Por: Ruben Obando, gerente de Servicios de Datalytics Colombia

Quienes disfrutamos de trabajar con datos, tuvimos la suerte de ver la evolución acelerada de la industria y el aumento (fascinante) de las capacidades tecnológicas que nos habilitan a tomar decisiones soportadas en datos.

Recuerdo cuando usábamos disquetes de 3,5″ para instalar cualquier aplicativo y hasta para poder disfrutar de un lento y pixelado —pero entretenido— juego. Qué decir de las primeras páginas web que navegamos, en las que era casi una lotería lograr que en nuestras casas no llamaran al teléfono porque la línea conmutada compartía el acceso a internet. Ni hablar que la mayor privacidad y resguardo que podíamos hacer a nuestros PC de escritorio era guardar en un disquete extraíble nuestra más valiosa información.

Recordar momentos como estos, implica gestionar gran parte de la información que tenemos en nuestras mentes y es justamente eso lo que quiero abordar en este escrito. Muchas veces creemos que cuando hablamos de gobierno y gestión de datos nos referimos solamente a las áreas técnicas o, a lo sumo, a un diccionario de conceptos de negocio, a la gestión de metadatos o a la infaltable calidad de datos, pero hoy realmente queremos ir más allá.

El valor estratégico que en los últimos años compañías de todas las industrias han dado a los datos es innegable. Es muy común —casi un commodity— ver, escuchar y sentir que cada vez son más las empresas que tienen la meta de ser Data-Driven, que los datos son el activo más valioso y que las decisiones se deben basar más en los datos que en la intuición, “estomago + experiencia”. Si bien ya hay consciencia de estas cuestiones en los niveles más altos de muchas empresas, el verdadero reto hoy es a nivel cultural.

Está bien tener esa claridad a nivel directivo, sin embargo, el paso siguiente debería ser que las áreas tácticas y operativas interioricen y materialicen la importancia que tiene la verdadera creación de productos de datos para cerrar el ciclo de vida de la forma esperada.

Con esto me refiero no solamente a hacer la mejor ingesta, procesamiento y visualización de datos sino a que esto termine convirtiéndose en un producto que genere un diferencial competitivo y sostenible a la organización y/o área, más allá de quedar en un simple proyecto como otros. Es en este punto donde podemos acercarnos realmente a la generación de valor con los datos, en otras palabras, podemos empezar a encontrar el ROI (Return on Invest) en las inversiones realizadas en la formación de equipos, en el desarrollo de soluciones y en la adquisición de tecnologías.

Hoy más que nunca, nuestras compañías necesitan (y deberían) definir en su plan estratégico mecanismos para gobernar y gestionar de manera adecuada todos los datos que interactúan con sus procesos.

Pilares de una estrategia de Gobierno de Datos

A continuación, los que, a mi manera de ver, deberían ser los pilares de una estrategia de Gobierno de Datos:

#1 La estrategia de datos

La estrategia de datos tiene que estar alineada a la estrategia organizacional. Pensemos en cada vez que nos vamos de viaje:

1° Lo primero es saber a dónde vamos y para qué queremos llegar a este punto.

2° Lo segundo es saber con qué recursos contamos para hacerlo.

3° Por último, tenemos que pensar cómo vamos a gestionar estos recursos para llegar de forma eficiente, adecuada y cumpliendo las normas necesarias.

Pensamos en esta tríada que se articula de tal forma que podamos escalar y generar valor agregado y asegurando la sostenibilidad y el crecimiento.

#2 Estructura

Todo, absolutamente todo, en el apasionante mundo de los datos ha crecido exponencialmente: los equipos y los perfiles, las plataformas, los lenguajes, las necesidades y las oportunidades.

Pero ¿hemos definido o asignado un equipo que gestione este “crecimiento”? ¿Nos hemos enfrentado a preguntar quién es el responsable de esta o de aquella característica? Para responder estas preguntas, el primer paso es definir una estructura que defina el norte de esta gestión.

Llamémoslo oficina, comité, foro, grupo etc. Pero siempre pensemos en que el gobierno y la gestión de los datos hoy se compone de un grupo de personas con la potestad de definir, de validar y de promover una cultura de cuidado y consciencia de los datos.

