5 pasos para crear una estrategia de datos empresariales, directamente de un experto

Los datos pueden ser una palabra aterradora.

No debería serlo, pero lo es. Principalmente porque la gente lucha por saber cómo gestionarlo.

Muchas empresas han llegado al punto en el que tienen tantos datos que no saben a dónde ir a continuación. Otros creen que son tan pequeños que no hay necesidad de invertir en una estrategia de datos empresariales.

La verdad es que, independientemente del tamaño de su empresa y del estado actual de sus datos, se beneficiará al implementar una estrategia de datos.

Para ayudarle a empezar, hemos contado con la experiencia de Zosia Kossowski, el gerente de producto del grupo para el equipo de inteligencia empresarial de HubSpot (es decir, nuestro experto interno en estrategia de datos).

Cuando termine de leer este artículo, tendrá una mejor idea del nivel actual de madurez de los datos de su empresa, qué factores considerar antes de desarrollar su estrategia y algunos pasos que lo ayudarán en el camino.

A pesar de la creencia popular, una estrategia de datos empresariales no es únicamente para grandes empresas con grandes volúmenes de datos. De hecho, las pequeñas empresas pueden beneficiarse al invertir en una estrategia de datos desde el principio y sentar las bases que les ayudarán a escalar.

Beneficios de una estrategia de datos empresariales

El problema común al que se enfrentan muchas organizaciones es que, si bien recopilan una gran cantidad de datos, cada equipo los interpreta a su manera. No existe un método de generación de informes estándar y es posible que cada equipo informe un valor diferente para la misma métrica.

Esto significa que todos terminan con datos diferentes sin una comprensión clara de cuál es la exactitud. Cuando no existe una única fuente de verdad, resulta increíblemente difícil confiar en sus datos y obtener información valiosa.

"Los datos no existen simplemente en un silo", dijo Kossowski. “El equipo de marketing no va a utilizar únicamente datos específicos de marketing sobre los que ningún otro equipo tiene influencia. También querrán obtener información de diferentes áreas”.

Y continúa: "Por eso, un elemento de gobernanza, estandarización y un lenguaje común es realmente importante para garantizar que esos equipos puedan comunicarse entre sí".

Entonces, al implementar un EDS, se evitan los silos de información, se permite la confianza en los datos y se permite la toma de decisiones.

Qué considerar al crear una estrategia de datos empresariales

1. Su nivel actual de madurez de datos

Lo primero que Kossowski recomienda hacer antes de desarrollar su estrategia es una autoevaluación.

Pregúntese: ¿Dónde se encuentra su empresa en la etapa de madurez de los datos?

Dell tiene un "Modelo de madurez de datos" ampliamente utilizado que ayuda a las empresas a determinar qué tan basada en datos está realmente su empresa. Hay cuatro etapas:

• Consciente de los datos – Su empresa no ha estandarizado su sistema de informes y no existe integración entre sus sistemas, fuentes de datos y bases de datos. Además, existe una falta de confianza en los datos mismos.
• Competente en datos – Todavía hay falta de confianza en los datos, específicamente en su calidad. Es posible que haya invertido en un almacén de datos, pero todavía faltan algunas piezas.
• Conocimiento de datos – Su empresa está facultada para tomar decisiones comerciales a partir de sus datos. Sin embargo, todavía quedan algunos problemas por resolver entre los líderes empresariales y TI, ya que TI trabaja para proporcionar datos confiables bajo demanda.
• Datos impulsados – TI y las empresas están trabajando estrechamente y están en la misma página. Ahora, la atención se centra en ampliar la estrategia de datos porque el trabajo básico (en particular, la integración de fuentes de datos) ya se ha implementado con éxito.

Lo más importante aquí es ser realista acerca de dónde se ubica su empresa.

"Creo que el mayor obstáculo que veo es no ser realmente honesto consigo mismo acerca de dónde se encuentra su empresa en la etapa de madurez de los datos", dijo Kossowski.

