Las soluciones de inteligencia artificial tendrán más éxito al reducir la fricción y ayudar a resolver problemas de negocios específicos.

Vidya Setlur

Directora de investigación, Tableau

Vidya Setlur es directora de investigación de Tableau y lidera un equipo de científicos investigadores en diferentes áreas. Estas incluyen la visualización de datos, la interacción multimodal, las estadísticas, el lenguaje automático aplicado y el procesamiento del lenguaje natural. En 2005, obtuvo un doctorado en computación gráfica de la Universidad Northwestern. Previamente, trabajó como científica de investigación principal en el Nokia Research Center. Su investigación combina conceptos de recuperación de información, percepción humana y ciencia cognitiva para ayudar a los usuarios a interactuar de manera efectiva con los sistemas de su entorno.

Cómo llegamos hasta aquí

Estamos viviendo en una era dorada de los datos y la tecnología, y no hay señales de que vaya a desacelerarse. La tecnología de inteligencia artificial continúa perfeccionándose. Los modelos de aprendizaje automático procesan billones de líneas de datos. Los avances en el procesamiento del lenguaje natural (NLP), por su parte se dirigen hacia la comprensión de la intención humana y sus algoritmos son cada vez más rápidos. Vemos cómo se automatizan las tareas más simples y repetitivas. Esto genera nuevas oportunidades para que los humanos puedan hacer lo que mejor saben hacer: razonar críticamente y comprender los datos en contexto.

A medida que se acelera la innovación, también lo hacen las inversiones y la adopción de la inteligencia artificial. El 99 % de las empresas Fortune 1000 planean invertir en datos e inteligencia artificial en los próximos 5 años. Los líderes de negocios y de TI creen que es fundamental para la supervivencia futura de su empresa. Sin embargo, muchos aspectos influyen en el éxito a largo plazo y la sostenibilidad de las soluciones de inteligencia artificial: cantidades crecientes de datos, costos de mantenimiento de esta tecnología, dificultad para contratar talentos altamente especializados y adaptar los pilotos de inteligencia artificial para una adopción generalizada.

Las empresas reconocen que necesitan hacer más para innovar y satisfacer mejor las necesidades de sus clientes. Si bien la inteligencia artificial genera oportunidades, la mayoría de las inversiones aún no aportan todo el valor posible. En 2022, las tecnologías de inteligencia artificial alcanzarán nuevos niveles de éxito a través de la mejora del criterio humano. Ayudarán a las personas a pensar críticamente y tomar decisiones basadas en los datos. Considere el análisis y la inteligencia artificial como otros miembros del equipo que están allí para brindar soporte.

La cultura de datos y la alfabetización de datos, es decir, la capacidad de explorar y comprender los datos y comunicarse con ellos, también ayudan a las organizaciones a definir su estrategia y perspectiva de inteligencia artificial y aprendizaje automático. Estas iniciativas de gestión de cambios y desarrollo de la fuerza laboral inciden en cómo se mantendrán competitivos y administrarán el espectro de mejora humana, comenzando por preguntas como estas:

  • ¿Qué tareas se automatizarán por completo con la tecnología de inteligencia artificial?
    • Ejemplos de automatización que liberan a las personas para que se centren en tareas más sofisticadas: Traducción básica de idiomas y edición de imágenes. En lugar de pasar horas editando manualmente una foto para cambiar el fondo, esto se puede hacer con la tecnología de edición de imágenes predeterminada que incorpora inteligencia artificial para aplicar técnicas de iluminación y fusión. Estas herramientas automatizadas ofrecen nuevos niveles de creatividad.
  • ¿Qué tareas serán semiautomáticas y requerirán participación e interpretación humana?
    • Explore algunos ejemplos de inteligencia artificial que identifica patrones e información útiles a fin de capacitar a las personas para que tomen decisiones basadas en los datos en contexto:
      • A fin de ponderar con mayor precisión los modelos climáticos y pandémicos, se aplican técnicas de aprendizaje automático para ayudar a los investigadores a comprender las tendencias, los resultados y los patrones y tomar decisiones políticas.
      • Las máquinas pueden inspeccionar datos de voz sin etiquetar (por ejemplo, llamadas de clientes) mediante algoritmos de procesamiento del lenguaje natural y aprendizaje automático para comprender mejor la intención del usuario. Además, pueden agregar categorías y etiquetas relevantes. Estos significantes y aspectos semánticos ayudan a las personas a decidir qué hacer a continuación.

Tener comportamientos, creencias y habilidades de datos comunes también facilita la capacidad de adaptar soluciones de inteligencia artificial y respaldar la implementación sostenible y la innovación. En un informe reciente, Gartner descubrió que “la falta de habilidades es el principal desafío para la adopción de la inteligencia artificial y el aprendizaje automático”. Invertir en el desarrollo de las personas y las técnicas de inteligencia artificial es un proceso continuo, en constante evolución junto con la tecnología. Contar con una fuerza laboral alineada y con las habilidades adecuadas puede marcar la diferencia entre lograr convertir las pruebas de concepto de inteligencia artificial en aplicaciones prácticas y escalables o fallar por completo.

A dónde nos dirigimos

En colaboración con los líderes de TI, los directivos de negocios tienen la oportunidad de impulsar estrategias de datos e inteligencia artificial basadas en el contexto empresarial. Para que la tecnología de inteligencia artificial sea relevante, sostenible y explicable, debe capacitar a las personas y estar vinculada con la estrategia y los objetivos de negocios. Veremos cómo las soluciones de inteligencia artificial pasan de un modelo de prueba de concepto a una implementación generalizada para casos de uso específicos de empresas y sectores.

