¡Suscribite al newsletter!
Empresa 1: hay data dando vueltas entre varios sistemas, de empresas que fueron adquiridas o fusionadas a lo largo del tiempo. Obviamente, hay una expresa necesidad de comparar manzanas con manzanas, y no manzanas con ediciones de La Biblia. Equipo trabaja para empezar a consistir. Se gastan millones en eso. Hay data disponible. Finalmente nadie usa nada.
Empresa 2: hay data dando vueltas en distintos reportes. A alguien se le ocurrió que era una brillante idea consistir la data en un warehouse (que no es tal, es la misma base de datos transaccional que genera tal información) y consistirla en un “modelo dimensional” que se parece más a un macramé hecho por mi. Tal esfuerzo generó sólo 8 reportes nuevos en dos años, por falta total de criterio: data transaccional, a modelo dimensional, a reporte transaccional pero con reglas de negocio extrañas (al jefe le gusta sólo una persona llamada Álvaro, entonces hay que filtrar por el y lo demás descartarlo). Negocio no usa nada, porque nada tiene sentido, por más que así lo hayan pedido.
Empresa 3: hay data dando vueltas entre encuestas. Se les ocurre meter todo en un Power BI, porque hay que mostrar que se avanza en algo que no sea un Excel. Se usa, pero mal: no DAX, no fórmulas, no nada. Sólo un esqueleto bobo. El cliente se da cuenta que para hacer eso (y pagarlo!) lo pueden hacer ellos, y el contrato se corta.
Mis preocupaciones sobre la exposición que tengo sobre lo que conozco pasan puntualmente por dos cuestiones fundamentales en un proyecto de datos:
- Hay poco o nulo conocimiento de cómo procesar información.
- Hay poca o nula directiva de para qué se usa la información, por más que el proceso sea acorde.
A esto no lo estoy inventando yo: ya lo dijo Gartner en una encuesta en 2023, donde comentaban que menos de la mitad de los equipos de data se consideran buenos ofreciendo valor a la organización de la que son parte. Ojo, esto puede haber cambiado con la IA, pero a mi arbitrario criterio, no creo que haya cambiado demasiado.
Y hay algo de cierto en la encuesta. Hay estrategias de las que formé parte en las que no estuve de acuerdo pero no había opción por los recursos que había. Hay estrategias en las que estuve de acuerdo pero que negocio (es decir, las personas interesadas en la información) no le vió finalidad.
Qué agradable cuando alguien ve que usan su reporte o proceso. Y aún mejor, que pidan mejoras: quiere decir que le están prestando atención.
Creo honestamente que en las empresas pequeñas y medianas, y remarco acá a las argentinas, no se tiene dimensión acerca de cómo funciona el análisis de la información, de cómo puede ayudar esta a optimizar inventario o mejorar márgenes, y de utilizarla para la retroalimentación de procesos.
Un reporte no tiene que terminar en un papel para que después vuelva a pasarse a un Excel.
Hay que entrenar a los liderazgos de empresas para reconocer métricas, reconocer cuales están ausentes, saber generarlas, y sobre todo, interpretarlas. Y eso, querido lector, no lo hace ChatGPT.
Para tener éxito, hay que gestionar una estrategia de data governance: quién gestiona qué, y cómo, para generar valor de tal manera. Pero son estrategias costosas, que implican años de trabajo, miles de dólares y cambios organizacionales. Aunque hey, podés empezar con algo chiquito: ver qué datos tenés y cómo se genera valor con eso, para entrenar la estrategia sobre la marcha.
