Metodos ágiles para tu transformación de datos

En este artículo para (¿lo adivinas?) McKinsey, los consultores Chiara Brocchi, Brad Brown, Jorge Machado y Mariano Neiman cuentan cómo acelerar  la transformación de datos de tu empresa usando métodos AGILE.

Usar métodos ágiles para tu transformación de datos

Los problemas de gestión de datos pueden socavar la capacidad de las empresas para crear valor a partir de la analítica de datos. Algunos negocios están usando principios ágiles para asegurar que los datos estén disponibles cuando y donde se necesiten.

Los datos se han convertido en activos estratégicos fundamentales en la mayoría de las organizaciones, y la gestión de los datos se ha convertido en la principal prioridad para la mayoría de líderes de C-suite. La información estructurada y desestructurada que las empresas recopilan sobre la gente y los procesos tiene el poder de espolear la adquisición y retención de clientes de vanguardia. Puede revelar áreas donde los procesos podrían ser más eficientes, y puede ayudar a los líderes de los negocios a tomar mejores decisiones que reduzcan  el riesgo organizativo global. Los datos son la piedra angular sobre las que las empresas están lanzando sus transformaciones digitales – invirtiendo en capacidadaes analíticas, aprendizaje mecánico (machine learning), robótica y otras tecnologías para potenciar sus probabilidades de éxito (1).

Sin duda, la empresas están gastando cientos de millones de dólares para transformar sus infraestructuras y procesos TI relacionados con datos. Pero para la mayoría, los beneficios de hacer esto se han quedado limitados a áreas de actividad discretas. Las soluciones de migración de datos creadas para unidades de negocio específicas o para áreas funcionales – como los repositorios ad hoc construidos para los datos financieros o administrativos – han sido difíciles de replicar a lo largo y ancho de la empresa porque no hay una lógica de extremo a extremo o una gobernanza central asociada con ellos. La información crítica de negocio sigue atrapada en sistemas aislados.

Además, la mayoría de las empresas se enfrentan a un gran déficit de talento cuando se trata de gestión de datos. Es habitual que la pericia sea limitada en los grupos de TI y negocio acerca de las nuevas tecnologías, habilidades y arquitecturas de migración de datos, así como los enfoques de entrega de datos. Y los expertos relevantes en la materia, que podrían ayudar a definir las mejores prácticas en migración y transformación de datos tienden a estar tan metidos en silos como los flujos de datos que supervisan.

En demasiadas empresas, los beneficios de los datos siguen indefinidos. Cerca del 60% de los bancos, por ejemplo, dicen que nunca han cuantificado el valor potencial a obtener de inversiones en herramientas y capacidades de migración de datos (Encuesta Mckinsey de 2015 a los bancos de EEUU globales y sistemáticamente importantes sobre los objetivos y el estado de sus programas BCBS239). Sin una visión clara y métricas basadas en resultados para guiar las decisiones y estrategias de los ejecutivos, los proyectos de transformación de datos pueden renquear durante años.

Los negocios deben generar conocimiento basado en analítica de datos mucho más rápido que eso. Necesitan un programa coordinado de gestión de datos que implique explícitamente al negocio y que pueda desplegarse a través de diversas funciones y unidades de negocio.

Algunas empresas punteras están usando un enfoque ágil para ejecutar sus programas de datos. Agile es una metodología que ha pasado la prueba del tiempo y se utiliza en organizaciones de TI para construir software o gestionar procesos con más efectividad. En sentido amplio es un enfoque colaborativo en que equipos multidisciplinares diseñan y construyen productos y funcionalidades mínimamente viables (MVPs) con rapidez, las prueban con los clientes y los refinan y realzan en iteraciones rápidas (3). De forma similar, los datos ágiles se basan en un acercamiento común al desarrollo y la entrega: equipos interdisciplinares con miembros del negocio y de la TI trabajan en laboratorios de datos que se enfocan en generar introspecciones que permiten a la empresa orientarse a sus mayores prioridades de negocio y obtener resultados positivos con rapidez.

En este artículo exploramos los principios de los datos ágiles y los pasos que las empresas pueden dar para introducirlos en sus organizaciones. Las empresas que despliegan datos ágiles pueden realizar mejoras significativas en los procesos y productos a corto plazo y sentar las bases para avances e investigaciones futuras en infraestructuras de big data.

