Los Datos al Servicio de una Gran Cervecera

Cuando las empresas crecen a través de adquisiciones externas, la integración de los sistemas y datos de las empresas adquiridas es siempre un reto. Para AB InBev; empresa cervecera con más de 600 años de vida y marcas tan conocidas como Budweiser, Corona, Stella Artois, Beck’s, Hoegaarden y Leffe, ese desafío incluía un entorno híbrido con sistemas tanto locales como en la nube, como Salesforce, 15 instancias SAP, 27 sistemas ERP, 23 herramientas ETL y una gran cantidad de cerveceros que operaban como entidades independientes con sus propios sistemas internos. Como se puede imaginar, eso hizo extremadamente difícil obtener una visión única y unificada del negocio ya que no existía una única fuente de verdad. Además, la empresa opera en seis continentes y necesitaba cumplir con los requisitos de GDPR, lo que requería una visibilidad global de todos los activos de datos.

 

Debido a que los ejecutivos de la compañía no podían acceder fácilmente a la información de toda la empresa necesaria para tomar decisiones estratégicas se dieron cuenta de que necesitában un repositorio central para sus activos de datos. Sus clientes internos -como científicos de datos, equipos de operaciones y equipos de negocios- estaban luchando para reunir datos de más de 100 sistemas fuente, analizarlos y tomar decisiones oportunas sobre el desarrollo de productos, cadenas de suministro, campañas de marketing y más.

 

Además, al igual que otros productores de bebidas alcohólicas, AB InBev debe cumplir con estrictas regulaciones en cuanto a la recopilación de información para el consumidor. Por lo tanto, recopilaron datos externos, como datos geográficos y tendencias de compra, pero necesitaban estandarizar e integrar esos datos, que era otro aspecto de su desafío de datos.

 

 

Para conseguir todo ello, AB InBev contactó Talend y llevó a cabo una prueba de concepto (POC) de un mes de duración con Talend. La empresa cervecera quería embarcarse en un viaje en la nube y era consciente de que Talend está muy integrada en ese mundo, y permite que sistemas en la nube y en las instalaciones se comuniquen entre sí de forma segura.

 

Durante el POC, desarrollaron un producto adaptado a sus necesidades a un precio muy competitivo. Así, el grupo está utilizando principalmente Talend Data Integration para reunir las distintas fuentes de datos dentro y fuera de la empresa, y Talend Data Preparation para la detección de datos. Todo su trabajo de gestión de datos debe realizarse para varias empresas bajo el paraguas de AB InBev, por lo se ha creado un marco de trabajo reutilizable de manera que cuando extraen los datos de una cervecería, pueden utilizar el código que se ha creado y ahorrar mucho tiempo.

 

En esta arquitectura se extraen los datos de una serie de fuentes (en tiempo real y por lotes, en la nube y en las instalaciones, sistemas ERP, datos de dispositivos de IO) y se almacenan en una zona de aterrizaje, que forma parte de un lago de datos, o centro de datos, que reside en la nube en Microsoft Azure. Estos datos son procesados y archivados antes de pasar a una “Capa de Oro”, desde donde son consumidos por los usuarios internos de AB InBev. Por otro lado, se potencia un “sandbox” (es decir un entorno de pruebas separado del entrono de producción) para los científicos de datos, que la utilizan para probar varios modelos de datos. Además, la arquitectura de AB InBev incluye Hortonworks para Hadoop, y tecnologías relacionadas como Hive, Spark, Hbase y Kafka.

 

Entre los mayores beneficios de la nueva arquitectura de TI se encuentran la simplificación de la infraestructura y la reutilización de los procesos para extraer y proporcionar acceso a los datos rápidamente porque tienen un código reutilizable y lo que antes se hacía en seis meses ahora se hace en seis semanas. Esto se traduce en decisiones más rápidas y en una reducción del tiempo de comercialización de decisiones, campañas, productos y más.

 

Sin duda el ahorro de costes ha sido otro de los grandes beneficios. En lugar de pagar y administrar 23 herramientas ETL diferentes, han avanzado hacia la gestión de una sola herramienta mediante la estandarización de Talend.

