¿Ya contás con tu estrategia de datos a prueba del futuro? Respondé a estas cuatro preguntas, y descubrí la respuesta.
La experiencia en análisis de datos es una parte clave del mundo empresarial hoy en día. Al mismo tiempo, las habilidades que permiten el análisis de datos están cambiando constantemente a medida que evolucionan y cambian las tendencias disruptivas.
Cuando las personas comenzaron a hablar sobre cómo las tecnologías específicas de la Industria 4.0 transformarán las operaciones industriales, la inteligencia artificial (IA) ni siquiera estaba en la lista. Hoy en día, el aprendizaje automático (ML) es una parte clave del análisis predictivo, el control de procesos, la planificación de capacidad, la detección de anomalías y muchas otras capacidades críticas.
¿Cómo sabes si tu estrategia de datos puede ajustarse a tecnologías cada vez más avanzadas y a las cambiantes necesidades empresariales?
Hazte estas cuatro preguntas:
¿Están claramente definidos y alineados con la estrategia empresarial los objetivos del equipo de operaciones?
Las prioridades empresariales deben informar sobre las prioridades de datos que tienen objetivos específicos y cuantitativos. Estas prioridades deben impulsar la planificación, ejecución y ajuste de cualquier estrategia de datos con el tiempo. Antes de comprometerte con un objetivo o proyecto basado en datos, documenta objetivos estratégicos claros y resultados esperados. Si un objetivo empresarial es reducir los costos operativos y mantener los precios actuales en un mercado competitivo, los objetivos del proyecto de datos se verían como "Reducir las tasas de desecho en un 20%" o "Aumentar la capacidad de producción en un 10%". Estos son objetivos claramente definidos y fácilmente medibles. La cultura es otro aspecto de la alineación estratégica. Para empresas centradas en la tradición, prácticas convencionales y seguridad, la estrategia de datos debe alinearse con esa cultura y solo adoptar prácticas ampliamente probadas. Si la empresa está impulsada por la innovación y la disrupción, es más probable que adopte un enfoque de adoptante temprano para la tecnología de datos y estrategias de datos iterativas. Además de los objetivos de eficiencia, la estrategia de datos también apoya objetivos de crecimiento estratégico, como ampliar un portafolio de servicios o mejorar la calidad del producto. Los ocho impulsores de valor para la Industria 4.0, según lo definido por McKinsey, proporcionan una buena referencia para las empresas industriales:
1. Dónde generar valor con datos
2. Servicio/postventa
3. Recursos/procesos
4. Utilización de activos
5. Trabajo
6. Inventarios
7. Calidad
8. Ajuste de oferta/demanda
9. Tiempo más rápido al mercado
¿Existen las habilidades técnicas necesarias para ejecutar la estrategia de datos?
Los desarrolladores y administradores de sistemas trabajan con especialistas en datos, pero generalmente no tienen la formación para trabajos avanzados relacionados con datos como la construcción de modelos de ML. Antes de embarcarse en una transformación basada en datos, una empresa necesitará capacitar a los empleados existentes, contratar nuevos puestos o asociarse con un proveedor que pueda cubrir los roles. Estos roles, como analista de datos o científico de datos, son difíciles y costosos de cubrir dado el mercado laboral. Muchas organizaciones optan en su lugar por un enfoque con soporte de socios. Esta opción garantiza escalabilidad a medida que crecen las solicitudes de nuevas iniciativas de datos o se implementa una estrategia de datos en nuevas geografías, sitios, equipos, etc.
Los usuarios finales también deben estar preparados para el cambio basado en datos, y su nivel de habilidad debe incorporarse en cualquier estrategia de datos en desarrollo. Preguntas importantes para esta evaluación son: ¿Los usuarios están preparados para utilizar la capacidad? ¿Están dispuestos a adoptar este cambio y ver el valor? ¿Esta solución aborda necesidades específicas expresadas por los usuarios finales y avanza en nuestros objetivos estratégicos para los usuarios finales? Las respuestas a estas preguntas guiarán la implementación de nuevas capacidades e informarán cuánta capacitación y educación planificar.
¿Está el sistema tecnológico en su lugar para respaldar la estrategia de datos?
Esta pregunta tiene varios aspectos. Primero, una pregunta común es: "¿Es mejor usar una solución probada o una con la tecnología más nueva o más reciente?" La cultura de la empresa guiará el nivel de riesgo e innovación a alcanzar, y ayudará a identificar qué proveedores se adaptan mejor a la cultura de la empresa. Trabajar con el equipo interno y otros socios proveedores es esencial para el éxito de la estrategia de datos. Si hay una falta de coincidencia en los estilos de trabajo, tolerancia al riesgo y otros atributos, los proyectos pueden llevar más tiempo de lo planeado y no funcionarán tan fluidamente. La escalabilidad es otra consideración importante. Tener sistemas tecnológicos escalables para la ingeniería de datos garantiza que los servicios de datos puedan escalar a medida que la demanda crece, a medida que las capacidades evolucionan y se vuelven más poderosas. Busca una arquitectura abierta con accesibilidad sin problemas que esté comprobada en tu industria. Esto reducirá el riesgo de quedarse obsoleto con sistemas con necesidades en evolución.
¿Los procesos relevantes ya están utilizando prácticas actuales recomendadas?
Esta es una pregunta importante porque puede retrasar los beneficios óptimos de las inversiones en estrategia de datos. No es necesario que toda la operación esté en óptimas condiciones antes de utilizar herramientas analíticas avanzadas. Más bien, limita las iniciativas de datos piloto o tempranas a áreas y procesos que ya estén funcionando de manera eficiente porque:
A. Si un proceso, equipo o departamento no está funcionando de manera eficiente, concéntrate en optimizar las operaciones utilizando herramientas más tradicionales primero. Usar herramientas de datos tecnológicamente sofisticadas para resolver desafíos básicos puede ser un desperdicio de recursos y tiempo.
B. Si se descubre un problema mayor durante un proyecto de datos, es común que el proyecto se centre en el problema mayor. Esto puede desviar la estrategia de datos, retrasar los plazos del proyecto y disminuir el apoyo necesario. Es mejor minimizar las sorpresas con un análisis claro de las operaciones actuales.
Apunta al éxito desde el principio. Entrar apresuradamente en una estrategia de datos transformadora sin la base adecuada puede limitar los beneficios resultantes, aunque las herramientas de datos sofisticadas estén disponibles para roles operativos. Utiliza estas cuatro preguntas anteriores para hacer un chequeo de tu estrategia de datos actual o planificar tu próximo paso hacia una estrategia más avanzada. Tomarte el tiempo para hacer las cosas bien al principio ayudará a que los proyectos se ejecuten a tiempo y entreguen los resultados esperados. El PI System™ es una plataforma empresarial para tus datos operativos que puede ayudar a avanzar en tu estrategia de datos. Te permite recopilar, analizar, visualizar y compartir grandes cantidades de datos de series temporales de alta fidelidad de múltiples fuentes con personas y sistemas en todas las operaciones. Ofrece un marco para ayudarte a contextualizar la información y tomar mejores decisiones comerciales, y hacer que cualquier nueva estrategia de datos sea más exitosa.