Los Datos son un activo de las organizaciones, una buena gestión y uso de los Datos es básica para avanzar en la digitalización de las compañías.
Estas y otras afirmaciones similares se escuchan frecuentemente en cualquier compañía, en los estudios de las consultoras líderes, en webinars y artículos especializados, Data forecasts, Data landscapes, …
Sin embargo, la realidad de la mayoría de las organizaciones es que están bastante lejos de aprovechar los datos de que disponen. No ya en su máximo potencial sino incluso para actividades aparentemente sencillas. La situación de muchas organizaciones con respecto a los datos es algo más “triste”.
En este artículo comparto algunas reflexiones sobre los motivos que llevan a esa situación.
Situación general del entorno de Datos en una organización
Toda la literatura sobre IA y Analítica Avanzada asume, con muy pocas excepciones, que los datos están disponibles, organizados, tienen Calidad y representan de forma unívoca un concepto de negocio.
La realidad es que los datos en las organizaciones no suelen estar en esa situación. El hecho de que en cualquier proyecto de Datos un porcentaje elevado del tiempo (hasta el 80% según algunos informes) se dedique a preparación de datos ya debería darnos una pista.
Históricamente, los datos se han generado como un producto colateral del soporte a un proceso automatizado. No han sido un fin en sí mismos. El criterio de aceptación funcional de un sistema (UATs) acostumbra a ser el cumplimiento de unos requisitos expresados en términos de proceso. Obviamente, eso incluye la calidad de los datos resultantes … pero solo de un subconjunto de los mismos.
Sin ánimo de exhaustividad, aquí van un par de ejemplos de lo anterior:
- Un sistema contable prestará atención a las métricas y dimensiones que tienen impacto contable, pero obviará el resto, incluso para las contables solo las tendrá en cuenta en la medida en que sean relevantes (el indicador de residente no indica el país de residencia para los no residentes).
- Los procesos suelen tener reglas para aplicar tratamientos por defecto en ausencia de ciertos datos. Eso no implica que dispongamos del dato sino simplemente que el proceso ha “asumido” un valor para no quedar bloqueado.
Desde hace años, las compañías han ido creando repositorios de datos: DWH, DataLakes, … Los datos se han ido almacenado en sistemas específicos en función de las necesidades y de la tecnología disponible en cada momento. En muchos casos se observa la presencia de varios repositorios en una misma compañía: Comercial, Riesgos, gestión de Proveedores, …
Cada nueva necesidad o caso de uso de Analítica genera un nuevo elemento de Datos (ETL, tratamiento, entorno completo), aumentando la complejidad del entorno y la Deuda de Datos (versión Data para la Deuda Técnica).
Falta de Profesionales de Gobierno de Datos
Los profesionales que está generando el mercado se focalizan en el uso de los datos. Basta con revisar la oferta de formación, tanto en estudios superiores, medios o en formaciones no regladas. Todo gira en torno al uso: Data Analytics, Data Scientists, …
Los programas que forman a los líderes del futuro de las organizaciones (asumamos que son los MBA de las diferentes escuelas de negocio) incluyen desde hace tiempo la Digitalización en sus programas. Mirando en detalle descubrimos que el foco está en el uso de los Datos y en cómo eso genera valor (conocimiento completamente necesario) pero mucho menos en cómo una buena Gobernanza de los Datos habilita esos usos.
Personalmente, desde hace algunos años participo en un programa de PostGrado en BigData en la escuela de Negocios de la UIC. Mi tema es Data Governance y Data Quality: 6 horas sobre 250. Es decir, como una introducción general para dar a conocer que alguien debe organizar los datos para que sean útiles.
Solo aplicar Tecnología no es la solución
La aplicación de Tecnología por sí sola no arregla el problema. La tecnología sirve para eficientar procesos que de otra forma serían muy costosos. Pero no sustituye la necesidad de planificar y organizar la forma en cómo se deben obtener, almacenar y usar los datos en una organización.
Los productos de Data Governance y de tratamiento de datos soportan múltiples formas de tratar y usar los datos. Adicionalmente, muchos de ellos están aún “verdes” en cuanto a funcionalidades, a pesar de las declaraciones de sus fabricantes. En muchos casos, la funcionalidad prometida solo está parcialmente en el producto, el resto está en el roadmap futuro del mismo.
Sin embargo, en muchas compañías la reacción habitual tras constatar que la situación de sus Datos es mejorable es aplicar Tecnología, comprar licencias. Todos los fabricantes de sw, conscientes de que ahí hay mercado, incorporan productos de Data Governance en su offering.