Varios sectores están desarrollando y utilizando la inteligencia artificial de formas innovadoras. En una investigación reciente de KPMG, se analizó la implementación de la inteligencia artificial en cinco sectores (venta minorista, transporte, atención médica, finanzas y tecnología). Se descubrió que, “para el 91 % de los encuestados del sector de la atención médica, la inteligencia artificial está aumentando el acceso a la atención para los pacientes”. Y, aunque la mayoría de las empresas administran sus cadenas de suministro de forma manual, “aquellas que adopten la inteligencia artificial en los próximos meses y años lograrán una diferenciación competitiva importante”, según Harvard Business Review.

Gracias a la informática en la nube, la inteligencia artificial se ha vuelto más asequible y accesible, lo que a su vez lleva a una mayor innovación en todas las experiencias y sectores. Asimismo, con un enfoque adicional en el éxito empresarial, veremos soluciones que combinan diferentes técnicas de inteligencia artificial. Estas también se conocen como inteligencia artificial compuesta y su objetivo es lograr mejores resultados agregados a fin de ayudar a las personas, en concreto al “ajustar” esta inteligencia a flujos de trabajo específicos.

Los flujos de trabajo cobrarán vida y serán más eficientes con habilidades, mentalidades y valores compartidos, es decir, con la cultura de datos y la alfabetización de datos. Estas facilitan la capacidad de las personas para llevar a cabo tareas de análisis y ciencia de datos nuevas y más sofisticadas necesarias para el éxito de la inteligencia artificial.

Recomendaciones

1. Considere la inteligencia artificial como un deporte de equipo. Identifique qué tareas y funciones son más adecuadas para respaldar la mejora humana al ahorrar tiempo o perfeccionar sus habilidades o experiencia. Para comenzar, explore las necesidades y los puntos débiles de sus clientes a fin de comprender dónde puede agregar valor su solución de inteligencia artificial. Hágase estas preguntas para determinar si vale la pena desarrollar una prueba de concepto o piloto:

  • ¿Cuántos clientes tienen necesidades similares o sufren estos mismos problemas?
  • ¿Con qué frecuencia ocurren estos problemas?
  • ¿Se pueden resolver estos problemas con tecnologías de inteligencia artificial?

2. Céntrese en los casos de uso de negocios y los factores de éxito para avanzar de la prueba de concepto y adaptar la implementación con éxito.

  • Para aprovechar su valor, impulse la inteligencia artificial intencional y contextual al vincular soluciones y problemas de negocios reales con objetivos definidos.
  • Identifique en qué áreas la inteligencia artificial puede resultar útil y reducir la fricción. Evite incluir la inteligencia artificial en todos los aspectos de su familia de productos. Si distribuye demasiado sus productos, será más difícil ampliar la implementación.
  • Tenga cuidado con los proyectos llamativos imposibles de lograr. Si bien son atractivos, rara vez van más allá de la prueba de concepto. Elimine las distracciones y establezca expectativas realistas de tiempo y alcance para los proyectos de inteligencia artificial. Logre el equilibrio entre los diferentes recursos como el presupuesto, el tiempo, el personal altamente técnico y la infraestructura.

3. Invierta en alfabetización de datos para mejorar y desarrollar su fuerza laboral.

  • La mala calidad de los datos da lugar a soluciones de inteligencia artificial inexactas e ineficaces. Además, una fuerza laboral con alfabetización de datos puede mejorar los problemas de calidad de los datos al crear o entrenar algoritmos y modelos de inteligencia artificial, aprendizaje automático, procesamiento del lenguaje natural, etc. con datos precisos, oportunos y relevantes.
  • Incluso con una capacitación básica de datos, ya sea interna o a través de un tercero, puede brindar a los usuarios corporativos lo que necesitan para responder sus preguntas. Esto reducirá la cantidad de solicitudes de análisis simples o de menor importancia que se envían a los equipos de análisis avanzado y ciencia de datos. De esta manera, tendrán más tiempo para trabajar en proyectos más grandes y de mayor valor.

Las organizaciones responsables crearán de manera proactiva políticas de uso ético, paneles de revisión y otros recursos para mejorar las experiencias y los resultados de negocios.

Mark Nelson

Presidente y director ejecutivo, Tableau

Como presidente y director ejecutivo de Tableau, Mark Nelson establece la visión y la dirección de Tableau al supervisar la estrategia, el desarrollo de productos, las actividades comerciales y las operaciones. Antes de convertirse en presidente y director ejecutivo, Mark fue vicepresidente ejecutivo de desarrollo de productos en Tableau. Allí, ayudaba a ampliar y profundizar la plataforma de análisis líder en el sector para que esta llegara a más clientes en todo el mundo.

Cómo llegamos hasta aquí

Debido a la rápida aceleración de la adopción de la inteligencia artificial y la confluencia de problemas globales, ya no existe un enfoque único válido para el uso ético de los datos y la inteligencia artificial. Las organizaciones tienen la oportunidad de definir proactivamente cómo desarrollarán y utilizarán los datos y la inteligencia artificial de manera responsable en un mundo digital en rápida evolución. La creación de soluciones de inteligencia artificial justas y precisas es una responsabilidad cívica de todas las empresas, por lo que su importancia actualmente es más evidente en el enfoque de los legisladores globales.

