5 pasos para crear una estrategia de datos empresariales, directamente de un experto

Los datos pueden ser una palabra aterradora.

No debería serlo, pero lo es. Sobre todo porque a la gente le cuesta saber cómo manejarlo.

Muchas empresas han llegado al punto en el que tienen tantos datos que no saben a dónde ir. Otros creen que son tan pequeños que no es necesario invertir en una estrategia de datos empresariales.

La verdad es que, independientemente del tamaño de su empresa y del estado actual de sus datos, se beneficiará de implementar una estrategia de datos.

Para ayudarlo a comenzar, contamos con la experiencia de Zosia Kossowski, la gerente de productos del grupo para el equipo de inteligencia empresarial de HubSpot (es decir, nuestro experto interno en estrategia de datos).

Cuando termine de leer este artículo, tendrá una mejor idea del nivel de madurez de datos actual de su empresa, qué factores debe considerar antes de construir su estrategia y algunos pasos para ayudarlo en el camino.

A pesar de la creencia popular, una estrategia de datos empresariales no es solo para grandes empresas con grandes volúmenes de datos. De hecho, las pequeñas empresas pueden beneficiarse de invertir en una estrategia de datos desde el principio y establecer las bases que les ayudarán a escalar.

Beneficios de una estrategia de datos empresariales

El error común al que se enfrentan muchas organizaciones es que, si bien recopilan una gran cantidad de datos, cada equipo los interpreta a su manera. No existe un método de informe estándar y cada equipo puede estar informando un valor diferente para la misma métrica.

Esto significa que todos terminan con datos diferentes sin una comprensión clara de lo que es exacto. Cuando no existe una fuente única de la verdad, se vuelve increíblemente difícil confiar en sus datos y obtener información valiosa.

«Los datos no existen simplemente en un silo», dijo Kossowski. «El equipo de marketing no solo va a utilizar datos específicos de marketing sobre los que ningún otro equipo tiene influencia alguna. También querrán obtener información de diferentes áreas».

Ella continúa: «Por lo tanto, un elemento de gobernanza y estandarización y un lenguaje común es realmente importante para garantizar que esos equipos puedan comunicarse entre sí».

Por lo tanto, al implementar un EDS, evita los silos de información, permite la confianza en los datos y permite la toma de decisiones.

Qué considerar al crear una estrategia de datos empresariales

1. Su nivel de madurez de datos actual

Lo primero que recomienda hacer Kossowski antes de desarrollar su estrategia es una autoevaluación.

Pregúntese: ¿Dónde se ubica su empresa en la etapa de madurez de los datos?

Dell tiene un «Modelo de madurez de datos» ampliamente utilizado que ayuda a las empresas a determinar qué tan impulsada por los datos está realmente su empresa. Hay cuatro etapas:

• Reconocimiento de datos – Su empresa no ha estandarizado su sistema de informes y no hay integración entre sus sistemas, fuentes de datos y bases de datos. Además, hay una falta de confianza en los datos en sí.
• Competente en datos – Todavía hay falta de confianza en los datos, específicamente en su calidad. Es posible que haya invertido en un almacén de datos, pero todavía faltan algunas piezas.
• Experto en datos – Su empresa está facultada para tomar decisiones comerciales a partir de sus datos. Sin embargo, todavía hay algunos problemas que resolver entre los líderes empresariales y TI, ya que TI trabaja para proporcionar datos confiables bajo demanda.
• Impulsado por datos – La TI y las empresas trabajan en estrecha colaboración y están en la misma página. Ahora, el enfoque está en escalar la estrategia de datos porque el trabajo de base (particularmente la integración de fuentes de datos) ya se ha implementado con éxito.

Lo más importante aquí es ser realista sobre dónde se ubica su empresa.

«Creo que el mayor escollo que veo es no ser realmente honesto consigo mismo acerca de dónde se encuentra su empresa en la etapa de madurez de datos», dijo Kossowski.

