Data First

Cuando no hemos superado (implementado, desarrollado) todavía las estrategias mobile-first y cloud-first, resulta que ya estamos hablando de AI-first. Y sin embargo, antes de volcarse en una estrategia donde la inteligencia artificial lo impregne todo, muchas de las organizaciones deben considerar un paso intermedio: data-first.

Aunque ahora McKinsey nos traiga esta entrevista (enlace anterior), este no es un tema nuevo. Podríamos resumirlo en el clásico: garbage in, garbage out. Cualquier estrategia de analítica está condenada al fracaso si no hay un cambio de calado profundo respecto la percepción del dato, que pasa a ser un activo crucial para la organización.

Ya hemos tratado en diferentes ocasiones el tema de convertirse en una organización orientada al dato, la necesidad (o no) de tener un CDO (incluso en contextos que no se prestan), si un centro de excelencia puede ayudarnos en nuestra organización, cuán relevante es el gobierno del dato y que monetizar el dato no es un aspecto sencillo.

Discutía hace poco, con algunos directivos, sobre la dificultad de usar algoritmos dentro de la organización. Entre los aspectos que revisamos se citaron muchos (frecuentemente aprendidos a fuego, incluso con cicatrices dolorosas) como, por ejemplo, cómo interpretar los resultados, cómo decidir cuál es el mejor algoritmo, por qué no existe un único algoritmo que resuelva todos los problemas (ya sabéis un algoritmo maestro), el problema de etiquetar los datos, la dedicación necesaria para mejorar la calidad del dato (y qué poco sexy eso resulta),… y otros mucho más centrados en organización como qué perfiles necesitamos, cómo los organizamos, bajo qué estructura,…

También un artículo reciente de InformationWeek se hace eco de barreras relevantes que limitan las estrategias analíticas. A saber:

• Los objetivos de negocio y los esfuerzos analíticos no están alienados (esto me suena a la típica separación entre el CIO y el CEO)
• Hay conocimiento pero no acción (y, por lo tanto, nos quedamos en la fase comtemplativa)
• No hay roadmap (para realizar una transición desde la analítica descriptiva a la corriente más actual).
• No hay calidad del dato (sin base no hay casa)

Estas preguntas son comunes (y frecuentes!) a muchas empresas y forman parte de empezar a tomar en serio la transformación digital (o la palabra que se quiera usar, a preferencia del lector). Parece que ya no es necesaria la evangelización, sino que es hora de ponerse en serio a dar pasos. No solo se trata de implementar proyectos de BI, sino de cultura y, como dice Davenport en uno de sus últimos artículos de Harvard, en esto último no lo estamos haciendo bien. Y parte de la solución es aumentar el conocimiento (que no envangelizar). Además, quizá sea hora de tener en cuenta los cuatro pilares de la estrategia de sistemas de información además de la strategy-as-a-practice como dice José Ramón.

Por ello nosotros continuamos en la nuestra y el próximo día 14 empezamos la siguiente edición de nuestro Máster en Inteligencia de Negocio y Big Data para poder discutir estos puntos y más con nuestros alumnos.