Ahora, más que nunca, la confianza y la transparencia deben ser la base para la innovación, el crecimiento y las relaciones con los clientes. Con las recientes crisis de datos, descubrimos el potencial de la tecnología para dañar a las personas, incluidos el reconocimiento facial sesgado y la discriminación hipotecaria. Estas crisis pueden generar la expectativa por parte del público de que las empresas desarrollarán y utilizarán los datos de manera segura y responsable. En una encuesta de 2021 realizada por Cisco, se descubrió que “el 72 % de los encuestados creen que las organizaciones tienen la responsabilidad de usar la inteligencia artificial solo de manera responsable y ética”.

Al liderar con ética e integridad, lograremos una mayor responsabilidad y compromiso tanto corporativos como gubernamentales con el uso transparente y responsable de los datos y la inteligencia artificial.

A dónde nos dirigimos

Las organizaciones responsables darán un paso al frente y diseñarán de manera proactiva formas innovadoras de verificar y validar el uso responsable con políticas formales de uso ético, auditorías de expertos externos o paneles de revisión internos, entre otros. Estas innovaciones éticas mejorarán las experiencias e impulsarán resultados más sólidos para gestionar el riesgo y generar valor.

A medida que las organizaciones comiencen a abordar sus responsabilidades de uso ético, surgirán soluciones y experiencias de inteligencia artificial y aprendizaje automático más transparentes que mejoren el juicio y la experiencia de las personas. También se vincularán directamente con los objetivos de negocios y los flujos de trabajo, y mitigarán los riesgos relacionados con la claridad, incluido el sesgo. Las organizaciones comenzarán a abordar los algoritmos y conjuntos de datos sesgados que pueden dañar a personas reales y generar errores con riesgos negativos a posteriori como la “deuda ética” entendida de manera similar a la deuda técnica.

Para garantizar que la innovación avance sin causar daños, las organizaciones públicas y privadas colaborarán para reformar las políticas de ética. Los socios tecnológicos asesorarán a los gobiernos bajo presión para que utilicen datos para la toma de decisiones. A su vez, las empresas de tecnología adoptarán una posición para garantizar que todos, incluidas los organismos gubernamentales, utilicen su tecnología de manera responsable. (Por ejemplo, prohibimos el reconocimiento facial en Salesforce como parte de nuestro compromiso con la igualdad).

En cada caso de uso, ya sea que se trate de automatizar una tarea con inteligencia artificial o colaborar con inteligencia artificial para tomar mejores decisiones, debemos comprender qué están haciendo las máquinas para evitar errores, tomar decisiones éticas y comprender los datos. Esto seguirá siendo fundamental para las organizaciones en 2022.

Sin embargo, comprender los datos, y usarlos de manera responsable, requiere una alfabetización de datos, o habilidades de datos, básicas. Estamos llegando a un punto actualmente donde la falta de alfabetización de datos genera riesgos innecesarios. Si bien queda mucho por hacer para que las tecnologías y los datos éticos formen parte de nuestras vidas y decisiones cotidianas, se trata de inversiones que valen la pena. El resultado final será un futuro más ético y equitativo para todos, en cualquier lugar.

Recomendaciones

1. Diseñe políticas de administración de datos y riesgos con datos éticos y pautas de inteligencia artificial. Los reglamentos y las estrategias de datos existentes y previstos en Estados Unidos, el Reino Unido y la Unión Europea, entre otros, protegen a las personas contra el uso sesgado e ilegítimo de sus datos privados. Para liderar con ética, establezca códigos de conducta éticos, administre la legislación de manera proactiva, cumpla con las normativas y mitigue el riesgo.

2. Cree comités de ética internos o contrate especialistas externos para las revisiones y auditorías. Los paneles de ética de inteligencia artificial ayudarán a las organizaciones a cumplir con las regulaciones en evolución y a crear y examinar soluciones innovadoras para abordar aún más el sesgo y la precisión en sus datos.

3. Cree tecnologías intencionalmente transparentes o inteligencia artificial explicable, con intervenciones humanas y revisiones a lo largo del proceso. Alinee los datos y la tecnología con los valores humanos y la ética para crear transparencia o claridad y garantizar experiencias confiables. Evalúe temas de ética de manera proactiva durante los ciclos de desarrollo para evitar caer en un bucle interminable de actualización tecnológica.

4. Cree una cultura de datos saludable que incluya capacitaciones en habilidades de datos. Mejorar la alfabetización de datos ayuda a abordar la mala calidad de los datos y los riesgos asociados con la recopilación de datos incorrectos y la formulación de preguntas inadecuadas, lo que dificulta el correcto desarrollo de la inteligencia artificial y la capacidad de adaptación. Una fuerza laboral con conocimientos en el uso de los datos es fundamental para crear una cultura de datos que habilite y promueva el uso ético de los datos y la inteligencia artificial.

Para tener éxito en el futuro del trabajo, las organizaciones deben ampliar su definición de alfabetización de datos, invertir en las personas y duplicar las iniciativas relacionadas con la cultura de datos.

Wendy Turner-Williams

Directora de datos, Tableau

Wendy Turner-Williams se encarga en Tableau de aspectos como la estrategia de datos empresariales, las plataformas y los servicios de datos, la gobernanza de datos y la madurez de la administración, los riesgos de datos y la alfabetización de datos. Ella y su equipo impulsan la innovación empresarial, la transformación y la excelencia operativa basadas en datos en Tableau. Wendy tiene más de 20 años de experiencia en gestión en todos los sectores. Recientemente, lideró el programa empresarial de estrategia y administración de la información en Salesforce.