 

Con esta nueva arquitectura de TI la compañía cervecera puede tener una variedad de casos de uso al servicio de su objetivo de vender las mejores cervezas y hacer feliz a la gente. Durante el primer año de lanzamiento de la plataforma de datos se han desplegado varios proyectos y hay cientos de nuevos proyectos de datos en preparación.

 

Todo comienza con un mejor desarrollo del producto. Los datos ayudan a AB InBev a entender cómo puede ayudar a los agricultores a cultivar las mejores cosechas que se utilizan para producir las mejores cervezas. Por ejemplo, el agua es un componente crítico. ¿Cuánta agua deben poner los agricultores en el suelo? Si hay un riesgo climático importante en una región, su responsabilidad social dejar de fabricar cerveza y en su lugar entregar agua a la gente.

 

Los datos también ayudan a la compañía a entender mejor los gustos y comportamientos de los bebedores. Por ejemplo, lo utiliza para analizar las nuevas demandas de los consumidores de cervezas bajas en calorías y determinar las preferencias por las cervezas de acuerdo con la estacionalidad. La cervecera recopila y agrega datos de consumo de Nielsen y encuestas de mercado, y datos casi en tiempo real de los medios de comunicación social, para analizar tendencias y ofrecer las cervezas adecuadas y campañas de marketing más específicas, como cupones en tiempo real en el punto de venta adaptados a los consumidores adecuados.

 

Sus clientes son tiendas y bares y los datos ayudan a mejorar su experiencia con sus marcas. Antes no era posible trabajar con cada tienda para obtener datos. Ahora, se pueden pedir cervezas a través de aplicaciones móviles, y pueden ver los datos en tiempo real para optimizar la previsión de la demanda y los suministros. El marketing basado en datos también significa que se puede analizar el comportamiento de los compradores en las tiendas y utilizar las métricas recopiladas para identificar la mejor ubicación en la tienda para vender cervezas, así como la forma de crear eventos en tiempo real para impulsar la conversión.

 

Los datos también son importantes para la optimización de la cadena de suministro. ¿Cómo pueden asegurarse de que las entregas lleguen a tiempo, con la calidad adecuada y al precio adecuado? ¿Cómo se pueden hacer más entregas? Para encontrar esas respuestas, AB InBev toma datos de IO de los dispositivos RFID para rastrear el ciclo de vida completo de los “paquetes conectados” desde la cervecería hasta la entrega, con el fin de encontrar las mejores rutas para los conductores de entregas. La compañía también utiliza la tecnología IoT para controlar la temperatura de millones de enfriadores de cerveza en todo el mundo para garantizar que su producto se almacena y sirve a la temperatura óptima. Y toman decisiones rápidas sobre cuántas paletas de cerveza enviar a un evento deportivo específico basándose en los datos históricos que ahora se almacenan en el centro de datos.

 

Según reconoce la empresa el descubrimiento de los datos ha sido realmente importante, anteriormente, los usuarios internos tenían que dedicar alrededor del 80 por ciento de su tiempo a localizar y consolidar los datos relevantes, lo que dejaba sólo el 20 por ciento para analizarlos y tomar una decisión. Ahora, utilizando Talend Data Preparation, sólo dedican alrededor del 30 por ciento de su tiempo a recopilar datos y pueden dedicar el 70 por ciento a analizarlos y a tomar decisiones mejor informadas.

 


6 Consejos de que Hacer y que No Hacer en la Gestión de Datos Colaborativa

Los proyectos de calidad de datos ya no son proyectos técnicos. Se están volviendo colaborativos e impulsados por el equipo.

A medida que las organizaciones se esfuerzan por lograr su transformación digital, los profesionales de datos se están dando cuenta de que necesitan trabajar en equipo con los departamentos comerciales, ya que son ellos los que necesitan mejores datos para lograr el éxito en sus operaciones. Al estar a la cabeza, los Chief Data Officers necesitan dominar algunos sencillos pero útiles “Do’s and Don’ts” (Que hacer y que no hacer) sobre la ejecución de sus proyectos de calidad de datos.

Voy a enumerar algunos de ellos.