Comprender los datos ágiles

Un enfoque de datos ágiles se basa necesariamente en varios principios fundamentales y habilidades organizacionales. La primera es un acercamiento dirigido por el negocio a la transformación digital y, por tanto, a la migración y gestión de datos. A través de este enoque, las empresas crear una lista maestra de posibles casos de negocio de analítica avanzada, así como de oportunidades para nuevos o mejorados productos o procesos. Toman el inventario de los distintos tipos de datos asociados a esos casos de uso y oportunidades. Durante este proceso, identifican las características de los clientes y actividades más importantes a través de un conjunto de dominios de negocio. Una aseguradora que se enfrenta a ser desbancada por nuevos entrantes digitales, por ejemplo, puede considerar formas de realizar análisis más detallados de factores como los comportamientos de compra de los clientes o el tiempo que tarda en servir a los clientes. De este modo, podría mejorar sus procesos de subrogación, reducir costes y aumentar la calidad del servicio.

Los equipos puntúan las oportunidades identificadas y consideran, para cada una, los niveles de gobierno de los datos, la arquitectura y la calidad requerida – los canales de consumo preferidos por los clientes, por ejemplo, o las fuentes de datos “de oro” (o irrefutables) requeridas, o la latencia de los datos. El resultado serán dos hojas de ruta detalladas y alineadas -una destacando los objetivos de negocio, presupuestos y marcos temporales e hitos; la otra definiendo los requisitos de datos para construir una arquitectura de big data efectiva y proveer un soporte analítico sin fisuras.

Otro principio crítico de datos ágiles es la propiedad compartida. Las interacciones entre unidades de negocio y la organización TI en la mayoría de las empresas se limitan habitualmente a peticiones de negocio y soluciones TI lanzadas a un lado y otro de un muro que separa a ambos. Para desplegar un enfoque de datos agile con éxito, los representantes del lado del negocio deben sentarse físicamente con los miembros de la organización TI. Tenerlos en la misma sala puede ayudar a romper las barreras culturales -la gente de negocio pueden aprender más sobre tecnología, y los gerentes de TI exponerse a más elementos del negocio. Y lo que quizás sea más importante, la propiedad compartida de los protocolos de migración y gestión de datos pueden ayudar a la organización a definir requisitos de datos just-in-time, validar rápidamente el caso de negocio de las soluciones propuestas (en lugar de esperar a que las aprobaciones vayan cayendo en cascada por los canales tradicionales) y asegurar la calidad de la solución (a través de una supervisión constante). A medida que el enfoque ágil se adueña de la compañía, los equipos dispersos podrían ser capaces de usar las tecnologías de redes sociales y colaboración para lograr los mismos efectos que conseguirían estando en el mismo sitio.

También es crítico construir equipos multidisciplinares o scrum (Diagrama 1). Las empresas pueden beneficiarse de asignar equipos dedicados plenamente a sus esfuerzos de transformación de datos. Estos equipos scrum podrían incluir representantes de las unidades de negocio y de TI – por ejemplo, científicos de datos, ingenieros de datos, propuetarios de información de negocio, desarrolladores de TI y especialistas de control de calidad. Según nuestra experiencia, los equipos trabajan mejor cuando están aislados del resto de la organización en data labs y cuando el 100% de su tiempo está asignado a gestión de datos ágiles. Estos equipos scrum se enfocarían en desarrollar y entregar productos y procesos de migración de datos mínimamente viables que puedan liberarse, probarse y refinarse con rapidez – acelerando de este modo la capacidad de las empresas para obtener visiones lúcidas y valor de negocio a partir de los datos a su disposición. A medida que los programas de transformación de datos abarcan mas y más unidades de negocio, los múltiples laboratorios de datos podrían refundirse en una factoría de datos. Los sistemas de soporte adicionales, como la oficina de gestión de proyectos, podrían ser de gran ayuda supervisando la actividad de los equipos scrum y asegurando que los esfuerzo de migración de datos se realizan como estaba planeado (De acuerdo con hitos definidos previamente) y que cualquier problema relacionado con los datos se resuelve con rapidez.