Cómo llegamos hasta aquí

En un mercado donde los datos son el diferenciador definitivo, la alfabetización de datos es la clave para obtener valor de sus inversiones en datos y tecnología. Y la clave para la alfabetización de datos es la cultura de datos. En el próximo año, las organizaciones competitivas reconocerán la necesidad de fomentar una mentalidad y una cultura de datos compartidas, donde se valore y aproveche el uso de los datos. Ampliarán el alcance de la alfabetización de datos más allá de la capacitación de habilidades para incluir una comprensión fundamental de cómo funcionan los datos y cómo se pueden aplicar al negocio. A medida que las organizaciones invierten en el desarrollo de las personas para preparar a la fuerza laboral para el futuro, se asociarán con organizaciones de terceros a fin de capacitar a los empleados y mejorar sus habilidades.

Antes de ver hacia dónde nos dirigimos, exploremos por qué los datos, y las habilidades de datos, son tan importantes.

Las inversiones en tecnología e inteligencia artificial están aumentando, y el desarrollo de la fuerza laboral es esencial para obtener valor de estas inversiones significativas en datos. PwC prevé que la inteligencia artificial hará crecer la economía mundial en USD 15,7 billones para 2030. Además, la fuerza laboral se está automatizando más rápido de lo esperado, según el informe sobre el futuro del trabajo del Foro Económico Mundial. Las automatizaciones reemplazarán 85 millones de puestos de trabajo para 2025, al tiempo que crearán 97 millones de nuevos roles. La mitad de quienes permanecerán en sus funciones actuales necesitarán volver a capacitarse en los próximos cinco años.

Existe una creciente demanda de habilidades de datos en el lugar de trabajo y en nuestra sociedad. Los líderes de recursos humanos informan que las habilidades de datos, es decir, las habilidades de análisis y ciencia de datos, encabezaron la lista de las habilidades más demandadas en 2021. En el panorama público actual, hay cada vez más datos y, aunque no todas las personas deberán ser científicos de datos, sí tendrán que adquirir conocimientos básicos de datos y análisis.

Sin embargo, para obtener valor de una fuerza laboral con alfabetización de datos, tenemos trabajo por hacer. No solo existe una brecha en las habilidades de datos, también hay una falta de programas de alfabetización de datos, desde el aula hasta la oficina. A pesar de que un 83 % de los CEO quiere que su organización se centre más en los datos, solo un 43 % de los expertos digitales considera que tiene conocimientos de datos.2 Según Forrester, menos de la mitad de las instituciones académicas cuentan con iniciativas de habilidades de datos.3 Además, muchas corporaciones adoptan un enfoque a corto plazo al contratar empleados para llenar las brechas de habilidades inmediatas en lugar de invertir en alfabetización de datos y cultura de datos.

Los programas existentes se centran demasiado en las herramientas y la tecnología, y no logran desarrollar una comprensión fundamental de cómo se generan, usan y administran los datos en las empresas.

A dónde nos dirigimos

Las organizaciones competitivas ven el valor de las habilidades de datos y reconocen que preparar a la fuerza laboral para el futuro es mucho más que simplemente ofrecer capacitaciones en habilidades y herramientas de datos. Estas organizaciones tomarán medidas para que sus empleados adquieran la alfabetización de datos esencial.

El mundo académico incorporará la alfabetización de datos en los planes de estudio de todas las disciplinas. Los beneficios son claros: las instituciones educativas con iniciativas de habilidades de datos logran tasas de inserción laboral de seis meses un 11,5 % más altas para sus estudiantes que las universidades que no cuentan con ellas.3 En una presentación de 2021 ante el Departamento de Educación de Estados Unidos, el Consejo Nacional de Profesores de Matemáticas calificó las habilidades de datos como un “imperativo para nuestro futuro”, en un intento de promover un nuevo enfoque significativo, inclusivo e interdisciplinario para la educación en alfabetización de datos desde preescolar hasta el bachillerato.

Los empleadores aumentarán sus inversiones en alfabetización de datos. Un número creciente de empleadores reconocerá que enseñar a las personas a usar las herramientas y comprender cómo la tecnología beneficia al negocio es una parte fundamental de sus inversiones en tecnología. Como señaló el Departamento de Estado de EE. UU. en su estrategia de datos empresariales, “no se trata solo de una oportunidad, sino de un requisito para que Estados Unidos mantenga su ventaja diplomática en el escenario global”.

Las organizaciones ampliarán su definición de habilidades de datos para incluir procesos de negocios y tecnológicos, entradas y salidas, y centrarse en la cultura de datos. Verán más allá de las herramientas y el dominio de la plataforma a fin de centrarse en el pensamiento crítico y aplicar la experiencia del dominio para resolver problemas de negocios. La cultura es clave para este cambio de mentalidad. La alfabetización de datos, es decir, la capacidad de explorar y comprender los datos y comunicarse con ellos, es uno de los pilares fundamentales de una cultura de datos. Fomentar tanto la alfabetización como la cultura vale el esfuerzo. Según se desprende de un informe de TDWI, en las organizaciones con alfabetización de datos, “la cultura es colaborativa y está orientada a los resultados (un 92 % frente a un 46 %), y los objetivos de análisis están vinculados a los objetivos de administración (un 73 % frente a un 40 %)”, en comparación con las organizaciones con pocos conocimientos de datos o sin ellos. Las organizaciones con una cultura de datos sólida experimentan una mayor colaboración y ventajas competitivas, entre otros beneficios.