Es una obviedad decir que el principal interés de los fabricantes de soluciones es vender licencias, no resolver los problemas de cada organización.
Alguien dentro de la organización debe analizar la situación de la organización, sus objetivos estratégicos, cómo ayudan los datos en esos objetivos, … Y debe decidir cómo se van a gestionar los Datos teniendo en cuenta lo anterior. Una vez hecha esta reflexión es cuando llega el turno de la tecnología.
Spotify, Revolut, Linkedin, …
Todos los que hemos estado en compañías “tradicionales” hemos oído alguna vez afirmaciones del estilo de “Tenemos que ser como Spotify”, “El modelo son las xxxTech” (con xxx igual a Fin, Insur, Health, …). Suelen complementarse con escenarios apocalípticos del estilo: “… en caso contrario en 5 años estamos fuera del mercado”.
Entiendo esas afirmaciones como indicación de que hay muchas cosas que aprender de la forma en cómo operan y encuentran valor las nuevas compañías basadas en tecnología. Y no niego en absoluto que contienen una parte importante de verdad: no se puede seguir operando igual cuando tus clientes cambian, cuando hay competidores (aunque sean parciales) que ofrecen una experiencia diferente y que es valorada como mejor, cuando tus canales de distribución se vuelven caros y obsoletos, …
Sin embargo, no es en absoluto sencillo convertir una compañía con unos cuantos años de desempeño en el mundo “analógico”, con empleados y una cultura empresarial determinada, con clientes acostumbrados a un modelo de relación, con puntos físicos de venta, con intermediarios, asociados y colaboradores de todo tipo, con productos “legacy” que mantener.
Una startup que nace de cero no tiene el tipo de condicionantes que una compañía establecida hace años. Tampoco tiene el mismo tipo de obligaciones. De hecho, a menudo nacen como complemento en una determinada cadena de valor, no con el objetivo de cubrir todas las necesidades (ejemplo en banca: pagos internacionales, financiación al consumo, …).
La realidad es que las referencias a empresas digitales 100% como modelo obvian la situación real de cada organización. Cambiar la forma de operar de una organización no es un proyecto en absoluto sencillo, requiere de una reflexión profunda a nivel estratégico y una ejecución tremendamente complicada.
Los Datos son un medio para un fin
Adicionalmente, el hecho de que un buen uso de los datos pueda ayudar a mejorar el negocio (y lo puede hacer) no implica necesariamente que la compañía deba reconvertirse a ser una empresa basada en datos. En cualquier caso, no es una decisión de Datos, sino una decisión estratégica.
En función de la decisión estratégica que los responsables de la compañía tomen se debe iniciar un plan de acción. Como con cualquier otra decisión estratégica. Y, en este caso, es un cambio de modelo de negocio, un cambio de paradigma que afecta a la misma esencia de cómo opera la compañía. No es un tema en absoluto menor.
Conclusión
Nadie se imagina una compañía sin Director Financiero, sin una gestión de Tesorería, sin un Director de Logística, … Cada uno de estos ejecutivos establece Políticas que afectan a la forma de operar de la compañía.
Es decir, cada elemento relevante que forma parte de la cadena de valor, cada riesgo identificado, cada activo, … tiene una estructura ejecutiva que, de forma coordinada con el resto de la organización, se encarga de gestionarlo de la mejor forma para conseguir los objetivos estratégicos de la organización.
Paradójicamente, eso no es así con los Datos: son de todos y, por lo tanto, nadie los cuida. Normalmente, se asume que la responsabilidad recae en el CIO que, por otro lado, tiene el foco en gestionar correctamente la Tecnología y asegurar que los sistemas funcionan correctamente y a un coste razonable.
Evidentemente, como profesional dedicado al Gobierno de los Datos mi intención con este artículo no es llevar al desánimo sino provocar una reflexión. Para obtener el máximo valor del uso de los Datos las organizaciones deben esforzarse por:
- Decidir estrategias de Digitalización que tengan en cuenta la situación real de partida de la compañía.
- Entender cómo los Datos, y qué datos, son relevantes en esa estrategia.
- Dotarse de una estructura de Gobierno del Dato que se encargue de cuidar, mejorar y disponibilizar los Datos de la organización.
- Enrolar o formar perfiles profesionales específicos de Gobierno del Dato que sean capaces de ejecutar ese encargo.
- Diseñar una Arquitectura de Datos de referencia que muestre claramente dónde se producen los Datos, por dónde circulan y se tratan, dónde se almacenan y cómo se pueden utilizar.
- Desplegar un Modelo Operativo de Gobierno del Dato y decidir cómo las soluciones de los diferentes vendors pueden optimizarlo.