Diagrama 1. Traducido a partir del diagrama del artículo original en mckinsey.com

Diagrama 1. Traducido a partir del diagrama del artículo original en mckinsey.com

Por último, las empresas necesitarán adoptar las tecnologías emergentes. Los data lakes son particularmente prometedores (Diagrama 2). Un data lake es un repositorio para toda la información de negocio estructurada y amorfa recopilada desde la miríada de sistemas ubicados en las distintas unidades de negocio y áreas funcionales de una empresa. Incluiría datos actuales y archivados y, a través del uso de APIs, podría enriquecerse con información de proveedores externos -datos sociales de Facebook o Twitter, por ejemplo-o con datos abiertos, como coordenadas GPS. A diferencia de un almacén de datos convencional, los data lakes no almacenan datos en archivos y carpetas; los datos permanecen en sus formatos originales. El coste de almacenar esos datos sigue por lo tanto siendo bajo, ya la capacidad de configurar o reconfigurar los datos al vuelo sigue siendo alta. Más allá de las capacidades eficientes de almacenamiento, el data lake sería compatible con herramientas estándar de hallazgo de datos, haciendo que sea fácil para los usuarios de TI y de negocio encontrar la información que necesitan. El data lake puede construirse por separado de los sistemas centrales de TI al principio (en un entorno de hallazgo) de forma que las actualizaciones puedan realizarse más fácilmente a medida que evolucionen las tecnologías de datos. En algún momento, sin embargo, el data lake debería integrarse con la arquitectura de datos existente en la empresa y servir como la fuente principal de información. Se alimentaría el lago con datos para cada caso de uso; pero con el tiempo la empreda tendría acceso a un conjunto de datos fiables que soportarían un espectro de aplicaciones.

Diagrama 2

Fuente: traducido del artículo de McKinsey.com

Fuente: traducido del artículo de McKinsey.com. 1: PMO: Project Management Office – Oficina de Gestión de Proyecto

Demostrar el impacto con datos ágiles

Un enfoque ágil de la migración y gestión de datos conduce a un conjunto de beneficios importantes -ordenar y despejar el panorama de información del negocio no es el menor de ellos (Diagrama 3). Los datos desde múltiples bases de datos, funciones y unidades de negocio pueden combinarse y consultarse más fácilmente. Las empresas pueden obtener valor inmediato del lanzamiento frecuente de soluciones de gestión de datos mínimamente viables. Por medio de la minería de datos posibilitada por el desarrollo de un data lake integral, las empresas pueden también identificar nuevas oportunidades de negocio. Y si las unidades de negocio se implican desde el comienzo en la migración de los datos, pueden capturar esas oportunidades de negocio más rápidamente o de otro modo ayudar a la organización de TI a dar prioridades a los datos – y a las iniciativas de transformación digital. Los proyectos piloto y los datos ya no están encerrados en silos invisibles para todos salvo los miembros del equipo inmediato.

Diagrama 3

Fuente: Traducido del artículo de McKinsey.com

Fuente: Traducido del artículo de McKinsey.com

Este planteamiento ya está teniendo un efecto positivo en las empresas de un espectro de industrias. Un gran banco europeo, por ejemplo, a sido capaz de lanzar un conjunto de iniciativas en plazo, dentro de presupuesto y de acuerdo con los requisitos legales y los hitos, en parte por su adopción de los datos ágiles. Apoyada en sus esfuerzos de integración de datos, el banco ha sido capaz de diseñar y lanzar nuevos servicios orientados al cliente con más rapidez (en semanas en lugar de en meses). El banco estableció un laboratorio de datos compuesto de más de 100 empleados, que implementan proyectos en oleadas de seis meses. Actualizó su infraestructura tecnológica con un data lake que contiene unos 100.000 elementos de datos que múltiples unidades de negocio pueden analizar y utilizar. Un equipo interdisciplinar de TI y negocio desarrolló una hoja de ruta clara para asegurar que los datos que sustentan la entrega de servicios orientados al clientes están siempre disponibles y son de la más alta calidad. Simultáneamente, el banco ha establecido un servicio interno de “ciencia de datos” para ayudar a las unidades de negocio individuales a diseñar programas de analítica y modelos de aprendizaje mecánico (machine learning). Más de 200 empleados de diversos departamentos se han involucrado en el programa de transformación de datos, y han expresado su alta satisfacción con la nueva “cultura de big data” de la empresa. Además, el banco ha sido capaz de construir una biblioteca de más de 300 usos para diversas categorías de datos por usuarios internos y externos -una actividad que al fin y al cabo ayudará a liberar ganancias significativas de eficiencia.