QUE HACER

Establecer las expectativas desde el principio

¿Por qué se necesitan datos de calidad? ¿Cuál es el objetivo de la empresa? ¿Hasta qué punto impactará en el rendimiento empresarial de la organización? Las respuestas se deben encontrar entre los responsables del negocio. Hay que conocer la meta final para poder establecer metas e hitos intermedios en el calendario de un proyecto.

 

Construir un equipo interdisciplinar

Por supuesto, se trata de contar con el personal técnico adecuado en el proyecto: profesionales que dominan las plataformas de gestión de datos. Pero también se trata de encontrar a las personas adecuadas que en los “líderes locales” en sus respectivos departamentos. Por ejemplo, los expertos en marketing digital a menudo tienen problemas con datos erróneos y a veces tienen bajo rendimiento debido a la falta de una buena información de contacto. Además, nuevas regulaciones como GDPR hicieron que los profesionales del marketing tomaran conciencia de la importancia de los datos personales. Al poner herramientas como la Preparación de Datos en sus manos, usted les dará una manera de actuar sobre sus datos sin perder el control. Ellos serán sus aliados en su viaje de calidad de datos.

 

Entregar logros rápidamente

Si bien es fundamental ampliar las capacidades de las personas y establecer objetivos ambiciosos, también es necesario demostrar que el proyecto de calidad de datos tendrá un valor comercial positivo muy rápidamente. Por ello no hay que dedicar demasiado tiempo a la una planificación excesiva. Hay que probar el impacto en el negocio con resultados inmediatos. Algunos clientes de Talend lograron resultados de negocio muy rápidamente con aplicaciones como Data Prep o Data Stewardship.  Ser capaces de entregar resultados más rápidamente y más fáciles de comprender hace que la credibilidad sea instantánea y la gente apoye y confíe en el proyecto. Después de ganar credibilidad y confianza, es más fácil pedir recursos adicionales al Comité de Dirección. Es un importante recordar que muchos pequeños logros hacen uno grande.

 

QUE NO HACER

No subestimar el poder de una mala comunicación

A menudo pensamos que los proyectos técnicos necesitan respuestas técnicas. Pero la calidad de datos es un tema estratégico. Sería un error tratarlo como un desafío técnico. Para tener éxito, un proyecto debe ser ampliamente conocido dentro de una organización. Hay controlar la comunicación del proyecto para que no se extiendan malentendidos por el resto de departamentos. Para ello, debe dominar la combinación perfecta de conocimientos y habilidades de comunicación para que sus resultados sean conocidos y comunicados adecuadamente dentro de su organización. Marketing frecuentemente recibe datos erróneos que perjudican las operaciones comerciales por la falta de información y percepciones sesgadas. Por este motivo es habitual que se solicite a TI que amplíen sus proyectos y resuelvan los problemas de calidad de datos, lo que siempre es una buena razón para pedir más presupuesto.

 

No pasarse con la tecnología creando proyectos demasiado técnicos y complejos

Talend proporciona una plataforma simple y potente para producir resultados rápidos de modo que se pueda empezar por lo pequeño y después presentar lo grande. Un ejemplo de haber implementado la gestión de datos desde el principio es Carhartt, una importante empresa de ropa de trabajo de EEUU, que logró limpiar 50.000 registros en un día. No es necesario esperar mucho tiempo para ver resultados.

 

No olvidarse del reloj ni al equipo sin instrucciones claras

Es necesario establecer y cumplir los plazos con la mayor frecuencia posible para reforzar la credibilidad. Como el tiempo corre rápido y la organización puede sustituir a los directivos de negocio a corto plazo, hay que tener clara la ruta a seguir y mantenerse enfocado en las metas finales. Entregar los proyectos a tiempo conlleva poder celebrar el éxito. Al terminar un hito del proyecto y que asegúrese de tomar tiempo para celebrarlo con el equipo y, también, dentro de la organización.

Si te interesa este tema puedes pinchar aquí Definitive Guide to Data Quality.

 


Construcción de Lagos de Datos para el Cumplimiento del RGPD

Jean-Michel Franco, Director Senior de Marketing de Producto en Talend y Pinakin Patel, Director Senior de Ingeniería de Soluciones EMEA en MapR.