También aceptarán que no pueden hacerlo solos. Sin los recursos, la experiencia interna y las capacidades para ejecutar sus propios programas educativos, o mantenerse al día con los cambios, las organizaciones verán la alfabetización de datos como una iniciativa de la comunidad. Adoptarán enfoques ágiles y no tradicionales y se asociarán con programas de capacitación de terceros.

Recomendaciones

1. Fomente la cultura de datos y la alfabetización de datos en conjunto. Su éxito es interdependiente, así que no pase por alto el valor de invertir en una combinación de alfabetización y un cambio cultural. Además, recuerde que el cambio no ocurrirá de la noche a la mañana. Sea paciente, continúe trabajando y reconozca que es un compromiso continuo.

  • Diseñe un marco para establecer objetivos comunes y estructurar iniciativas para un éxito sostenible.
  • Estandarice términos, niveles de habilidad, métricas de éxito y procesos en toda la empresa.
  • Motive a las personas. Haga que se entusiasmen con lo que pueden hacer con los datos.
  • Modele y fomente la toma de decisiones basadas en los datos y demuestre el valor que poseen los datos.
  • Cree un espacio para la discusión, el aprendizaje y el desarrollo.

 

2. Contrate y capacite para el futuro. Tenga en cuenta las declaraciones del Departamento de Estado de Estados Unidos: “Nuestras prácticas de contratación evolucionarán para incluir las habilidades de datos necesarias. Los conjuntos de habilidades de datos deben ser un componente integral para una gama más amplia de puestos clave. Si no se abordan las brechas de habilidades de datos, la contratación del Departamento no podrá seguir el ritmo de las necesidades de datos que no dejan de evolucionar”. Para cumplir con este objetivo, “se reclutará, capacitará y motivará a la fuerza laboral y se creará un lugar de trabajo donde los datos se busquen, valoren y utilicen con fluidez cada día para la toma de decisiones en todos los niveles y zonas geográficas”. ¿Qué podría implicar esto para su organización?

  • Modifique las prácticas de contratación y las expectativas de los puestos para exigir habilidades básicas de datos.
  • Asóciese con instituciones educativas que cuenten con iniciativas de habilidades de datos y reclute estudiantes con alfabetización de datos.
  • Proporcione opciones para mejorar las habilidades de datos de la fuerza laboral y fomente la participación en ellas.
  • Cree comunidades de datos para impulsar el crecimiento, la colaboración y el desarrollo continuos.
  • Identifique y reclute expertos, o campeones de datos, para desarrollar programas de capacitación corporativos. Cree una cultura de toma de decisiones basada en los datos para retener a esos expertos.

 

3. Desde el inicio: invierta en planes de estudios de habilidades de datos, en todas las disciplinas académicas y niveles de competencias, y facilite el acceso a ellos. Para aquellas personas en el sector de la enseñanza, nunca es demasiado pronto, o demasiado tarde, para enseñar habilidades de datos y pensamiento crítico. Incluya las habilidades fundamentales de datos en todas las etapas de la educación y prepare a más estudiantes para que trabajen con los datos y los comprendan en sus funciones profesionales.

  • Incorpore el desarrollo de habilidades de análisis y de pensamiento crítico en todos los cursos. Recuerde a los estudiantes que en todas las carreras futuras se podrán usar, y se usarán, los datos.
  • Anime a los estudiantes a incluir datos en sus investigaciones y trabajos.
  • Haga que los datos sean divertidos. Explore cómo se muestran los datos en el mundo real y dé vida a los conceptos de datos.
  • Comunique el valor de las habilidades de datos, desde el poder para impulsar su carrera profesional hasta el de cambiar el mundo.
  • Obtenga software, planes de estudio y recursos gratuitos para instructores y estudiantes a través del programa académico de Tableau.

 

4. Invierta en programas para desarrollar competencias en el uso de la plataforma y las herramientas de análisis y en alfabetización de datos para toda la fuerza laboral. Piense a largo plazo: no se centre solo en sus necesidades a corto plazo con capacitaciones para las herramientas y la tecnología de que dispone actualmente. Eduque a las personas sobre los conceptos fundamentales independientemente de la solución tecnológica específica, por ejemplo, sobre cómo los datos ofrecen valor al negocio. No intente reinventar la rueda. Enseñe lo básico. Piense en los conceptos básicos relacionados con los datos. Capacite a las personas internamente, si puede, y subcontrate el resto.

Ayude a los empleados a desarrollar habilidades más avanzadas al asociarse con organizaciones de terceros a fin de adoptar las soluciones disponibles. Consulte programas como el curso profesional de ciencia de datos aplicada del MIT, DataCamp for Business, la Academia de Datos de Avado, la revolución del desarrollo de habilidades del Foro Económico Mundial, la Academia de Datos y Análisis de Coursera, las capacitaciones gratuitas de Test Automation University y los cursos sobre datos de la Academia Khan.

1 Gartner®, Maximice el valor de sus iniciativas de ciencia de datos al capacitar a los científicos de datos ciudadanos (en inglés), Pidsley, David and Idoine, Carlie, 7 de diciembre de 2021

2 Informe del IDC, patrocinado por Tableau, Cómo la cultura de datos impulsa el valor del negocio en las organizaciones basadas en los datos, Doc. US47605621, mayo de 2021.

