Informe sobre tendencias de datos

A fin de abordar las brechas de habilidades con los datos, las empresas se inspiran en el sector académico para ofrecer capacitaciones y certificaciones.

Para lograr la transformación digital, las organizaciones deben basarse en los datos. Por este motivo, están realizando inversiones significativas para garantizarse el éxito. Este año, invirtieron un promedio de USD 15,3 millones. Si bien algunas de estas inversiones son en tecnología y arquitecturas de sistemas, casi la mitad de los USD 15,3 millones (41 %) se destinó al desarrollo de habilidades. Esto no es algo que sorprenda. Cada vez más personas tienen mayor acceso a los datos, pero son incapaces de “hablar el idioma” de los datos. Los empleados con alfabetización fundamental de datos son capaces de comprender y aplicar, es decir, de “traducir” los datos a los que están cada vez más expuestos. Además, están capacitados para responder preguntas sobre el negocio y generar mayor valor para sus empresas. Con el objetivo de superar este obstáculo para el crecimiento, las empresas están desarrollando capacidades de análisis fuera de las funciones de los científicos de datos. Además, están llevando a cabo estrategias de alfabetización de datos para solucionar la brecha existente en habilidades de análisis. Gartner considera que la alfabetización de datos escasa es uno de los principales obstáculos para crear una cultura basada en datos y aprovechar sus ventajas.

Las inversiones en alfabetización de datos pueden resultar nuevas para las empresas. Sin embargo, las instituciones académicas han estado desarrollando habilidades de pensamiento crítico y análisis en los estudiantes durante años, como un requisito para la toma de decisiones y la resolución de problemas tanto en el ámbito personal como en el profesional. Algunas instituciones, como la Universidad de Pittsburgh, la Carnegie Mellon University y la Universidad de Edimburgo, entre otras, están desarrollando la próxima generación de expertos digitales. Estas universidades ofrecen programas y planes de estudio de habilidades de datos en todas las disciplinas para estudiantes de grado y posgrado, que se convertirán en futuros expertos en datos. El Muma College of Business, de la Universidad del Sur de Florida, creó el programa de certificación Citizen Data Scientist (Ciudadano científico de datos). El programa se centra en educar a los estudiantes que carecen de la experiencia técnica para recopilar y analizar datos de cara a la toma de decisiones de negocios. Con esta alfabetización de datos, los estudiantes obtienen las habilidades de análisis y los conocimientos necesarios para desenvolverse en entornos de trabajo predominantemente digitales.

Las empresas están imitando las estrategias del sector académico al establecer sus propios programas de habilidades de datos, centros de excelencia y comunidades. También recurren a capacitaciones con programas de alfabetización de datos de terceros y comunidades externas. Incluso subsidian las certificaciones de análisis, a medida que comienzan a medir el desarrollo de la alfabetización de datos. Estas inversiones también sirven para nivelar las habilidades de análisis de los empleados actuales que carecen de alfabetización de datos con las de los nuevos expertos en datos.

Para Lockheed Martin, la alfabetización de datos representaba un aspecto clave a fin de lograr la transformación digital. Es por ello que organizaron talleres y cursos formales de alfabetización de datos en universidades de EE. UU. a fin de educar a los empleados e impulsar su participación. Además, tienen planes de expandirse en 2020. La empresa global aeroespacial y de seguridad espera implementar esta capacitación para las personas que trabajan en la fabricación y otros roles tradicionalmente no relacionados con el análisis. Como resultado, el equipo de análisis empresarial observó cambios en la forma en que los empleados trabajan con los datos según sus roles y el valor agregado que aportan cuando poseen alfabetización de datos. Anthony Brown, líder de análisis empresarial en Lockheed Martin, comenta: “Un aspecto que creemos que es importante para la alfabetización fundamental de datos es comprender realmente dónde se usan los datos, cómo se usan y por qué son importantes. [...] Al entender esto, las personas se preocuparán más por qué datos ponen y dónde los ponen, y eso también contribuye a la calidad y la precisión de los datos”. Para administrar esta inversión en alfabetización de datos y expandirla a más de 100 000 empleados, que es su objetivo, Anthony y su equipo están evaluando su herramienta interna, Eureka. Esta plataforma, similar a Twitter, ha permitido que las personas creen una comunidad, hagan preguntas, publiquen respuestas y se brinden apoyo entre ellas para mejorar las visualizaciones y los informes de datos de la organización.