Si hay un fenómeno clave al que los líderes empresariales de todas las industrias se han aferrado en los últimos años, es el valor de los datos. El mercado de inteligencia empresarial y análisis continúa creciendo, a un ritmo masivo a medida que las organizaciones inviertan en las soluciones que esperan les permitan aprovechar el potencial de esos datos y alcanzar un alto nivel de competitividad en su sector.

Pero mientras las empresas continúan acumulando datos e invirtiendo en herramientas de análisis que esperan que los ayuden a determinar y generar valor adicional, el Reglamento General de Protección de Datos (RGPD) está forzando las mejores prácticas en la captura, administración y uso de datos personales.

El RGPD de la Unión Europea estipula reglas estrictas sobre cómo se deben manejar los datos. Al afectar todo el ciclo de vida de los datos, las organizaciones deben tener una comprensión integral de sus datos personales, desde su recopilación y procesamiento hasta su almacenamiento y, finalmente, su destrucción.

A medida que las empresas luchan por cumplir con la fecha límite del 25 de mayo, la gobernanza de datos es un enfoque clave. Pero las organizaciones no pueden pensar en las nuevas regulaciones como una tarea más a tachar de la lista. Se requiere un cumplimiento continuo y la mayoría de las organizaciones tienen que crear nuevas políticas que les ayuden a lograr un modo de privacidad por defecto.

Diversos activos de datos

Uno de los grandes desafíos que plantea la gestión segura de los datos es la adopción rápida en el análisis de datos en todas las empresas, ya que pasa de ser una función del departamento de TI a convertirse en un activo central para las unidades de negocio. Como resultado, los datos a menudo fluyen en muchas direcciones por toda la empresa, por lo que resulta difícil comprender los datos sobre los datos, como el linaje de datos (dónde se creó y cómo llegó allí).

Las organizaciones pueden tener datos personales en muchos formatos y tipos diferentes (tanto estructurados como no estructurados) en diferentes ubicaciones. Bajo el RGPD, será crucial conocer y administrar dónde están los datos personales en sus negocios. Si bien nadie está seguro exactamente de qué forma se aplicará el RGPD, las organizaciones necesitarán poder demostrar que sus procesos de gestión de datos cumplen continuamente con el RGPD en cualquier momento.

Con las diversas fuentes y bancos de datos que tienen muchas organizaciones, la consolidación de estos datos será clave para gestionar eficazmente su cumplimiento con el RGPD. Teniendo en cuenta los numerosos tipos diferentes de datos que se deben custodiar en una organización, los lagos de datos son una solución clara al desafío de almacenar y administrar datos dispares.

Reúna sus datos

Un lago de datos es un método de almacenamiento que contiene datos brutos, incluidos datos estructurados, semiestructurados y no estructurados. La estructura y los requisitos de los datos solo se definen una vez que se necesitan los datos. Cada vez más, vemos que los lagos de datos se utilizan para centralizar la información empresarial, incluidos los datos personales que provienen de una variedad de fuentes, como ventas, atención al cliente, redes sociales, sistemas digitales y más.

Los lagos de datos, que usan herramientas como Hadoop para rastrear datos dentro del entorno, ayudan a las organizaciones a reunir todos los datos en un lago de datos donde todos pueden mantenerse y gobernarse de manera colectiva. La capacidad de almacenar datos estructurados, semiestructurados y no estructurados es crucial para el valor de este enfoque para consolidar los activos de datos, en comparación con los almacenes de datos que principalmente mantienen datos estructurados y procesados. Permitir que las organizaciones descubran, integren, limpien y protejan los datos que luego pueden compartirse de manera segura es esencial para un gobierno de datos efectivo.

Además de la vista en toda la extensión del lago de datos, las organizaciones pueden mirar ’rio arriba’ para identificar las fuentes de datos antes de que fluyeran al lago. De esta forma, las organizaciones pueden rastrear datos específicos a su origen, como atención al cliente o aplicaciones de marketing, brindando visibilidad de extremo a extremo en toda su cadena de suministro de datos para que pueda ser examinada e identificada según sea necesario.