Ella agrega que no es suficiente mirar los sentimientos que tiene sobre cómo los datos lo impulsaron pensar tu empresa es. Mira los hechos.

Comience por identificar los problemas de datos que su empresa enfrenta actualmente, ya que es un gran indicador de su posición.

2. Su industria y tamaño de la empresa

La industria en la que se encuentra y el tamaño de su empresa determinarán si adopta un enfoque centralizado o distribuido para su estrategia de datos.

Pero antes de analizar esos enfoques, hablemos de dos marcos de estrategia de datos: ofensiva y defensiva.

Durante mi conversación con Kossowski, mencionó cómo este marco (explicado en detalle aquí) ha ayudado a HubSpot a desarrollar su propia estrategia.

La defensa de datos prioriza aspectos como la seguridad, el acceso, la gobernanza y la precisión de los datos, mientras que la ofensiva de datos se centra en obtener conocimientos que permitan la toma de decisiones.

Toda empresa necesita un equilibrio entre ataque y defensa. Sin embargo, algunos se apoyan más en un extremo del espectro según su industria.

Una organización de atención médica o una institución financiera, por ejemplo, probablemente se ocupa de datos muy sensibles, donde la privacidad y seguridad de los datos es primordial.

Es probable que obtener datos en tiempo real e información rápida no sea una prioridad principal, mientras que proporcionar medidas de seguridad para quién puede acceder a los datos probablemente sí lo sea. Como tal, se inclinarán más hacia un marco de defensa.

Por otro lado, están las empresas de tecnología, una industria que tiende a moverse rápidamente y depende más de un rápido cambio de información de datos.

Entonces, se apoyan más en la ofensiva. Dicho esto, ciertamente hay departamentos dentro de las empresas de tecnología (y otras industrias de rápido movimiento) que se centrarán más en la defensa, como las finanzas.

Ahora volvamos a las estrategias centralizadas y distribuidas.

El marco que utilice le informará qué estrategia sirve mejor a su empresa.

En una estructura centralizada, tiene un equipo centralizado de informes o inteligencia empresarial (BI) que gestiona y prepara los datos y los informes.

«Que [structure] puede funcionar mucho mejor en una organización más pequeña, y especialmente en una organización que prioriza la defensa porque te moverás más lento «, dijo Kossowski.» Vas a ser el cuello de botella, pero también tienes un control estricto sobre cada pieza de eso.»

Un modelo distribuido, por otro lado, funciona mejor para equipos más grandes que adoptan un enfoque ofensivo. De esta manera, cada equipo puede moverse rápidamente y está capacitado para trabajar de una manera que funcione para ellos.

En este modelo, BI simplemente es responsable de las plataformas y de establecer las barreras mientras los equipos hacen el trabajo de desarrollo, explica Kossowski.

«Si piensa en una organización, a medida que la empresa crece, con un equipo más centralizado, se vuelve cada vez más difícil de escalar», dijo. «Uno acaba teniendo que contratar a más y más personas para poder lograrlo».

«Así que creo que con un cierto tamaño de empresa, terminarás moviéndote cada vez más hacia [a] descentralizado [strategy] de todos modos.»

Entonces, una vez que comprenda qué marco funciona mejor para su industria y tamaño, puede implementar la estrategia adecuada.

3. Su equipo de gestión de datos

La ciencia de datos es el tema candente en este momento en la gestión de datos, según Kossowski. Y ella no se equivoca.

En 2012, Harvard Business Review lo nombró el trabajo más sexy del siglo XXI. Casi 10 años después, Glassdoor lo nombró como el segundo mejor trabajo en Estados Unidos.

Pero si está debatiendo qué función agregar a su equipo de administración de datos, un científico de datos no debería ser su primera opción.

Kossowski destaca que su ciencia de datos solo será tan buena como los datos que la impulsan. Y si esos datos no son confiables, no obtendrá información valiosa.