Marina Brazhnikova, directora de BI para la visualización de datos, observó una demanda exponencial de análisis en toda su organización, un gran sistema académico de atención médica sin fines de lucro ubicado en el sur de EE. UU. Para satisfacer las necesidades de análisis actuales de este entorno basado en datos, y para continuar adaptándose a medida que crece, el equipo se centró en contratar y capacitar al personal para que adquiriera alfabetización de datos. De esta manera, podrán ofrecer lo que los clientes y el negocio requieren. Desde entonces, el equipo de Marina pasó de ser un equipo de 2 desarrolladores a 11. El aumento en la alfabetización de datos permitió el desarrollo de empleados más comprometidos y capacitados. Además, mejoró la eficiencia operativa en general.

Estos empleados con pensamiento crítico de Lockheed Martin y otras empresas que desarrollan programas de alfabetización de datos son capaces de resolver desafíos de negocios con datos. Esto les permite aportar un mayor valor a sus organizaciones. Al pasar de un ámbito de prueba académico al entorno corporativo, según Gartner, la alfabetización de datos funciona como “un habilitador clave de los negocios digitales, junto con las personas, los procesos y las tecnologías”. Cuando las organizaciones invierten en capacitaciones formales, comunidades para fomentar el aprendizaje continuo y certificaciones para medir la alfabetización de datos, las personas pueden prosperar con los datos. Asimismo, logran generar un mayor impacto en el negocio y están mejor preparadas para ser ágiles, ya que, para alcanzar la transformación digital, se necesita alfabetización de datos en todos los niveles.

Los expertos en tecnología y del sector superan el entusiasmo inicial excesivo para crear una visión compartida de inteligencia artificial y aprendizaje automático.

Muchos consideran que la inteligencia artificial es la próxima etapa de la transformación digital. Por lo tanto, las organizaciones se están dedicando de lleno a los proyectos de esta disciplina para mantenerse competitivos. El pasado año, IDC indicó: “Se prevé que el gasto global en inteligencia artificial superará los USD 35 000 millones en 2019 y pasará a más del doble, USD 79 200 millones, para 2022”. A pesar del aumento en el gasto, la mayoría de las organizaciones aún no obtiene valor de sus inversiones en inteligencia artificial. Esto se debe a que priorizan anticipadamente la tecnología sobre los casos de uso prácticos.

Las nuevas tecnologías y servicios han sentado las bases para una nueva etapa de madurez de la inteligencia artificial. En lugar de probar proyectos de inteligencia artificial en laboratorios de innovación, las organizaciones están adoptando un enfoque más práctico, comenzando por cómo estructuran los equipos que crean, prueban e implementan los proyectos de este campo. Según describe Andrew Moore, director de inteligencia artificial de Google Cloud, en su artículo en la Harvard Business Review, Cuando la inteligencia artificial se convierte en una tecnología cotidiana (en inglés), estamos en la era de la “inteligencia artificial implementada”. Las personas están menos centradas en la ingeniería y más enfocadas en una “visión compartida” para la inteligencia artificial que establece cómo esta y el aprendizaje automático se ajustan a los procesos y las estructuras de equipo existentes. Los científicos e ingenieros de datos ya no trabajan en proyectos de inteligencia artificial alojados en un silo. Por el contrario, estos expertos en tecnología recurren a expertos del sector para entablar conversaciones sobre planeamiento estratégico a fin de garantizar que los planes de inteligencia artificial y aprendizaje automático se alineen con la estrategia comercial más amplia.