Esta visión ’end-to-end’ de los datos personales es crucial bajo el RGPD, permitiendo a las empresas identificar la calidad y el punto de origen de toda su información. Además de permitir a las organizaciones almacenar, administrar e identificar la fuente de todos sus datos, los lagos de datos proporcionan un medio rentable para que las organizaciones almacenen todos sus datos en un solo lugar. Por otro lado, la gestión de estos grandes volúmenes de datos en un almacén de datos tiene un Coste Total de Propiedad mucho más elevado.

Estableciendo las bases

Mientras que los lagos de datos actualmente presentan el mejor enfoque para la gestión de datos y la gobernanza para el cumplimiento de RGPD, esta no será la última parada en el camino de las organizaciones hacia la gestión de datos innovadores, eficientes y de quejas. Los enfoques de almacenamiento de datos del futuro se construirán teniendo en cuenta el nuevo clima reglamentario, y se crearán para servir y cumplir los desafíos que presentan.

Sin embargo, con la demanda en las organizaciones para crear políticas y prácticas de datos que respalden el cumplimiento de sus esfuerzos futuros de almacenamiento y análisis de datos, está claro que las empresas deben comenzar a refinar los procesos y las políticas que establecerán las bases para una innovación de datos compatible en el futuro. Poder identificar y acceder de manera fácil y rápida a todos los datos, con una clara comprensión de su origen y administración, es ahora el estándar mínimo para la administración de datos personales. El tiempo se está agotando. Muchas organizaciones están agotando el tiempo para el cumplimiento de la RGPD. Sin embargo, las empresas deben tener una visión a largo plazo y construir un modelo de almacenamiento de datos que les permita consolidar, armonizar e identificar la fuente de sus datos de conformidad con el RGPD.

Este reglamento está aportando nuevas dimensiones con respecto a la demanda de los clientes: ahora se valorará la confianza y la transparencia. Seguirán a las empresas que podrán ofrecer interacciones personalizadas, al tiempo que permitirán a sus clientes tomar el control total de sus datos personales. En última instancia, las empresas que establezcan un sistema de confianza en el núcleo de su relación

 

Next Steps: Free GDPR Assessment Tool

On demand Webinar : Using a GDPR Data Hub to Protect Personal Data

Download the solution brief : Get Ahead Of General Data Protection Regulation (GDPR) With MapR And Talend

 


El Auge de los Integradores Ad Hoc o Ciudadanos

En los últimos años, ha habido un cambio en la industria de datos, lo que ha llevado a la aparición de una nueva categoría de ciudadanos de datos: los integradores ‘ad hoc’ o ‘ciudadanos’.

Con estas nuevas personas que se suman a la (ya larga) lista de trabajadores de datos que tienen acceso a la información corporativa, las empresas necesitan volver a pensar en la forma en que tienen que abordan sus estrategias de seguridad y gobernanza de los datos. A diferencia de los ingenieros de datos, esta nueva clase de “ciudadanos” o personas, no necesariamente utilizan la integración de datos como parte de su trabajo diario, pero si la usan de vez en cuando.

Entonces, ¿quiénes son exactamente estos integradores? Según Gartner, los integradores ad hoc pueden incluir desarrolladores de una línea de negocio, como desarrolladores de aplicaciones, que pueden necesitar integrar datos para una parte de su desarrollo, pero la integración de datos puede no ser necesariamente una tarea diaria constante. Los integradores ciudadanos incluyen científicos de datos, analistas de datos y otros expertos en datos dentro de la empresa que pueden necesitar integrar datos para su trabajo principal: análisis.

La innovación brinda la oportunidad de comprender

Con un número creciente de fuentes de datos, hay un aumento correspondiente en la cantidad de casos de uso que permiten que cada parte del negocio se base en datos. La adopción a gran escala de tecnologías de procesamiento de datos en tiempo real como Kafka ha aumentado la velocidad a la que los datos son absorbidos por las empresas, lo que hace factible el IoT y el análisis de datos de clickstream.

Al mismo tiempo, las tecnologías de Big Data de código abierto como Apache Spark han proporcionado un marco para procesar y analizar volúmenes crecientes de datos. Incluso los proveedores de servicios en la nube como Amazon Web Services y Microsoft Azure han contribuido a fomentar las prácticas basadas en datos de toda la empresa permitiendo a las empresas de todos los tamaños almacenar, procesar y explorar más datos sin la inversión monetaria y de recursos que antes requerían las tecnologías locales.