«La ciencia de datos no es una varita mágica que convierte mágicamente los datos malos en conocimientos. Independientemente, todavía necesitará esa base de datos», agrega. «Entonces, lanzarme a hacer algo porque es la próxima gran cosa, creo que es una gran preocupación».

Si se encuentra en las primeras etapas del modelo de madurez de datos, Kossowski tiene una sugerencia sobre dónde enfocar sus esfuerzos.

«Un arquitecto de almacenamiento de datos o incluso un analista de datos con experiencia en escribir SQL y crear tablas SQL», dice. «Si solo va a contratar a una persona y no tiene tantos datos, esa puede ser una contratación realmente poderosa porque hay muchas cosas que una persona puede hacer cuando está en una escala más pequeña. Pueden usar muchos sombreros diferentes y aprender cosas diferentes «.

Cuando se trata de las tareas más técnicas, como la ingesta de datos en el almacén, existen herramientas de terceros que puede utilizar para hacerlo por usted.

En esta etapa, lo que realmente necesita es alguien que lo ayude a estructurar sus datos.

1. Describa su arquitectura de datos.

Lo primero que debe hacer es comprender sus datos a nivel granular.

Hágase estas preguntas:

• ¿Dónde vivirán los datos?
• ¿Qué tipo de datos recopilará y de qué fuentes?
• ¿Cómo se organizarán los datos?

El objetivo aquí es comprender la estructura de sus datos.

Si no comprende la estructura, no puede crear un plan integral sobre cómo administrar sus datos.

2. Defina la relación entre BI y sus equipos.

Cuando se trata de estrategia de datos, uno de los pasos más importantes es definir los equipos involucrados en el proceso y establecer expectativas para BI.

En una organización grande que no ha pensado antes en la estrategia de datos, a menudo encontrará que cada equipo sigue un modelo diferente y tiene una relación diferente con BI, lo que dificulta que BI opere de manera simplificada y estándar.

También difumina las líneas entre los roles del analista de datos y BI.

El analista de datos debe conocer la lógica empresarial específica de su equipo y la estructura de los datos que se recopilan. BI, por otro lado, no debería necesitar tener conocimientos específicos sobre el área operativa que apoya, sino que debería centrarse en la fuente de datos y gestionar la plataforma para dar soporte al analista.

Cuando BI ajusta regularmente su proceso para que coincida con la lógica empresarial específica del equipo, todo se ralentiza y crea una necesidad constante de reaprendizaje.

¿La sugerencia de Kossowki? Elimine la lógica empresarial de la capa de BI y trabaje en cosas que sean relevantes para tantos equipos como sea posible.

Además, cree un perfil de analista estándar y un modelo para la relación entre BI y los equipos.

«Todavía habrá algunos lugares en los que estemos trabajando en conjuntos de datos y no en toda la plataforma», dijo Kossowski, «pero en la medida de lo posible, se están limpiando los datos base, lo que facilita la unión, pero no realmente haciendo esas uniones y la lógica para ellas «.

3. Asignar propiedad.

Después de establecer la relación entre sus equipos y BI, el siguiente paso es definir quién será el propietario de qué.

Es típico tener un propietario diferente para cada parte de los datos. Por ejemplo, una persona o equipo puede ser propietario de los datos operativos mientras que otro posee los datos de los informes.

También es posible que deba asignar propietarios en diferentes etapas del proceso. El equipo de BI puede poseer los datos en una etapa particular y luego pasarlos a los analistas.

Kossowski cree que la propiedad comienza con los equipos que producen los datos.

«Necesitan sentir cierto nivel de propiedad sobre los datos y tener cierto nivel de responsabilidad si algo va mal», dijo. «Porque si está mal en la fuente, es muy poco lo que BI puede hacer».

Ella continúa, «Y si intentas poner parches en ese nivel, simplemente te encontrarás con más problemas en el futuro, por lo que esa relación también es importante».

