre la propuesta de valor de ideas innovadoras.

MIT SMR: si los sistemas de autoservicio son clave para que las compañías puedan tomar decisiones más rápidas, eso quiere decir que muchos equipos y unidades están adquiriendo más experiencia con los datos. ¿Qué implica esto para la gobernanza de los mismos?

Tudor: los datos de autoservicio y la gobernanza definitivamente van de la mano. Me gusta compararlo con el manejo de un patio de recreo: quieres empoderar a las personas para que puedan hacer lo que deben y puedan hacerlo bien, pero también quieres evitar que se lastimen a sí mismos o a los demás.

Aquí hay un delicado equilibrio desde el principio. Debes proteger a los usuarios y a la empresa, asegurarte de que se cumple con las normativas y permitir una mejor comprensión de los datos; pero al mismo tiempo, no quieres impedir que la gente haga su trabajo.

Creo firmemente en la creación de programas de autoservicio desde cero, pero con una gobernanza y un entendimiento de que tendrán que escalar. Cosas como la catalogación, el linaje de datos y proporcionar el contexto empresarial en torno a ellos son factores muy importantes para la gobernanza, porque las personas necesitan tener la información y el contexto correctos con que disponen para tener éxito.

MIT SMR: ¿cuáles son otras áreas desafiantes que las empresas deben tener en cuenta al seguir este tipo de iniciativas?

Tudor: la administración de datos también es muy importante. Hoy en día, hay muchas formas de automatizar un catálogo de datos corporativo, mediante softwares 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 otros trabajadores que puedan tener dudas o necesitar más información. Sin embargo, suele ser muy difícil alcanzar este punto, porque un administrador de datos no tiene por qué ser un rol exclusivo y es todo un reto hacer que una persona dedique su tiempo a algo que no es necesariamente su trabajo principal.

Si algo aprendimos pronto, es que para ayudar a incentivar la administración de datos se necesita implementar la gamificación. Comenzamos a rastrear la actividad de los usuarios en nuestro ecosistema y creamos un sistema de puntos relacionados, y una tabla de clasificación para determinar qué personas usaban el programa de autoservicio. Los usuarios podían competir entre sí y ser reconocidos mensualmente por sus aportaciones.

He visto a muchas empresas batallar con este tema, y debo admitir que todavía es difícil. Pero al añadir elementos interactivos e incluso divertidos, hemos mejorado significativamente la participación.

MIT SMR: hoy en día, ¿en qué se deben concentrar los gerentes cuando buscan talento para la analítica? ¿Qué se suele pasar por alto?

Tudor: el talento que se busca suele ser diferente de lo que pensamos cuando hablamos sobre TI o analítica. Hoy no puedes ser sólo un tecnólogo. No siempre vas a encontrar problemas tecnológicos, sino también problemas con personas.

En mi equipo, nos gusta considerarnos una startup dentro de una organización más grande, donde es necesario desempeñar diferentes funciones. Tenemos muchas personas con una formación poco ortodoxa en TI; por ejemplo, exmúsicos y chefs que cambiaron de carrera y aportan diversas experiencias a su trabajo en datos y tecnología. Creo que esta diversidad ayuda de muchas formas a conectar con las personas, porque gran parte de nuestro trabajo está orientado a la gente, además de estar impulsado por buena tecnología.

Otro factor muy importante para capacitar talentos es enfatizar la importancia de la asociación comercial que debe formarse para que cualquier programa de autoservicio tenga éxito. Capacitamos y nos asociamos con decenas de embajadores de datos: profesionales que no forman parte de nuestro equipo central, pero que pueden actuar como extensiones en locaciones de todo el mundo. Ayudan a administrar la comunicación, derribar las fronteras organizacionales e impulsar la gobernanza en diferentes sitios. Fomentar este tipo de colaboración es fundamental para ampliar el papel de un equipo de autoservicio pequeño en toda la empresa.

MIT SMR: de nuestra conversación 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 del autoservicio?

Tudor: para los gerentes puede ser algo tan simple como estar en paz con la idea de que la analítica y las TI no se realicen por equipos completamente especializados. Eso es muy fundamental, pero también puede ser muy difícil. Deben sentirse cómodos soltando un poco el control.

Quizá es como una tienda de aplicaciones, porque se ayuda a una comunidad de autoservicio a crear aplicaciones que pueden no estar desarrolladas en el equipo. Debes tener más una mente de pensador de sistemas con el objetivo de generar un diseño que empodere a otras personas y así se tenga éxito a escala. Probablemente este sea el cambio de mentalidad más grande y difícil de lograr, pero hay mucho que ganar si lo adoptas.

Acerca del entrevistado y el autor

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

Artículo traducido por Elvira Rosales Abundiz, a partir de: https://sloanreview.mit.edu/article/empowering-a-data-culture-from-the-inside-out/?og=Home+Tiled