Añade que no basta con observar los sentimientos que tienes sobre cómo te impulsan los datos. pensar tu empresa lo es. Mire los hechos.

Comience por identificar los problemas de datos que enfrenta actualmente su empresa, ya que es un excelente indicador de su situación.

2. Su industria y tamaño de su empresa

La industria en la que se encuentra y el tamaño de su empresa determinarán si adoptará un enfoque centralizado o distribuido para su estrategia de datos.

Pero antes de analizar esos enfoques, hablemos de dos marcos de estrategia de datos: ofensiva y defensiva.

Durante mi conversación con Kossowski, ella mencionó cómo este marco (explicado en detalle esta página) ha ayudado a HubSpot a desarrollar su propia estrategia.

La defensa de datos prioriza aspectos como la seguridad, el acceso, la gobernanza y la precisión de los datos, mientras que la ofensiva de datos se centra en obtener conocimientos que permitan la toma de decisiones.

Toda empresa necesita un equilibrio entre ataque y defensa. Sin embargo, algunos se inclinan más hacia un extremo del espectro según su industria.

Una organización de atención médica o una institución financiera, por ejemplo, probablemente maneja datos altamente confidenciales, donde la privacidad y la seguridad de los datos son primordiales.

Obtener datos en tiempo real e información rápida probablemente no sea una prioridad principal, mientras que proporcionar barreras de seguridad sobre quién puede acceder a los datos probablemente sí lo sea. Como tal, se inclinarán más hacia un marco de defensa.

Por otro lado, están las empresas de tecnología, una industria que tiende a moverse rápidamente y depende más de una rápida transformación de los conocimientos de los datos.

Entonces, se inclinan más hacia la ofensiva. Dicho esto, ciertamente hay departamentos dentro de las empresas de tecnología (y otras industrias de rápido movimiento) que se centrarán más en la defensa, como las finanzas.

Ahora volvamos a las estrategias centralizadas y distribuidas.

El marco que utilice le informará qué estrategia sirve mejor a su empresa.

En una estructura centralizada, tiene un equipo centralizado de informes o inteligencia empresarial (BI) que gestiona y prepara los datos y los informes.

"Esa [estructura] puede funcionar mucho mejor en una organización más pequeña, y especialmente en una organización que prioriza la defensa porque se va a mover más lento", dijo Kossowski. "Vas a ser el cuello de botella, pero también tienes un control estricto sobre cada parte".

Un modelo distribuido, por otro lado, funciona mejor para equipos más grandes que adoptan un enfoque ofensivo. De esta manera, cada equipo puede moverse rápidamente y está capacitado para trabajar de la manera que más les convenga.

En este modelo, BI simplemente es responsable de las plataformas y de establecer las barreras de seguridad mientras los equipos hacen el trabajo de desarrollo, explica Kossowski.

"Si piensas en una organización, a medida que la empresa crece, con un equipo más centralizado, se vuelve cada vez más difícil escalar", dijo. "Acabas teniendo que contratar más y más personas para poder lograrlo".

"Así que creo que, en un cierto tamaño de empresa, terminarás avanzando cada vez más hacia [una] [estrategia] descentralizada de todos modos".

Entonces, una vez que comprenda qué marco funciona mejor para su industria y tamaño, podrá implementar la estrategia adecuada.

3. Su equipo de gestión de datos

Según Kossowski, la ciencia de datos es actualmente el tema candente en la gestión de datos. Y ella no se equivoca.

En 2012, Harvard Business Review lo nombró el trabajo más sexy del siglo XXI. Casi diez años después, Glassdoor lo ha nombrado el segundo mejor trabajo de Estados Unidos.

Pero si está debatiendo qué función agregar a su equipo de gestión de datos, un científico de datos no debería ser su primera opción.

Kossowski destaca que su ciencia de datos sólo será tan buena como los datos que la impulsan. Y si esos datos no son confiables, no obtendrá información valiosa.