4. Establezca la gobernanza de los datos.

La gobernanza de datos es un conjunto de políticas y regulaciones que informan cómo se recopilarán y almacenarán los datos para garantizar la precisión y la calidad.

En términos simples, la gobernanza de datos está diciendo «Oye, ¿quieres usar y ser parte de esta fuente de datos de verdad que hemos creado? Entonces tienes que cumplir con este criterio.«

Esto puede incluir cumplir con los estándares de codificación, tener un cierto número de revisores y seguir un proceso de documentación específico.

«Cuando pensamos en la gobernanza y la adopción, realmente se trata de los mecanismos que se pueden implementar para lograr la adherencia», dijo Kossowski.

Hay dos piezas que hay que tener en cuenta a la hora de gobernar: la cultural y la tecnológica.

Desde una perspectiva cultural, ¿cómo logras que tus equipos adopten estos estándares? Y desde una perspectiva técnica, ¿qué procesos se pueden automatizar para que todo no requiera modificación de comportamiento?

Al pensar en estas dos piezas, debe considerar tanto el lado del analista como el lado del ingeniero (o equipo fuente).

Kossowski explica que para los equipos de ingeniería, puede ser difícil pensar en cómo se ven los datos cuando llegan al almacén porque no son una parte fundamental de su producto o responsabilidad.

Es posible que no vean los beneficios tangibles de los datos a menos que se trate de una organización basada en datos que trabaja estrechamente con sus analistas. En este caso, los analistas pueden transmitir que los datos están impulsando la decisión de X, por lo que hasta que los datos signifiquen requisitos de Y, no se pueden tomar decisiones.

Para los analistas, es más fácil ver los beneficios porque están más cerca de la empresa y pueden ver el impacto directo. Pueden darse cuenta de que seguir los estándares de gobernanza de datos significa menos dependencia de BI, lo que hace que las cosas se muevan más rápidamente.

«Los conocimientos de los datos deben impulsar las decisiones que se toman sobre el producto porque esa es la única manera de obtener los equipos de ingeniería y de producto

comprado en el valor de los datos y pensando en sus datos a medida que se exportan «, dijo Kossowski.

5. Reevalúe con regularidad.

Dondequiera que se encuentre en el modelo de madurez de datos, su estrategia de datos siempre necesitará algunos ajustes.

«[At HubSpot], tenemos un plan de tres años y todas estas ideas de lo que sucede en cada uno de esos años «, dijo Kossowski. Pero espero que dentro de un año, cuando lo veamos, haya cosas que querremos modificar en función de cómo han cambiado las cosas «.

Por ejemplo, supongamos que introduce una nueva función en su producto o servicio y ahora está recopilando datos más confidenciales de los clientes. Esto puede requerir un enfoque más defensivo. Si su empresa crece exponencialmente, es posible que deba cambiar hacia una estrategia distribuida en lugar de una centralizada.

Incluso si no hay cambios en la forma en que opera su empresa, es posible que deba volver a evaluar. Aquí hay dos indicadores principales: es hora de revisar su estrategia de datos:

• Hay frustración por el tiempo que tardan las cosas.
• Hay una falta de confianza en los datos.

Kossowski dice que encontrar el equilibrio entre esos dos es clave.

«No quiere que BI lo haga todo porque entonces va a llevar mucho tiempo», dijo, «pero tampoco quiere tener tanta libertad en la población de analistas en la que realmente no pueda confiar en ninguna datos.»

Una buena regla general es revisar su estrategia cada seis meses o un año. Hable con los líderes empresariales, el departamento de TI y sus equipos para comprender cómo se sienten todos acerca de su progreso y determinar qué cambios deben realizarse.

El proceso para crear un EDS variará de una empresa a otra, ya que el nivel de madurez de sus datos, la industria y el tamaño de la empresa juegan un papel en los pasos que tome.

Al hacer un balance de la situación actual de su empresa, puede desarrollar una estrategia que satisfaga las necesidades específicas de su negocio.