Recién ahí podemos empezar a hablar de perfiles, de roles, de cargos etc. Olvidemos si los llamamos igual que en uno u otro libro, —llamémoslos como nos haga sentido dentro de la compañía, como nos sea funcional— eso sí, tengamos claridad de cuál será su función en esta selección (si es arquero, defensa, mediocampista, delantero, utilero, médico etc.)

#3 Comernos el pastel a pedazos

Como en los proyectos de datos en los que pensamos en grande, pero ejecutamos en corto para alcanzar resultados tangibles y generadores de valor en plazos cortos, en los proyectos de gobierno y gestión de datos sucede lo mismo.

Nuestras organizaciones no se pueden dar el lujo de esperar esas implementaciones teóricas y largas en las que al final (si estamos de suerte 🤞) la documentación se lee una vez y, si seguimos con suerte, se mantendrá actualizada durante unos meses.

El Gobierno de Datos hoy espera resultados tangibles más allá de uno o mil documentos. Espera que agreguemos valor en corto plazo (pipelines, tableros, modelos predictivos, bots, etc.) y esto lo podemos lograr priorizando y ejecutando arquetipos dominio a dominio, definiendo, desarrollando e implementando arquetipos uno a uno.

#4 Documentación extensa y excesiva vs resultados tangibles 

La era de aquellos entregables donde teníamos documentos como gran resultado de iniciativas de gobierno de datos quedaron atrás, hoy en día las organizaciones necesitan artefactos funcionales que generen valor al ritmo en el que los mercados, las compañías y tanto áreas de datos como áreas funcionales lo requieren, es por esto que más que un desafío lo veo como una necesidad latente ya que hemos evolucionado la forma de entregar valor.  A modo de ejemplo, en un cliente tomamos dos dominios y en tan solo cuatro meses logramos tener tableros de control con: resultado de autodiagnóstico, mapa de dominios, glosario de términos, catálogo de datos e identificación de reglas de calidad de datos.

Como resultado del obstinado pensamiento de estar siempre en la vanguardia de las oportunidades de agregar valor con los datos, nuestra #BigPeople logró exponer sobre la aplicación de mensajería del cliente la primera implementación de servicios GPT de Open AI a Gobierno de Datos respondiendo en lenguaje natural a los usuarios todas las preguntas asociadas a los anteriores arquetipos. 🔥

#5 Hablar el mismo idioma

Todas las personas que conforman una organización sí o sí deberían hablar el mismo idioma y dominar la misma terminología funcional. Es muy común preguntar a nuestros clientes si todas las áreas entienden lo mismo por términos como: “usuario”, “producto activo”, “servicio directo”, “servicio derivado”, “rentabilidad”, “ganancia”, “pérdida”, “inconsistencia”, etc.

Cuando pregunto eso, normalmente la respuesta es afirmativa. Entonces, les repregunto: “¿Esto quiere decir que puedo abrir la puerta y a la primera persona que vea le consulto por cualquiera de estos términos y me va a responder lo mismo que cualquiera de ustedes?”. Aquí normalmente responden con una sonrisa que puede ser evasiva, incomoda y por supuesto en algunos casos afirmativa. Enseguida concluimos que lo primero que debemos hacer es homologar el lenguaje y los términos para que sean visibles y estén interiorizados en todos los niveles.

#6 Calidad de Datos

Lo que recomiendo en este punto es profundizar y pasar de lo atractivo del término a la aplicación real. Una muy buena frase que sigue vigente es: “No hay gobierno sin calidad de datos, asimismo no hay calidad de datos sin gobierno”.

Recuerdo un proyecto del año 2016 en una de las empresas más grandes de Colombia en el cual empezamos evaluando inconvenientes de duplicidad de información de usuarios. Sin embargo, después de un ejercicio metodológico que realizamos, encontramos el verdadero dolor: la desconfianza y la insatisfacción de los usuarios debido a la calidad de datos de contactabilidad.

Al pasar a la implementación, logramos definir en conjunto con los Product Owners tres reglas de negocio puntuales y concisas que terminaron por evidenciar que el 64% de quienes consideraban usuarios realmente eran usuarios duplicados o personas que no se podían contactar (dirección física, teléfono, emails incorrectos).