De arquitecto a ejecutivo: Siete lecciones de datos críticos en el camino hacia el liderazgo

Los datos de alta calidad no mienten. Puede confirmar las sospechas o esperanzas de su organización. O puede corregir sus suposiciones para que pueda adaptar su enfoque empresarial.

Esta verdad inherente a los datos ha sido una pasión de por vida y la fuerza impulsora de mi carrera. Cuando era niño, me gustaba absorber información sobre temas que me interesaban, desde los detalles de las reglas del juego hasta los matices de los artículos interesantes. Esta afinidad temprana por los detalles y los patrones comenzó un viaje que dio forma a mi vida académica y profesional.

Como estudiante de ingeniería, esas habilidades de retención demostraron ser inestimables mientras perseguía mis títulos de licenciatura y máster. Mi pasión por los datos se intensificó como asistente graduado en un laboratorio de Unix escolar, donde me engañé en muchos proyectos. Sin embargo, la extracción de datos era un reto debido a lo costoso que era obtener información significativa.

Al entrar en el mundo profesional, mi enfoque cambió al lado de la aplicación de los datos, diseñando modelos que garantizaban una captación precisa de los datos de las aplicaciones. Cada puesto, desde mis inicios como ingeniero de datos hasta mi trabajo como arquitecto de datos y mi transición a líder empresarial, ha reforzado el valor de los datos y los conocimientos que proporcionan.

A lo largo del camino, he aprendido siete lecciones críticas sobre los datos, cada una de ellas un testimonio de su poder transformador. Estas lecciones ofrecen sabiduría práctica y pueden guiar a aquellos que navegan por el complejo y dinámico panorama de los datos.

Lección 1: Los datos responden a las preguntas empresariales.

Una de mis primeras lecciones fue sobre el mayor superpoder de los datos: su innegable capacidad para dar forma a los caminos organizativos y romper las suposiciones. Puede elogiar a una unidad de negocio o departamento por su éxito, pero ¿qué dicen los datos?

Recurra a los datos para responder a algunas de las mayores preguntas de su negocio:

• ¿Cumple su organización, unidad de negocio o departamento sus objetivos empresariales?
• ¿Qué KPI está logrando y cuáles no?
• ¿Cuáles son las oportunidades de crecimiento más prometedoras?
• ¿Qué proyectos o iniciativas requieren un ajuste preciso para obtener los mejores resultados?

Responde a la acción de conducción. Responder a estas preguntas puede desbloquear un valor significativo y guiar la planificación empresarial futura. Y puede llevar a esfuerzos prometedores como la optimización de la logística compleja.

Lección 2: Los responsables de la toma de decisiones empresariales deben comprender los datos.

Mi primer trabajo fuera de la universidad fue como ingeniero/modelista de datos para un contratista federal que gestionaba los datos en un portal inmobiliario para varias agencias federales. El portal realizó un seguimiento de los edificios gubernamentales, información crítica para la toma de decisiones de las agencias. La cantidad de datos era inmensa, y era una tarea importante identificar dónde se encontraban y extraer valor de ellos.

Hace unos 25 años, las herramientas de generación de informes no eran tan avanzadas como ahora. Los informes implicaban recopilar datos a través de consultas dispares y exportarlos a una hoja de cálculo. Pero incluso entonces, sabía lo importante que era para los responsables de la toma de decisiones dar sentido a los datos y obtener información a partir de ellos. Por lo tanto, el equipo creó informes que hicieron que los datos fueran fáciles de comprender y mostró los principales datos para los ejecutivos de las agencias a través de paneles de informes. En la era moderna, puede utilizar la IA para recopilar e informar sobre datos.

Lección 3: Una estrategia de modernización de datos es imprescindible.

La arquitectura de datos es algo más que la interfaz con una aplicación. Cuando empecé, la función implicaba garantizar que su arquitectura pudiera soportar la carga de trabajo cuando había persistencia dentro de sus aplicaciones y si alguien comenzó a consultar los datos. Como resultado, muchos principios de diseño fuera del modelado de datos implicaban la optimización de datos, que sigue siendo un principio sólido.

Ahí es donde una estrategia integral de modernización de datos se vuelve vital. Sin uno, puede acabar con datos duplicados u otros problemas que puedan detener el progreso. Esta estrategia debe responder a preguntas como qué datos están listos para modernizarse y migrarse y qué pasos debo tomar para proteger los datos.  Dado el cambio significativo en la forma en que las organizaciones alinean las bases de datos con datos estructurados, semiestructurados y no estructurados, su estrategia también debe incluir formación y aprendizaje para modelos de aprendizaje automático, pasos para crear el proceso de datos y operaciones de datos adecuados.