Al adoptar un enfoque de colaboración, es posible revelar qué aspectos de una decisión de negocios se adaptan mejor a la inteligencia artificial y cuáles requieren de la intervención humana. Supongamos que desea abrir una nueva tienda minorista, pero nunca antes llevó a cabo un proyecto como este. A fin de pronosticar las ventas esperadas para la tienda, podría usar un sistema impulsado por inteligencia artificial para obtener una recomendación basada en el tráfico peatonal o la información demográfica del área. Pero aún necesitaría los conocimientos del dominio humano para explorar ciertos aspectos como la visibilidad de la ubicación, la información de la competencia o la disponibilidad de estacionamiento para vehículos. Las recomendaciones basadas en aprendizaje automático son valiosas en la medida en que las personas que toman las decisiones sepan aprovecharlas. Como explica Richard Tibbetts, administrador principal de productos de inteligencia artificial en Tableau, “El surgimiento de la inteligencia artificial no significa que un algoritmo le dirá cómo llevar un negocio. Serán los expertos del sector quienes ayudarán a garantizar que los miembros de una organización adopten la inteligencia artificial y confíen en ella”.

Entablar conversaciones con expertos del sector sobre inteligencia artificial y aprendizaje automático puede tener otro gran beneficio: desarrollar educadores y campeones de la inteligencia artificial en las diferentes funciones de negocios. Al aumentar la colaboración entre los expertos en tecnología y los expertos del sector, se fomenta el intercambio de conocimientos por parte de ambos. En un artículo de McKinsey Quarterly, Cameron Davies, director de ciencias de decisiones corporativas en NBCUniversal, compartió un caso de uso con pronósticos anuales. Decidieron desarrollar y presentar un conjunto de algoritmos de aprendizaje automático para ayudar a expandir el proceso. Durante las primeras etapas del proyecto, trabajaron en colaboración con un investigador. Él terminó convirtiéndose en instructor para las unidades de negocios y capacitó a otras personas sobre cómo interpretar las recomendaciones.

Los expertos en datos obtienen información útil sobre cómo la empresa utiliza los datos: Al mismo tiempo, los expertos del sector convierten a las personas sin conocimientos técnicos en defensores de las competencias de datos. En función de sus relaciones y experiencia, los expertos del sector desempeñarán un rol clave al poner en práctica los resultados de estos proyectos de inteligencia artificial en los diferentes departamentos y equipos. De esta manera, marcan el comienzo de una nueva etapa de madurez para los casos de uso de la inteligencia artificial.

Las marcas utilizan los relatos en los datos que ofrecen a los consumidores a fin de impulsar interacciones más auténticas y valiosas.

¿Cuáles fueron sus fotografías preferidas de 2019? ¿Qué música le gusta escuchar? ¿Hizo ejercicio hoy? Para los consumidores del siglo XXI, estas historias con datos personales son más accesibles e inspiradoras que nunca. Nos acostumbramos a que las empresas recopilen nuestros datos. Incluso esperamos que proporcionen recuerdos de nuestras acciones en resúmenes semanales o anuales. Y ahora que esta información está cada vez más disponible, las marcas la utilizan para fortalecer la relación con los consumidores mediante historias con datos más significativas, prácticas e interactivas.

Con el relato de datos, las empresas pueden ilustrar nuestros hábitos e interactuar con nosotros de una manera más eficaz que con hechos y cifras. Considere sus transacciones bancarias personales: tiene acceso inmediato a historiales detallados de todos los pagos, ingresos y cargos asociados con su cuenta. Pero ¿dedica tiempo a analizar estas listas de datos y extraer información de ellas? Luego, al final del año natural, el banco le envía un resumen acumulado de sus compras, organizado en categorías y presentado de forma visual. Al instante, con esta vista diferente de sus datos, es capaz de identificar tendencias y hacer preguntas significativas: “¿Gasté demasiado dinero en ropa cuando podía viajar o invertir más en mis aficiones?”.

Echar un vistazo rápido a sus gastos es un ejemplo simple, pero este tipo de resumen anual demuestra la eficacia de contextualizar los datos para ayudarnos a extraer información. En una publicación de blog de Gartner, Usar los datos y el análisis para contar una historia (en inglés), Christy Pettey escribe: “Es el contexto en torno a los datos lo que proporciona valor, y eso es lo que hará que las personas escuchen y se impliquen”. Como protagonistas de estas historias, interactuar con estos datos se vuelve mucho más emocionante. Además, recibir los datos directamente en el correo electrónico o el smartphone aporta un nivel de conveniencia que hace que explorarlos resulte accesible y valga la pena.