3 Forrester Consulting, Informe sobre el liderazgo de ideas, solicitado por Tableau, Las grandes brechas en la alfabetización de datos: la demanda de habilidades de datos supera la oferta (en inglés), junio de 2021

El creciente reconocimiento del valor estratégico de los datos impulsa técnicas flexibles y unificadas de gobernanza de datos que capacitan a todos los miembros de la organización.

Kate Wright

Vicepresidenta sénior de desarrollo de productos, Tableau

Kate Wright es líder en análisis con más de 17 años de experiencia en desarrollo, administración de productos y liderazgo. Es responsable de la ingeniería de análisis, la administración de productos y la experiencia general del usuario para Tableau y CRM Analytics.

Cómo llegamos hasta aquí

El valor, y el volumen total, de los datos nunca ha sido mayor. Los datos no son un componente fundamental para el éxito comercial en 2022. Los datos son el negocio.6 A medida que las organizaciones invierten en soluciones innovadoras de inteligencia artificial y centran todo en la nube, la demanda de funcionalidades de autoservicio y uso compartido de los datos ha aumentado junto con las regulaciones de privacidad y uso de datos. Las organizaciones con conocimientos digitales reconocen esta paradoja: una única fuente de veracidad es esencial, pero no puede almacenarse en un único lugar, ni tendrá a un grupo de personas responsables de su administración y seguridad.

Las organizaciones deben adoptar un nuevo enfoque para la gobernanza y la administración de datos. Este debe combinar la flexibilidad y la capacitación con una supervisión coordinada. Para innovar, competir y anticiparse a los requisitos de gobernanza y seguridad, las organizaciones que desean tener éxito deberán adoptar técnicas de gobernanza de datos unificadas. Este enfoque, que combina estándares de gobernanza definidos de manera centralizada con autoridad de dominio local, permitirá a las organizaciones aprovechar diversas áreas de experiencia al involucrar a usuarios más diversos en todo el negocio.

Después de todo, la relevancia en nuestro mundo digital depende de obtener valor de los datos. Pero ¿cómo? En la última encuesta sobre CDO de Gartner, se descubrió que “el 72 % de los líderes de datos y análisis que están altamente involucrados en iniciativas de negocios digitales o que las lideran” no están seguros de cómo construir una “base confiable para el uso de los datos”, necesaria para acelerar sus esfuerzos y alcanzar los objetivos de negocios.7

Sin procesos repetibles y escalables para garantizar el descubrimiento, la seguridad y la comprensión los datos, así como la confianza en ellos, la flexibilidad y la innovación pueden verse en entredicho. A menos que las organizaciones rediseñen la gobernanza de datos, el sueño de un análisis de autoservicio confiable y en tiempo real se quedará en eso: un sueño.

A dónde nos dirigimos

Las estrategias eficaces de gobernanza de datos siempre se han basado en la confianza. En 2022, veremos a las organizaciones adoptar un cambio de mentalidad para llevar a cabo un enfoque más inclusivo para la gobernanza y la administración de datos.

“Inclusivo” hace referencia a sistemas y procesos diseñados para muchos, no solo para unos pocos. Implica reconocer que TI y el negocio no están en conflicto cuando se trata de la gobernanza y la administración de datos. Cuando los propietarios tradicionales de los datos (los equipos de TI) invitan a los equipos de negocios a formar parte de la solución, todos pueden trabajar en conjunto con objetivos compartidos y allanar el camino para la innovación.

¿En qué consiste esto? Desarrollar y expandir. Proporcione a las personas las herramientas para hacer el trabajo por sí mismas, pero gestione el riesgo con medidas de seguridad controladas de forma centralizada. Por ejemplo, TI puede definir el marco de gobernanza para los aspectos que afectan a toda la organización (como las dependencias, los catálogos de datos, los estándares, las reglas de validación, la administración de metadatos y la arquitectura) al tiempo que extiende el control a los equipos de negocios en función de sus necesidades. Con este enfoque “a medida”, los expertos en el dominio pueden resolver problemas de negocios en contexto. Además, hace posible la confianza, el descubrimiento y la innovación.

Para integrar la gobernanza de datos en todo el negocio, la alfabetización de datos es esencial. Todos deben hablar un idioma común y participar en las iniciativas de gobernanza. Sin embargo, más importante aún, todos deben comprender los aspectos fundamentales de los datos. Centrarse en la transparencia y la capacidad de descubrimiento hará que sea más fácil encontrar y descubrir datos a medida que las organizaciones continúan centralizándolos en un solo lugar. De esta manera, todos pueden estar al tanto de qué se mide, cómo se define, dónde se encuentra y quién es el propietario. Aquellas organizaciones que hagan todo esto correctamente podrán obtener una comprensión general de cómo fluyen los datos a todos los rincones del negocio y cómo mantener la confianza y la seguridad.

Recomendaciones

1. Haga un inventario de dónde se encuentra y hacia dónde quiere ir. Debe comprender qué datos está utilizando para saber dónde se encuentra. Haga preguntas e interactúe con personas de toda la organización a fin de entender con qué datos cuenta, cómo se usan y cuán relevantes son. No nos cansaremos de repetirlo: la confianza es fundamental. Pregunte a las partes interesadas qué necesitan para tener éxito. Aproveche marcos de trabajo de terceros, como el programa de madurez de administración de datos (DMM), para comparar sus capacidades e identificar fortalezas y brechas.