Mientras tanto, una gran empresa farmacéutica estadounidense está en medio de un programa de transformación de datos de dos años de duración. Su objetivo principal es usar la analítica avanzada para mejorar las operaciones en múltiples funciones y departamentos; también aspira a ganar a largo plazo una ventaja competitiva por su uso de la analítica. La empresa ha desplegado metodologías ágiles de datos a través de diferentes flujos de trabajo (prácticas comerciales, I+D y cadena de suministro, por ejemplo) con el fin de construir una visión coherente y consistente de los datos de los clientes. Estableció un conjunto de pequeños equipos interdisciplinares para crear y lanzar herramientas y servicios de integración de datos. En un período relativamente breve de tiempo, estos equipos scrum han sido capaces de agrupar en un único lugar información crítica sobre productos, sectores de precio, contratos y otros datos de clientes desde diferentes sistemas y ámbitos del negocio. Como nos contó un líder, los datos se han democratizado; ahora pueden consultarlos usuarios de distintas partes de la compañía, y los datos se actualizan en tiempo real y por lo tanto dan un mejor soporte a múltiples casos de uso. La compañía espera reducir significativamente su tiempo de puesta a disposición en el mercado con nuevos productos asegurando al mismo tiempo el cumplimiento de la normativa. Más aún, los datos pueden ahora someterse a minería para entendimiento en lo relacionado con futuras fusiones y adquisiciones y lanzamientos de futuros productos.

Empezar con los datos ágiles

Los beneficios de los datos ágiles están claros. Pero persuadir a los líderes de negocio y de TI para que salten a una mentalidad ágil puede ser un desafío, de la misma manera que cualquier cambio organizativo puede serlo. Los empleados de TI probablemente no esté habituados al uso de principios ágiles en la gestión de datos. Pueden oponerse a la idea de romper el statu quo – esto eso, no usar más metodologías en cascada (bajo el modelo en cascada, los pasos del desarrollo deben ocurrir secuencialmente en lugar de iterativamente; ninguna actividad puede continuar hasta que la anterior haya sido completada y aprobada) para construir almacenes de datos tradicionales, los cuales suelen requerir años para desarrollarlos antes de que las empresas puedan obtener valor de ellos. Por su parte, las unidades de negocio pueden estar recelosos de hacerse responsables de activos complejos técnicamente como los datos, los cuales han sido durante mucho tiempo parte del ámbito de la TI. Para cambiar esa dinámica, las empresas deberían contemplar hacer lo siguiente:

Usar proyectos piloto para construir aceptación Un proyecto piloto es la mejor manera de demostrar a TI que un cambio en los métodos de gestión de los datos es posible y para desmitificar los datos ante las unidades de negocio al mismo tiempo que resaltar el valor potencia de los datos ágiles para ambas partes. Los líderes de TI y de las unidades de negocio deberían identificar un único proyecto que sea transversal y de muy alto valor para el negocio -por ejemplo, un servicio basado en datos que ayudase a reducir las molestias a los clientes o mejorar las protecciones contra el fraude. Los éxitos y los fracasos, los hitos alcanzados y el impacto obtenido deberían ser comunicados clara y frecuentemente por toda la empresa a medida que progrese el piloto y cuando el servicio de libere finalmente. De este modo, se pueden codificar las mejores prácticas y se puede identificar y animar a los abanderados del proyecto más fuertes.

Dar poder a los equipos de datos ágiles. Los líderes senior deberían dar a los equipos interdisciplinares de datos ágiles vía libre para tomar decisiones importantes relacionadas con la migración y arquitectura de los datos. Los equipos scrum deben estar completamente dedicados en actividades realizadas en laboratorio de datos y comprometidos con un planteamiento de prueba y aprendizaje; no pueden ser agentes a medias, ni pueden esperar a la aprobación de colegas o jefes de fuera del laboratorio de datos. Las empresas deberían por lo tanto establecer canales directos de comunicación entre los equipos scrum y los líderes senior y definir planes de escalado: cuando surjan preguntas u obstáculos, los equipos scrum comparten sus preocupaciones con la oficina de gestión de proyecto y los líderes senior designados, quienes deben responder en horas o días, no semanas.