La información personalizada que inspira nuevas preguntas o acciones es realmente eficaz; sin embargo, algunas empresas van un paso más allá y ofrecen recomendaciones junto con los datos. El software de colaboración empresarial Slack proporciona datos sobre los canales y las conversaciones en los que participan los miembros de la organización, pero también ofrece recomendaciones personalizadas. Por ejemplo, sugiere qué canales inactivos o con escaso tráfico podrían eliminarse para centrar la atención de los empleados en conversaciones más productivas. Esto no quiere decir, sin embargo, que debe dejar de compartir fotos de sus mascotas con sus colegas.

Estas interacciones con datos personales son cada vez más interesantes y atractivas, gracias a la interactividad. Para el resumen anual de Spotify, los usuarios se encontraron con un cuestionario para adivinar qué artista escucharon más cantidad de horas. Facebook también envía un cuestionario para usted y un amigo cuando alcanzan un hito significativo de amistad en línea. Las preguntas pueden incluir adivinar el número total de veces que les gustó el contenido del otro o seleccionar cuál de cuatro fotografías de los dos se cargó primero. Un cuestionario no solo hace que interactuar con los datos históricos sea más atractivo, sino que también representa una oportunidad interesante para confrontar sus nociones preconcebidas de su propia historia con datos.

Es de prever que cada vez más marcas ofrecerán este tipo de experiencias de datos e información interactiva. Las experiencias personalizadas del cliente ayudan a las empresas a aumentar la lealtad y la satisfacción. Además, impulsan nuevas oportunidades, como compras repetidas, ventas adicionales o ventas cruzadas. Asimismo, fomentan nuestra relación con las marcas y nos ofrecen un valor importante como consumidores, como por ejemplo experiencias más significativas para las personas que generalmente no se interesan por el análisis de datos. Cuanto más valiosas e informativas sean las interacciones con nuestras propias historias con datos, mayores cambios podrán impulsar las empresas en nuestros comportamientos para lograr nuestro crecimiento personal y profesional.

Los datos como recurso demuestran que la equidad es un requisito previo para mejorar la satisfacción de los empleados y el rendimiento del negocio.

Los datos se están convirtiendo en un recurso fundamental para las empresas que buscan aumentar la equidad. Con mejor información, las organizaciones, como las sin fines de lucro, pero también el gobierno y las empresas, son capaces de identificar individuos o grupos que están subrepresentados o enfrentan barreras estructurales para lograr una representación completa. Esta situación genera diversos beneficios para todos los involucrados. Más allá de abordar el imperativo moral, establecer entornos y sistemas equitativos genera un impacto positivo tanto en los individuos como en las organizaciones que los ponen en marcha. Para las empresas, la transparencia de los datos de la fuerza laboral ofrece la oportunidad de mejorar la retención y satisfacción de los empleados. Al mismo tiempo, refleja con precisión las comunidades y los clientes que los utilizan. Según diversos estudios, los lugares de trabajo diversos y equitativos tienen una mayor rentabilidad. Además, logran una eficiencia operativa óptima y una adquisición de talentos competitiva, entre otros beneficios.

Con la ayuda de los datos, las organizaciones pueden analizar sus métricas de diversidad en un nivel granular y utilizar la información para identificar las inequidades sistémicas y eliminarlas. Los datos permiten ver, comprender y apoyar a las personas que actualmente se ven excluidas de las discusiones sobre políticas o que pueden ser adecuadas para los servicios, tanto en el sector público como en el privado. Las organizaciones sin fines de lucro están utilizando los datos para generar equidad a través de herramientas de promoción. Estas permiten a los funcionarios locales promover los derechos de mujeres y niñas. Por su parte, los gobiernos recurren a dashboards de equidad racial para identificar si se excluyen ciertos grupos raciales, de género, económicos o culturales específicos.