“La ciencia de datos no es una varita mágica que mágicamente convierte datos incorrectos en conocimientos. De todos modos, seguirás necesitando esa base de datos”, añade. “Entonces, lanzarme a hacer algo porque es el próximo gran avance, creo que es una gran preocupación”.

Si se encuentra en las primeras etapas del modelo de madurez de datos, Kossowski tiene una sugerencia sobre dónde centrar sus esfuerzos.

"Un arquitecto de almacén de datos o incluso un analista de datos con experiencia en escribir SQL y crear tablas SQL", dice. “Si solo vas a contratar a una persona y no tienes tantos datos, puede ser una contratación realmente poderosa porque hay muchas cosas que una persona puede hacer cuando estás en una escala más pequeña. Pueden desempeñar muchas funciones diferentes y aprender cosas diferentes”.

Cuando se trata de tareas más técnicas, como la ingesta de datos en el almacén, existen herramientas de terceros que puede utilizar para hacerlo por usted.

En esta etapa, lo que realmente necesita es alguien que le ayude a estructurar sus datos.

1. Describe tu arquitectura de datos.

Lo primero que debe hacer es comprender sus datos a nivel granular.

Hágase las siguientes preguntas:

• ¿Dónde vivirán los datos?
• ¿Qué tipo de datos recopilará y de qué fuentes?
• ¿Cómo se organizarán los datos?

El objetivo aquí es comprender la estructura de sus datos.

Si no se comprende la estructura, no se puede elaborar un plan integral sobre cómo gestionar sus datos.

2. Defina la relación entre BI y sus equipos.

Cuando se trata de estrategia de datos, uno de los pasos más importantes es definir los equipos involucrados en el proceso y establecer expectativas para BI.

En una organización grande que no ha pensado antes en la estrategia de datos, a menudo encontrará que cada equipo sigue un modelo diferente y tiene una relación diferente con BI, lo que dificulta que BI funcione de manera simplificada y estándar.

También desdibuja las líneas entre los roles del analista de datos y el BI.

El analista de datos debe conocer la lógica empresarial específica de su equipo y la estructura de los datos que se recopilan. BI, por otro lado, no debería necesitar tener conocimientos específicos sobre el área operativa que respalda, sino que debería centrarse en la fuente de datos y administrar la plataforma para respaldar al analista.

Cuando BI ajusta periódicamente su proceso para que coincida con la lógica empresarial específica del equipo, todo se ralentiza y crea una necesidad constante de reaprendizaje.

¿La sugerencia de Kossowki? Elimine la lógica empresarial de la capa de BI y trabaje en cosas que sean relevantes para tantos equipos como sea posible.

Además, elaborar un perfil de analista estándar y un modelo de relación entre BI y equipos.

"Todavía habrá algunos lugares donde trabajaremos en conjuntos de datos y no en toda la plataforma", dijo Kossowski, "pero en la medida de lo posible, estamos limpiando los datos base, haciendo que sea fácil unirse, pero no realmente haciendo esas uniones y la lógica para ellas”.

3. Asignar propiedad.

Después de establecer la relación entre sus equipos y BI, el siguiente paso es definir quién será el propietario de qué.

Es típico tener un propietario diferente para cada parte de los datos. Por ejemplo, una persona o equipo puede ser propietario de los datos operativos mientras que otro es propietario de los datos de los informes.

Es posible que también deba asignar propietarios en diferentes etapas del proceso. El equipo de BI puede poseer los datos en una etapa particular y luego pasárselos a los analistas.

Kossowski cree que la propiedad comienza con los equipos que producen los datos.

"Necesitan sentir cierto nivel de propiedad sobre los datos y tener cierto nivel de responsabilidad si algo anda mal", dijo. "Porque si hay un error en la fuente, es muy poco lo que BI puede hacer".

Ella continúa: "Y si intentas poner parches a ese nivel, simplemente te encontrarás con más problemas en el futuro, por lo que esa relación también es importante".