Actualizar la infraestructura tecnológica. El lanzamiento de un programa de transformación de datos proporciona una oportunidad a las compañías para considerar formas de mejorar los sistemas y tecnologías actuales. La creación de un data lake, por ejemplo, puede requerir nuevas plataformas, herramientas y conjuntos de habilidades que deben ser compatibles con la arquitectura TI global de la empresa. También puede espolear a los líderes de TI para que reconsideren sus estrategias de TI para la empresa, planteando preguntas como: ¿Cómo podemos integrar el data lake con los sistemas existentes? ¿Cómo pueden las herramientas y las plataformas empleadas para soportar los datos ágiles apalancarse en otras circunstancias? ¿Deberíamos introducir tecnologías de código abierto?

Enfatizar nuevas formas de comunicación. Los métodos de comunicación usados en los laboratorios de datos ágiles son distintos de los que se usan en el resto de la organización y deben gestionarse de ese modo. Los resultados deberían supervisarse estrictamente y pueden representarse gráficamente utilizando gráficos “burn up” (un gráfico que compara el trabajo realizado con los resultados esperados cada semana). Los equipos scrum no deberían compartir estos resultados sólo con sus supervisores inmediatos; deberían también compartirlos con las partes interesadas más relevantes de entre las unidades de negocio. Muchos también establecen foros semirregulares en los que los líderes de TI y de negocio pueden acudir a discutir las tendencias y temas importantes de la industria – en áreas de especialización técnica, por ejemplo, o en análisis de la competencia- y realizar “autopsias” de proyectos piloto. Estos canales de comunicación pueden ayudar a garantizar que todo el mundo (dentro y fuera del laboratorio de datos) comprende lo importantes que son los datos ágiles, cómo implantar formas ágiles de trabajar, y cómo resolver cualquier problema.

Desarrollar e introducir indicadores de desempeño. Las métricas que están directamente vinculadas a las formas ágiles de trabajar deberían reflejarse en mecanismos de evaluación de desempeño y en discusiones de revisión del rendimiento. Son críticas para mantener con el tiempo el compromiso con los datos ágiles. En la mayoría de los laboratorios de datos, los planes de trabajo (también llamados backlogs) se basan en planificaciones semanales o quincenales llamadas sprints. Estas planificaciones se supervisan estrictamente por una oficina de gestión de proyecto. Los miembros del equipo scrum tienen responsabilidades individuales claras; y algunos roles están vinculados a resultados específicos. La capacidad del equipo en su conjunto para completar unidades de trabajo, a menudo denominadas “historias de usuario”, se mide y se hace visible para el liderazgo senior. Los indicadores y métricas críticos – por ejemplo, el porcentaje de datos cartografiados o la cantidad de nueva información suministrada al data lake – se recopilan semanalmente, así que si hay problemas, se pueden hacer ajustes inmediatamente. Los líderes de negocio y de TI reciben informes con regularidad y obtienen la visibilidad que necesitan para cambiar el rumbo.

Con un mejor acceso a mejores conjuntos de datos, las empresas pueden desplegar mejores estrategias de segmentación. Pueden aprender más de los datos transaccionales. Pueden automatizar procesos, conduciendo a mayores eficiencias operativas. Pueden competir con más efectividad contra los rivales y pueden encontrar nuevas fuentes de crecimiento. Sin embargo, la mayoría de las instituciones todavía están sufriendo para obtener valor de los datos. En nuestras conversaciones con líderes de TI y de negocio, muy pocos dicen que sus capacidades de gestión de información están “a la medida de las necesidades”. Un planteamiento ágil a la gestión de datos puede ayudar a resolvert este problema. Puede formalizar la colaboración y las conversaciones entre los directivos de las unidades de negocio y los líderes de TI, revelar nuevos usos de los datos existentes, impulsar el desarrollo de iniciativas de negocio dirigidas por los datos, y acelerar la entrega de información de negocio crítica. Lo ágil ya no es sólo una metodología para el desarrollo de software o la gestión de operaciones. Se está convirtiendo en una capacidad crítica para las empresas que quieren gestionar sus datos más estratégicamente y ofrecer experiencias de usuario en múltiples canales sin discontinuidades – las cuales, en esta edad de la digitalización, son todas las empresas.

 

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s