Un ejemplo en el que los datos se utilizan para generar equidad con éxito es en el sistema educativo de EE. UU. Implementado en más de 540 escuelas, Equal Opportunity Schools (EOS) trabaja con los distritos escolares para analizar sus datos a fin de mejorar la accesibilidad a los programas de colocación avanzada (AP) y los cursos de bachillerato internacional. Durante la última década, EOS ayudó a las escuelas a inscribir a más de 43 000 estudiantes de minorías étnicas y escasos recursos económicos en estas carreras académicas avanzadas. Con frecuencia, a estos estudiantes se los pasa por alto o ignora. Actualmente, el 98 % de los programas de colocación avanzada o de bachillerato internacional en los Estados Unidos no reflejan la diversidad racial de sus escuelas.

Mediante los datos, EOS ayuda a las escuelas a identificar de manera rápida y eficaz a los estudiantes de minorías étnicas que podrían tener éxito en estas clases avanzadas. De esta manera, pueden ofrecerles oportunidades educativas que antes no estaban disponibles para ellos y lograr una mayor equidad racial en estos programas.

Un análisis similar de los datos del lugar de trabajo puede ayudar a las empresas privadas a diseñar programas más sólidos de diversidad e inclusión y herramientas de diagnóstico para medir cuantitativamente sus esfuerzos. Con información sobre la igualdad salarial, de género y racial, los líderes pueden identificar qué grupos se contratan y cuáles no. Además, es posible determinar si todos pueden acceder a los programas y si estos son eficaces.

La transparencia de los datos relacionados con el lugar de trabajo mejora la confianza y la satisfacción de los empleados. Un empleado feliz es más productivo y eficiente. Según un informe de Deloitte, las organizaciones inclusivas pueden lidiar con problemas de rendimiento individual 3,6 veces mejor que aquellas que carecen de estrategias de talentos intencionalmente inclusivas. Con frecuencia, el capital humano representa la mayor inversión de cualquier negocio, y los esfuerzos para ser más inclusivos dan como resultado una mejor retención y adquisición de talentos. Esto genera dividendos a largo plazo.

Un lugar de trabajo diverso y equitativo también afecta la rentabilidad. En el estudio de investigación de McKinsey, La diversidad es importante (en inglés), se identificó una conexión entre el rendimiento financiero y los entornos más diversos en cuanto a etnias y géneros. “Las empresas en el cuartil superior de diversidad de género tenían un 15 % más de probabilidades de tener retornos financieros por encima de la mediana nacional en su sector. Las empresas en el cuartil superior de diversidad racial/étnica tenían un 35 % más de probabilidades de tener retornos financieros por encima de la mediana nacional en su sector”. Esta relación entre rendimiento y diversidad refuerza la función clave de los datos como recurso, y de su transparencia, para generar equidad en el lugar de trabajo a fin de lograr la satisfacción de los empleados y el éxito de la organización.

Los ejecutivos comparten la responsabilidad del futuro de los datos y el análisis

Las organizaciones invierten billones de dólares para basarse más en los datos. Sin embargo, en una encuesta de McKinsey Analytics de 2018 se reveló que existe una brecha cada vez mayor entre los “líderes y los rezagados”. Es decir, entre quienes completan con éxito las iniciativas de datos y aquellos que no logran obtener un retorno por sus esfuerzos. Las empresas basadas en datos más exitosas invierten en cultura tanto como en tecnología, e integran los datos en las funciones clave del negocio. La cultura de la organización, incluida la cultura de datos, comienza en la cima.

En los últimos años, el surgimiento de directores de datos (CDO) hizo evidente el creciente valor de los datos en las empresas y la necesidad de un patrocinio ejecutivo en torno a las iniciativas de datos y análisis. Los CDO tenían la tarea de reunir todos los aspectos del negocio bajo una estrategia de análisis y cerrar la brecha entre TI y el negocio. En la actualidad, los CDO siguen impulsando las estrategias de transformación digital, pero ahora todos los ejecutivos se comprometen a abordar los datos y el análisis como una responsabilidad compartida.