Todas estas innovaciones han creado un entorno que nutre y alienta a casi todos los segmentos del negocio, desde la cadena de suministro hasta el marketing, a utilizar sus datos para informar de las elecciones que van desde las tareas diarias hasta las principales iniciativas estratégicas. Además, derivar conocimientos precisos y actuar sobre esos conocimientos se ha convertido en una ventaja competitiva en todos los mercados. En otras palabras, tener análisis incorrectos o incluso información demorada puede colocarlo en una posición vulnerable: una posición en la que sus competidores pueden superar su participación de mercado al actuar según las necesidades de la industria y los clientes que aún no haya identificado.

Para seguir siendo competitivos, las empresas han contratado ejércitos de científicos de datos y analistas de datos que tienen la tarea de identificar tendencias y articular conocimientos accionables para cada segmento del negocio.

Está naciendo el nuevo integrador

A menudo, el departamento TI no puede administrar tanto el número creciente de fuentes de datos como el número exponencial de solicitudes de integradores ad hoc y ciudadanos para preparar conjuntos de datos para análisis. Desafortunadamente, generalmente se convierte en un cuello de botella donde los integradores ad hoc y ciudadanos pueden esperar días o incluso semanas para acceder a los datos que necesitan para el análisis, lo cual no es aceptable en un mundo donde el tiempo de visión más rápido separa a los líderes de una industria de sus rezagados.

Como resultado, los desarrolladores de línea de negocio, los científicos de datos y los analistas de datos se quedan para integrar y preparar sus datos si quieren trabajar con sus datos instantáneamente en lugar de esperar unos días o semanas para comenzar su análisis.

El futuro de la integración: habilitar nuevos integradores sin perder supervisión

Ahora que entendemos que los integradores ad hoc y ciudadanos están asumiendo un papel cada vez más importante en el mundo de la integración de datos, ¿qué será lo siguiente?

Dado que los integradores ad hoc y ciudadanos a menudo han sido descuidados o ignorados por los departamentos TI debido a la falta de recursos, muchos han recurrido a encontrar sus propias herramientas para la recopilación, limpieza y preparación de sus datos para el análisis. Y, a menudo, utilizan herramientas que están fuera del ámbito de TI y, por lo tanto, fuera de la supervisión y el gobierno de TI. Si bien esto brinda a los integradores ad hoc y ciudadanos la capacidad de preparar sus datos rápidamente, también abre el riesgo que entraña la información no supervisada y sin control.

En un momento en que la seguridad de los datos y el gobierno de los datos son a menudo tema de las noticias de la página principal, es primordial que cada compañía restrinja quién está accediendo a qué datos, qué hace cada persona con esos datos y cómo están almacenando los datos. Para alcanzar este nivel de gobernanza, las empresas deben centrar su atención en algunas cosas: personas, procesos y productos.

En primer lugar, las personas que trabajan con datos dentro de su organización deben entender que la administración de datos se ha convertido en un deporte de equipo, y al igual que en cualquier equipo, cada persona necesita comprender su rol. Tan importante como entender su propio rol, necesita comprender cómo puede interactuar y contribuir con su equipo para obtener los datos más precisos (y subsecuentemente, una visión analítica) posible. Debido a que la administración de datos a menudo abarca diferentes equipos, es importante que los diferentes equipos acuerden un proceso para algunas de estas interacciones. Por último, es importante encontrar un producto que lo ayude a habilitar a todos los miembros del equipo de datos y operacionalice los procesos establecidos entre los miembros del equipo de datos mientras se rigen por TI. Con la integración de datos cambiantes y los entornos de análisis, las personas que interactúan con los datos, los procesos que utilizan para interactuar entre sí, y los productos que pueden apoyarlos están cambiando. ¿Está su organización preparada para habilitar y capacitar a sus nuevos integradores?


¿Qué es gestión de datos basada en resultados?

Las empresas no ganan valor comercial simplemente reuniendo muchos datos. Ni siquiera obtienen necesariamente valor del análisis de los datos. Las verdaderas claves del éxito son elegir los datos correctos en los que enfocarse, saber qué hacer con ellos y determinar las mejores formas de aplicar análisis para resolver problemas comerciales o abordar oportunidades de mercado.