2. Adopte un enfoque centrado en la asociación. Pista: comienza con la confianza. Es cierto que los equipos de TI necesitan mantener un estricto control de algunos aspectos, pero no pueden controlarlo todo, ni deberían hacerlo. Trabaje en colaboración con los equipos de negocios. Comience a generar confianza en las personas y los procesos al mejorar las habilidades de los usuarios corporativos para que usen los datos de manera responsable. Los procesos transparentes y los datos actualizados y seguros también resultan de gran utilidad. Aproveche los resultados positivos para demostrar el valor de trabajar en conjunto a toda la organización.

3. Céntrese en la unificación. Acepte que la estrategia de datos no se puede forzar y que nunca obtendrá un control completo y centralizado. Luego, adopte un enfoque más unificado. Trabaje para lograr un equilibrio donde el nivel de gobernanza sea el adecuado y pueda desarrollar una asociación con los equipos de negocios. No intente reinventar la rueda. Utilice marcos reconocidos por el sector, como el programa de DMM o el marco de capacidades de administración de datos en la nube del consejo de EDM. De esta manera, podrá reducir la fricción y comprender mejor de qué se trata el éxito.

6 Forrester Consulting, Superar los desafíos de la gobernanza de datos: marco para la eficacia y la sostenibilidad (en inglés), Goetz, Michelle, febrero de 2021

7 Gartner®, Predicciones para 2022: las estrategias de datos y análisis generan confianza y aceleran la toma de decisiones (en inglés), Jorgen Heizenberg, et.al, 2 de diciembre de 2021

8 Gartner®, Los requisitos modernos de datos y análisis exigen una convergencia de las capacidades de administración de datos, Guido de Simoni, et.al, 20 de enero de 2021

Los datos se convierten en el medio para aumentar la visibilidad de las personas y las organizaciones, comprender sus problemas e interactuar con las instituciones destinadas a satisfacer sus necesidades.

Neal Myrick

Director global de Tableau Foundation, Tableau

Neal Myrick es vicepresidente de impacto social de Tableau y director global de Tableau Foundation. Lidera las inversiones filantrópicas de la empresa para promover el uso de los datos en pos de un mundo más justo y equitativo. Neal es un padrino inversor activo y forma parte de varias juntas asesoras mundiales de salud y desarrollo.

Cómo llegamos hasta aquí

Los datos son un recurso útil para el cambio. Después de años de trabajar con nuestros socios sin fines de lucro en Tableau Foundation, hemos descubierto que no todos los miembros de la sociedad se benefician por igual de este recurso. Muy pocos datos son verdaderamente representativos y muchos suelen carecer de contexto y matices de las experiencias vividas. Esto afecta el potencial de los datos, ya que puede generar desconfianza en ellos, especialmente por parte de aquellos individuos y grupos que no se ven representados. Esta falta de confianza puede impedir que los grupos sin representación usen los datos para generar poder e influencia.

Esto no significa que tengamos todas las respuestas. Sin embargo, a medida que hablamos con nuestros socios, identificamos una tendencia emergente basada en experiencias del mundo real y que tiene el potencial de marcar el rumbo para la promoción y participación de la comunidad.

Para que las soluciones de datos sean relevantes, eficaces y sostenibles, deben diseñarse en colaboración con las comunidades a las que pretenden representar y respaldar. Al cambiar la dinámica, los datos ayudan a capacitar a las personas y las organizaciones para que aborden los problemas complejos con diferentes facetas más importantes para ellos. Como marco, la equidad de datos puede convertirse en un enfoque para garantizar que los datos sean más inclusivos, representativos y efectivos como herramienta de promoción. Esto se debe al sentido compartido de pertenencia que genera en todas las partes interesadas involucradas.

En el mejor de los casos, este enfoque debería generar tantas preguntas como respuestas en un proceso de mejora continua. ¿Los datos reflejan las experiencias que se supone que representan? ¿Hay algo más que podamos hacer en la forma en que recopilamos y analizamos los datos para asegurarnos de que sean representativos? ¿Estamos contando la historia a través de los datos de una manera que se alinea con el lugar donde se encuentra nuestro público y que lo acompaña en el proceso de cambio como socios en lugar de adversarios?

Las organizaciones que ven los datos como un activo estratégico, construyen una cultura de datos y promueven la alfabetización, están encontrando nuevos y eficaces usos para los datos. Estos incluyen el uso de los datos para generar nuevas políticas, reformular las existentes e iniciar conversaciones sobre financiación. El acceso a los datos se está expandiendo a las organizaciones comunitarias que tradicionalmente no estaban equipadas con la tecnología y los recursos de datos para exigir responsabilidad a los gobiernos locales y los organismos de poder. En la actualidad, cada vez más organizaciones sin fines de lucro, organizadores y trabajadores comunitarios ven y utilizan los datos como un activo estratégico, construyen culturas de datos y mejoran su nivel de alfabetización de datos.

A dónde nos dirigimos

Al ver los datos como un activo estratégico y comprometerse con una cultura de datos organizativa, es posible iniciar nuevas conversaciones relevantes sobre políticas y cómo nuestros organismos públicos invierten en las comunidades. Es necesario democratizar los datos para las organizaciones que pueden haberse mostrado reacias a incluir los datos y el análisis en sus esfuerzos de promoción. Esto no solo implica poner los datos a disposición de las personas, sino facilitar el acceso para aquellas personas que no son expertos en ciencia de datos. Además, a medida que algunas organizaciones sin fines de lucro y organizadores comunitarios descubren que sus iniciativas de promoción de datos generan un impacto realmente positivo en las vidas de las personas por las que luchan, muchos otros se preguntan: “¿Qué podríamos hacer aquí, en nuestra comunidad y con nuestros datos, para marcar la diferencia?”.