Se espera que todos los líderes funcionales aporten a la estrategia de análisis y datos de su organización información clave de sus propios equipos. Los líderes deben entender cómo las personas usan, comparten y presentan los datos dentro de su área del negocio. “Su estrategia de datos debe incorporar las necesidades de toda la organización para garantizar que se respalden los objetivos generales del negocio”, indica Mike Hetrick, administrador sénior de marketing de productos en Tableau. “Las estrategias de datos y análisis deben incluir a las personas, los procesos y la administración de cambios”.

Otro elemento de esta responsabilidad radica en el patrocinio ejecutivo. Más allá de la estrategia, también se espera que los líderes proporcionen a los empleados las herramientas y la capacitación que necesitan para basarse en los datos en el futuro. “Los patrocinadores ejecutivos deben considerar cómo adaptar la tecnología a toda la organización. Sin embargo, también deben proporcionar el soporte, la capacitación y la administración de cambios adecuados, además de la capacidad de superar cualquier obstáculo de la organización”, afirma Hetrick. “Parte de esa función de patrocinio incluye modelar el comportamiento y ser promotores visibles de los datos”.

Esta expectativa llega hasta el CEO. Por ejemplo, en una empresa líder de aviación sudafricana, Comair, el equipo de inteligencia de negocios quería poner el análisis de autoservicio a disposición de más personas en toda la empresa. Para ayudar a educar e incorporar a los empleados, tuvieron la idea de desarrollar un programa de administradores de datos. El programa incorporaría a expertos en datos en las funciones de negocios a fin de ayudar a los nuevos usuarios y promover un enfoque de autoservicio. Con el apoyo del CEO, el programa logró notables avances para crear una cultura de análisis. “Somos muy afortunados de contar con un CEO que demuestre un interés tan grande en los datos”, comparte Liezl Brouckaert, administrador de inteligencia de negocios en Comair. “Sin el respaldo del CEO, llevar a cabo un programa de inteligencia de negocios es casi imposible”.

Este enfoque implica que toda la dirección ejecutiva tendrá una perspectiva más informada sobre los datos y el análisis, y los datos serán un elemento clave de las conversaciones estratégicas y las reuniones de la junta. Cuando este tipo de colaboración comienza en la dirección ejecutiva, las iniciativas de datos y análisis tienen el apoyo y la aceptación necesarias para transformar el funcionamiento central de la organización. Además, permite integrar los datos en las conversaciones y los comportamientos cotidianos para cada departamento y función.

Las organizaciones expanden la participación en la administración de datos a fin de respaldar la toma de decisiones basada en datos en toda la empresa.

¿Consideró alguna vez el estado de sus datos? ¿Sabe dónde se almacenan, quiénes los usan y con qué frecuencia? ¿Los miembros de su organización saben qué datos deben usar para tomar decisiones y cómo acceder a ellos?

Los líderes que basan sus decisiones en datos están logrando que sus organizaciones se diferencien mediante la implementación de nuevas soluciones para integrar la canalización de los datos distribuidos. Los roles y los procesos para preparar, seleccionar y compartir los datos en toda la empresa están cambiando junto con la evolución actual de las tecnologías de datos. TI debe seguir el ejemplo de los Cazafantasmas: aunque no se recomienda cruzar los rayos, a veces esto puede resolver los problemas más grandes y aterradores. En este caso, al desdibujar las líneas divisorias entre las responsabilidades de TI y el negocio en torno a la administración de datos, las organizaciones ya no estarán limitadas por restricciones funcionales. Esto facilitará la integración escalable de los datos en toda la empresa y permitirá ofrecer los datos correctos a todos los miembros de la organización en el momento adecuado.

Es imperativo resolver estos desafíos de integración de datos para mantener el cumplimiento interno y externo. Además, esto es clave para permitir que todos en la organización obtengan una visión completa del negocio, entiendan a los clientes y encuentren nuevas oportunidades de negocios. Muchas organizaciones están trabajando para identificar, preparar, administrar y poner a disposición los datos que más benefician a todos sus miembros. Y cuando tienen éxito, la administración de datos cambia, comenzando por las tecnologías.