Para lograr todo esto y obtener el máximo provecho de sus recursos de información, las empresas necesitan crear una estrategia de gestión de datos coherente que esté diseñada para entregar datos de manera que realmente tengan un impacto en los resultados del negocio. Este es el por qué.

Encontrar la aguja en el pajar

En estos días, los datos llegan a las organizaciones desde tantas fuentes y canales, y en volúmenes tan enormes que es necesario contar con una estrategia para hacer el mejor uso posible de la información. Sin un plan, no hay una forma eficiente de averiguar qué tipo de datos va a utilizar y cómo beneficiará a su empresa. Un punto clave de eso es entender qué resultados empresariales pueden potencialmente entregar los datos.

Por ejemplo, supongamos que una empresa de software está buscando diseñar las mejores aplicaciones posibles: un objetivo sensato para cualquier compañía de software. Cuando esa empresa recopile datos de uso de clientes actuales y potenciales, querrá datos que puedan ayudarles a decidir qué funcionalidades incluir en la próxima versión y qué funciones retirar. Una vez que se lanza el producto, la compañía querrá que los datos revelen si está diseñando el producto con las características adecuadas o si necesita modificar algo. ¿Las personas usan las nuevas funcionalidades y … están ofreciendo el valor esperado?

Idealmente, al recopilar y analizar sus datos entrantes, la compañía de software recibirá respuestas definitivas a estas preguntas. Para esa empresa y cualquier tipo de negocio, se trata de identificar la oportunidad y luego asegurarse de capturar realmente los tipos de datos correctos.”Sin un plan de gestión de datos, no hay una forma eficiente de averiguar qué tipo de datos va a utilizar y cómo beneficiarán a su empresa”.

Armado con estos datos, la empresa ahora puede saber si están si sus productos son los correctos o si necesitan volver atrás y rediseñar alguno de ellos. También pueden descubrir que a la mayoría de los usuarios ni siquiera les importan las características particulares, lo que también puede ser una información útil.

Una gran cantidad de datos frente a los datos correctos

Me arriesgaría a adivinar que la mayoría de las organizaciones si hiciesen un autoanálisis se darían cuenta de que no recopilan los datos correctos, o no los recopilan en el formato correcto. Tal vez no estén profundizando lo suficiente como para obtener los conocimientos que necesitan de los datos con el fin de tomar mejores decisiones.

El problema no es que las empresas no tengan la capacidad de recopilar datos. De hecho, muchos se sienten abrumados por la cantidad de datos que tienen. Pero estos datos y los análisis aplicados, lamentablemente, no ayudan a las personas a tomar mejores decisiones; no se trata de información sobre la que las personas puedan actuar para aportar valor a la organización o sus clientes.

La buena noticia es que todo esto se puede solucionar a través de una sólida estrategia de gestión de datos basada en los resultados que tenga en cuenta qué tipo de datos y analíticas son necesarios para determinados usuarios; y cómo esos usuarios actuarán de manera diferente una vez que tengan los datos para que puedan ofrecer más valor.

Aunque se trata de datos, las organizaciones no deben cometer el error de suponer que los equipos de TI o de análisis deberían liderar el desarrollo y el mantenimiento de la estrategia de datos. Deben involucrar a los usuarios comerciales individuales, ya sea en marketing, desarrollo de productos, servicio al cliente o en alguna otra área del negocio.

Después de todo, estas son las personas que conocen mejor los datos y los que los habilitarán. Son ellos quienes están en el punto de decisión y necesitan poder usar los datos dentro de su área para tomar esas decisiones. Entonces, una de las cosas más importantes que las empresas deben hacer es identificar los puntos de decisión dentro de la organización y permitirles usar los datos que necesitan para conseguir el cambio deseado.

Muchos usuarios de negocios pueden no tener una mente analítica por naturaleza. Por esa razón, invertir en capacitación para que esas personas puedan usar los datos es una pieza clave de la estrategia de datos.

Al determinar qué tipo de datos necesitan ir a qué usuarios y en qué formato y al preparar a esos usuarios para que aprovechen al máximo la información, las organizaciones pueden realmente obtener el valor comercial que su información debe ofrecer.