El motivo por el cual las empresas siguen sin ser data-driven: la ausencia del Data Owner

En la era de los datos —fabricamos más datos que nunca— las empresas siguen sin ser capaces de aprovechar su valor. Los intentos de convertirse en compañías data-driven se ven frustrados por problemáticas que una nueva figura profesional, la del Data Owner, podría solventar. 

Foto: Negative Space

Un reciente estudio de NewVantage Partners sitúa el mundo de los datos en una situación paradójica; concluye que el 62,2% de las compañías aún no han conseguido implementar una cultura data-driven. La revista Forbes lo confirma con una investigación en la que, los líderes empresariales encuestados, afirman que sus organizaciones son cada vez  menos data-driven.

Esto resulta especialmente desconcertante si tenemos en cuenta que la cifra de datos generados anualmente no deja de aumentar año tras año y, de hecho, la consultora de business intelligence IDC ya advertía en 2018 que en 2025 llegaríamos a producir 175 trillones de gigabytes de datos. Por lo tanto, y contra todo pronóstico, parece que los datos avanzan más rápido que las personas y que producimos más datos de los que somos capaces de aprovechar. Sin duda, es motivo de reflexión y deberíamos cuestionarnos qué es lo que está impidiendo a las organizaciones aprovechar la tecnología para que sus negocios estén más orientados a los datos. 

De la industria del reciclaje a las compañías de datos: la limitación de trabajar con material de mala calidad

En este artículo, Ryan Gross, vicepresidente de Pariveda Solutions, hace una comparación singular pero acertada sobre las empresas de datos y la industria del reciclaje: "Los costes de producir algo útil son extremadamente altos debido al elevado coste de limpiar el desorden mixto de plástico embolsado, cartón, basura y metales que se vierte en la planta de reciclaje. Cuando se asume que un negocio puede tomar todo lo que se le da y ser consistentemente rentable, se está preparando para el fracaso. [...] Volviendo a los datos, las condiciones son en realidad un poco peores que en el reciclaje, porque a los equipos de datos no se les pide simplemente que produzcan materias primas."

Asimismo, Gross identifica 3 problemas que impiden a las empresas convertirse en data-driven:

1. Las personas que controlan los datos dentro de una organización, mediante la creación o selección de sistemas operativos, desconocen para qué pueden ser usados y, por lo tanto, no optimizan la recopilación de datos —compilando información innecesaria o más datos de los necesarios—. 

2. Debido al factor anterior, las personas que crean soluciones de datos se encuentran entre la espada y la pared, lo que hace que quienes utilizan los de datos para la toma de decisiones negocio, no confíen en ellos.

3. Nadie se encarga de estimar el impacto de los problemas 1 y 2. Por ende, con el tiempo, la calidad de los datos se convierte en un coste invisible al que nadie presta atención.

Todo esto supone que las compañías de datos se vean obligadas a participar en una lucha en la que están en desventaja: conseguir extraer información de valor o insights de conjuntos datos poco limpios, ausentes y malinterpretados. Es decir, no es que las compañías dedicadas al data sean poco eficientes, es que trabajan con material muy poco productivo, igual que pasa en la industria del reciclaje.

La figura del Data Owner: de la industria del reciclaje a la industria manufacturera

Sean McCall, vicepresidente de Pariveda Solutions, cree que la solución a este problema pasa por crear un nuevo perfil profesional: el Data Owner o propietario de datos, la función del cual sería, principalmente, maximizar el valor de los datos.  

El Data Owner sería la figura que controlaría la cadena de suministro de datos  —encargándose de un dominio de datos concreto: ventas, cliente, marketing, etc.— y exigiría los cambios y requisitos necesarios a los científicos de datos para aumentar su valor. 

Gross concreta un poco más y define las funciones del Data Owner:

• Definir y construir la estrategia de negocio de los datos de su dominio en colaboración con los propietarios de datos de otros dominios.
• Proponer los cambios en las fuentes de datos proporcionando requisitos relacionados con la captura y el modelado de datos.
• Diseñar métodos de evaluación de datos que den respuesta a las preguntas y validen las intuiciones sobre su dominio de datos.
• Priorizar la resolución de problemas de datos dentro de su dominio frente a otros trabajos.
• Interactuar con los consumidores de datos de su dominio para proporcionar un contexto adicional sobre el uso de los datos y garantizar que los metadatos y la documentación reflejan con precisión el mundo real y son útiles para los consumidores self-service de los datos.

Asimismo, establece las habilidades que debe tener un Data Owner: 

• Profundo conocimiento de su dominio de datos y del área de negocio al que aplican.
• Habilidades de diseño centrado en el usuario y entender las necesidades de los consumidores de datos.
• Orientación hacía la estrategia y capacidad de valorar y defender sus ideas.
• Controlar las complejidades de los productos de datos, teniendo un sólido entendimiento de estadística y del sector.
• Capacidad de comunicación con técnicos (desarrolladores de software, arquitectos de datos, ingenieros de datos) y empresarios.
• Comprensión básica de prácticas de modelado de datos que le permitan abogar por las entradas de datos adecuadas.
  

¿Qué soluciona el Data Owner?

Implementar la figura del Data Owner soluciona los 3 problemas nombrados al principio de este artículo y que, según Gross, están evitando que las empresas sean, al fin, data-driven. Los recordamos:

1. La primera problemática se refería a que las personas que actualmente controlan los datos dentro de una empresa, desconocen su uso y, por lo tanto, recopilan y trabajan más datos de los realmente necesarios o, aún peor, los datos equivocados. El Data Owner resolvería esta problemática ordenando la captura de datos específicos basándose en objetivos y estrategias de negocio concretas. 

2. El segundo problema recae en que los creadores de soluciones basadas en los datos no confían en ellos. El Data Owner priorizaría trabajar en la calidad de los datos (data quality) antes que en la producción de nuevos conjuntos de datos.

3. Por último, el tercer problema es que, dentro de las organizaciones, no existe la figura de alguien que evalúe y analice el impacto de la baja calidad de los datos de los que disponen. En este sentido, un Data Owner debe justificar la  hoja de ruta de los datos construyendo un caso de negocio convincente en los que serán aplicados y priorizarlo frente a otras iniciativas.

En definitiva, reciba el nombre que reciba, parece indudable que las compañías necesitan una figura que comprenda tanto los datos, como el negocio y el valor que los datos pueden aportar al negocio. Son precisamente los datos los que indican que algo no estamos haciendo bien y que, si no ponemos solución a los problemas de base, seguiremos coleccionando datos de mala calidad en vez de construir valor con el material apropiado.