Las organizaciones están adoptando un enfoque intencional para sus culturas de datos e invirtiendo en habilidades de datos dentro de la organización y en el conjunto de la comunidad. De esa iniciativa, están surgiendo prácticas recomendadas y hay organizaciones que están teniendo éxito al combinar estas acciones:

  • Democratizar los datos y los recursos relevantes al hacerlos públicos
  • Desagregar los datos para que sean más representativos
  • Usar un lenguaje centrado en las personas junto con los datos de estas
  • Reordenar cómo se presentan tradicionalmente los datos
  • Usar modelos centrados en experiencias humanas

El director del programa de impacto social de Tableau, Channing Nesbitt, compartió la importancia de desagregar los datos al desglosarlos y observar los diversos campos, unidades o medidas en lugar de usar exclusivamente datos promediados o resumidos. “Esto les da una voz a los miembros de la comunidad cuyas experiencias a menudo se pasan por alto y no se ven reflejadas en datos más generalizados y agregados, a quienes esa falta de inclusión puede perpetuar, o incluso aumentar, los desafíos que enfrentan”. También puede resultar más aclarador que el sexo, la raza y los ingresos por sí solos. Se obtienen más detalles sobre la experiencia única de un individuo, como la de una mujer negra con un título de posgrado que busca un préstamo hipotecario, por ejemplo. Los datos desagregados permiten ver más claramente a las personas en los datos. Esto ayuda a satisfacer mejor sus necesidades y optimizar las soluciones que brindan los gobiernos, las instituciones y las organizaciones comunitarias.

Todos estos cambios mejoran la precisión y la capacidad de inclusión de los datos. Además, ofrecen un mejor panorama contextual de las personas que hay detrás de los puntos de datos, lo que permite representar mejor a todos los miembros de una comunidad y satisfacer sus necesidades de forma más eficaz.

Los datos representativos más precisos pueden validar las experiencias vividas y ayudar a las personas y los grupos comunitarios a desarrollar más poder e influencia para lograr sus objetivos.

Optimizar los datos y aprovechar la equidad de datos como marco ayuda a las personas a iniciar o replantear conversaciones y genera resultados beneficiosos posteriores en las solicitudes de financiación y los cambios de políticas. Este marco ayuda a los gobiernos y las instituciones a medir y realizar un seguimiento del progreso en sus objetivos. Esto incluye desde los objetivos de desarrollo sostenible de las Naciones Unidas hasta las oficinas del fiscal del distrito local que comparten datos sobre procesamiento y procesos penales. Asimismo, permite que las partes interesadas de la comunidad interactúen directamente con sus gobiernos y otros organismos de poder desde una posición más equitativa.

Recomendaciones

Observamos que algunos de nuestros socios sin fines de lucro de mayor éxito están incorporando uno o más métodos para mejorar la equidad de datos. Si bien aún queda trabajo por hacer para refinar la lista, estas son algunas de las prácticas comunes de equidad de datos eficaces que utilizan nuestros socios.

1. Consulte a las comunidades más cercanas a los problemas que está tratando de resolver. Obtenga su opinión sobre qué preguntas formular para recopilar los datos correctos y en qué contexto se deben comprender y analizar los datos. Colaborar con las comunidades permite lo siguiente:

  • Aumentar la precisión y generar confianza en los datos, lo que aumenta la probabilidad de que los datos se utilicen y se haga referencia a ellos.
  • Garantizar que los datos sean útiles para la comunidad y relevantes para los problemas que se esperan abordar.
  • Generar datos prácticos que impulsarán los resultados y podrán revelar qué funciona y qué no, y ayudar a establecer prioridades colectivas.

 

2. Haga que los datos sean relevantes y representativos de las personas y comunidades que los utilizan. Necesitamos ver más claramente a las personas en los datos para comprender y abordar mejor las necesidades de las personas que los utilizan.

  • Desagregue los datos tanto como sea posible, siempre manteniendo la privacidad.
  • Busque puntos de datos relevantes que describan una experiencia personal más matizada. Los datos sobre una raza, etnia, sexo o nivel de ingresos por sí solos no brindarán el mismo contexto y perspectiva que la capacidad de ver los aspectos esenciales de la identidad juntos.

 

3. Comparta los datos con las comunidades y adapte los resultados a través de ciclos de comentarios.

  • Las comunidades necesitan acceso a los datos para beneficiarse plenamente de ellos. Compartir los datos refuerza el círculo virtuoso del uso de datos: cuantos más datos se utilicen y más comunidades respondan sobre ellos, más probable será que estos se sigan recopilando y analizando.
  • Sea responsable en la forma en que comparte los datos y adapta sus iniciativas. Mantenga la privacidad de los datos para generar y aumentar la confianza.

 

4. Equipe a las personas y las comunidades con las herramientas y los conocimientos necesarios para utilizar los datos de manera eficaz.

  • A medida que los conjuntos de datos aumentan en tamaño y complejidad, las iniciativas de alfabetización de datos y desarrollo de habilidades de datos se vuelven más importantes para garantizar que las personas sepan cómo dar sentido a la información a la que tienen acceso.
  • Las organizaciones comunitarias deben tener más acceso a las soluciones tecnológicas.
  • Las organizaciones también necesitan tener acceso a más fondos sin restricciones que puedan usar para financiar los costos y gastos generales asociados con la tecnología.