4. Establecer la gobernanza de datos.

La gobernanza de datos es un conjunto de políticas y regulaciones que informan cómo se recopilarán y almacenarán los datos para garantizar la precisión y la calidad.

En términos simples, la gobernanza de datos es decir "Oye, ¿quieres utilizar y ser parte de esta fuente de datos veraces que hemos creado? Entonces debes cumplir con este criterio."

Esto puede incluir cumplir con los estándares de codificación, tener una cierta cantidad de revisores y seguir un proceso de documentación específico.

"Cuando pensamos en la gobernanza y la adopción, en realidad se trata de los mecanismos que se pueden implementar para lograr el cumplimiento", dijo Kossowski.

Hay dos piezas que hay que considerar cuando se trata de gobernanza: la pieza cultural y el aspecto tecnológico.

Desde una perspectiva cultural, ¿cómo logra que sus equipos adopten estos estándares? Y desde una perspectiva técnica, ¿qué procesos puedes automatizar para que no todo requiera modificación de comportamiento?

Al pensar en estas dos piezas, debe considerar tanto el lado del analista como el del ingeniero (o equipo fuente).

Kossowski explica que para los equipos de ingeniería puede resultar difícil pensar en cómo se ven los datos cuando llegan al almacén porque no son una parte central de su producto o responsabilidad.

Es posible que no vean los beneficios tangibles de los datos a menos que sea una organización basada en datos que trabaje estrechamente con sus analistas. En este caso, los analistas pueden transmitir que los datos están impulsando X decisiones, por lo que hasta que los datos signifiquen requisitos Y, no se pueden tomar decisiones.

Para los analistas, es más fácil ver los beneficios porque están más cerca del negocio y pueden ver el impacto directo. Pueden darse cuenta de que seguir los estándares de gobierno de datos significa menos dependencia de BI, lo que hace que las cosas avancen más rápidamente.

“Los conocimientos de los datos tienen que impulsar las decisiones que se toman sobre el producto porque esa es la única manera de conseguir que los equipos de producto e ingeniería

"Aceptamos el valor de los datos y pensamos en sus datos a medida que se exportan", dijo Kossowski.

5. Vuelva a evaluar periódicamente.

Cualquiera que sea el modelo de madurez de datos en el que se encuentre, su estrategia de datos siempre necesitará algunos ajustes.

"[En HubSpot] tenemos un plan de tres años y todas estas ideas de lo que sucederá en cada uno de esos años", dijo Kossowski. Pero espero plenamente que dentro de un año, cuando lo analicemos, haya cosas que querremos modificar en función de cómo han cambiado las cosas”.

Por ejemplo, supongamos que introduce una nueva función en su producto o servicio y ahora está recopilando datos más confidenciales de los clientes. Esto puede requerir adoptar un enfoque más defensivo. Si su empresa crece exponencialmente, es posible que deba cambiar hacia una estrategia distribuida en lugar de una centralizada.

Incluso si no hay cambios en la forma en que opera su empresa, es posible que aún deba reevaluar. Aquí hay dos indicadores principales de que es hora de revisar su estrategia de datos:

• Hay frustración por el tiempo que están tardando las cosas.
• Hay una falta de confianza en los datos.

Kossowski dice que encontrar el equilibrio entre esos dos es clave.

"No queremos que BI haga todo porque entonces tomará mucho tiempo", dijo, "pero tampoco queremos tener tanta libertad en la población de analistas que realmente no podamos confiar en ningún otro". datos."

Una buena regla general es revisar su estrategia cada seis meses a un año. Hable con los líderes empresariales, TI y sus equipos para comprender cómo se sienten todos acerca de su progreso y determinar qué cambios deben realizarse.

El proceso para crear un EDS variará de una empresa a otra, ya que el nivel de madurez de los datos, la industria y el tamaño de la empresa influyen en los pasos que se toman.

Al hacer un balance de la situación actual de su empresa, puede desarrollar una estrategia que satisfaga las necesidades específicas de su negocio.

Fuente: https://blog.hubspot.com/marketing/enterprise-data-strategy