Los proveedores de soluciones incorporan cada vez más capacidades de administración de datos para más usuarios, sin limitarse solo a los equipos de TI. A medida que la funcionalidad se integre más en los flujos de trabajo de los usuarios corporativos, incluidas las plataformas de análisis, los empleados desempeñarán un rol más activo en las responsabilidades de administración de datos que tradicionalmente estaban a cargo de TI. Este es el siguiente paso natural en la evolución del autoservicio para la inteligencia de negocios. En primer lugar, las organizaciones expandieron el acceso a los datos. Luego, habilitaron una exploración más profunda y nuevos tipos de usuarios para crear contenido de análisis. Ahora, algunos usuarios corporativos pueden interactuar con los datos. En cada una de estas etapas, TI aprendió a equilibrar la gobernanza y el autoservicio para que los usuarios corporativos pudieran realizar parte del trabajo. Cruzar estos “rayos” será fundamental para administrar los datos y el análisis a medida que todos los miembros de la empresa los adopten.

La preparación de datos de autoservicio también es una prueba de esta evolución. Varios aspectos de los procesos tradicionales de extracción, transformación y carga se pueden ejecutar ahora con herramientas modernas de autoservicio que se integran en el flujo de trabajo de análisis. Esto permite realizar más descubrimientos ad hoc. Además, se puede utilizar como punto de partida para probar nuevos casos de uso antes de compartirlos con toda la organización. Incluso es beneficioso para todos. Por un lado, la empresa estará capacitada para asumir una mayor responsabilidad en la administración de datos y reducir el ciclo de desarrollo tradicionalmente prolongado. Al mismo tiempo, TI tendrá más tiempo para dedicar al trabajo altamente especializado para el que está más capacitado.

Otro ejemplo de esta evolución es el catálogo de datos. Se trata de un inventario de activos de datos que ayuda a definir y calificar los datos y establecer las relaciones entre las fuentes de datos, el contenido y los usuarios. En organizaciones en las que la responsabilidad de integrar y administrar los datos está distribuida, un catálogo es importante, ya que ofrece una visión centralizada de qué sucede con los activos de datos de la empresa. Con los catálogos, es más fácil descubrir y compartir datos, comprender su relevancia y nivel de actualización, y supervisar quiénes usan ciertos activos.

Los catálogos modernos permiten descubrir esta valiosa información y, además, ofrecen detalles del contexto comercial directamente en el flujo de análisis de los usuarios. Entonces, a medida que se integran más datos y estos están disponibles para más usuarios dentro de la organización, ellos aprenden a evaluar la calidad de los datos y cómo usarlos en conformidad con las pautas y políticas. Aquí es donde la alfabetización de datos es fundamental. Como mínimo, los usuarios aprenderán a interpretar los indicadores de datos e identificar cuáles son confiables y relevantes. Cuando los usuarios de los datos pueden, además, administrarlos, se disminuye la carga de TI. Esto también ayuda a garantizar un uso responsable de los datos en el momento de tomar decisiones. Además, los usuarios más avanzados con las habilidades adecuadas pueden participar en la preparación de datos de autoservicio, certificar nuevas fuentes de datos para su uso en la organización o agregar datos del contexto empresarial como metadatos en un proceso de selección.

TI y el negocio pueden alcanzar nuevos niveles de colaboración y armonía si se desdibujan los límites entre funcionalidad y responsabilidad. Con un enfoque personalizado que incluya a los usuarios corporativos y los objetivos comerciales, las iniciativas de administración de datos más amplias son las que tendrán éxito. Esto se debe a que TI y la empresa podrán colaborar en los esfuerzos para aumentar la visibilidad, la capacidad de descubrimiento y la confianza de su entorno de datos. Esto también significa que la organización estará capacitada para identificar y priorizar los activos de datos más valiosos para la mayoría de los miembros de la organización. Además, podrá ofrecer un mejor soporte para los datos y análisis gobernados y escalables a toda la empresa.