La IA generativa ofrece posibilidades ilimitadas e incluso más incentivos que nunca para priorizar sus datos. Pero también deja claro que, aunque los datos siguen desempeñando un papel importante, la infraestructura que los soporta también es crítica. Las empresas preparadas para la IA necesitan la infraestructura adecuada para generar información a partir de datos. Con él, la velocidad y la agilidad se convierten en tus aliados.

Lección 4: Un sistema de advertencia temprana puede reducir el riesgo.

Con las plataformas de operaciones de aprendizaje automático y los desafíos de reconstruir arquitecturas de datos e infraestructura multinube para adaptarse a la IA generativa, el panorama sigue cambiando a un ritmo rápido.

Si no presta atención a sus datos desde el principio, corre el riesgo de tener que pagarlos más tarde, literalmente. La crisis financiera de 2007-2008 lo demostró claramente. He sido testigo de esto como líder de datos supervisando proyectos de datos para empresas de servicios financieros. Los consultores trabajaban muchas horas cada día para intentar identificar por qué estas empresas estaban sufriendo pérdidas financieras sustanciales.

La crisis es un ejemplo de lo que puede suceder cuando no prestas suficiente atención a tus datos. No hay garantía de que si lo hiciera se hubieran evitado todos los problemas que surgieron. Sin embargo, al establecer mecanismos para detectar anomalías en los datos, alguien podría haberlos detectado temprano y disminuido sus pérdidas.

Lección 5: Un lago de datos es una opción de almacenamiento superior.

Muchas organizaciones almacenan sus datos en bases de datos relacionales basadas en archivos o imágenes. Sin embargo, el cálculo barato creó una dispersión de datos y llevó a desafíos, incluida la gobernanza de datos. Aquí es donde un lago de datos (almacenamiento basado en la nube para datos estructurados, semiestructurados y no estructurados) ofrece una mejor opción.

Trasladar tus datos a un lago permite un flujo fluido de información que transforma todos los aspectos de tu organización, desde las experiencias personalizadas de los clientes hasta el mantenimiento predictivo. Los lagos de datos son la respuesta a la dispersión de datos que es común con las opciones de almacenamiento tradicionales como los almacenes de datos.

Lección 6: No reinventes la rueda.

Antes de involucrar a docenas de ingenieros y pedirles que desarrollen soluciones de datos, realice un análisis de costes-beneficios de la construcción frente a la compra. Hoy en día, en la mayoría de los casos, optar por comprar es la ruta más ventajosa. Este enfoque mitiga la incertidumbre asociada con el éxito probable de una solución recién construida. Además, la construcción a menudo requiere la participación de numerosos científicos de datos, un reto dado la escasez de talento.

Con una solución adquirida, es probable que el coste sea menor si tiene suficiente almacenamiento de datos y unos pocos ingenieros de datos experimentados disponibles (ya sea internos o externalizados). Para un éxito óptimo, considere desarrollar asociaciones sólidas e integrar sus datos con las herramientas existentes que puedan satisfacer sus requisitos.

Lección 7: Los datos son un activo empresarial, no un centro de costes.

Los aspectos empresariales y de TI de una organización pueden tener objetivos conflictivos. El lado empresarial de una organización suele estar ansioso por obtener la mayor cantidad de información al menor coste, mientras que el departamento de TI quiere la mejor tecnología disponible.

Como líder de datos, he aprendido lo importante que es respetar el valor de los datos para la organización. El lado empresarial de una organización debe reconocer esto e invertir en soluciones tecnológicas porque los datos pueden ofrecer un gran beneficio si se utilizan adecuadamente. Esto requiere mirar más allá de los datos estructurados hasta los datos semiestructurados y no estructurados. La tecnología adecuada puede ayudarle a extraer valor de todo tipo de datos.

Avance en su enfoque de datos con Unisys

Una de mis cosas favoritas sobre los datos es que el aprendizaje nunca se detiene. Aunque he recopilado muchas lecciones a lo largo de mis más de 25 años de carrera, sigo obteniendo nuevos conocimientos (punto previsto). Estoy entusiasmado con lo que la IA ya ha logrado y ansioso por ver cómo su creciente uso dará forma a las organizaciones y aumentará su aprecio por sus datos, y desempeñará un papel en ello.

Si desea optimizar sus datos, maximizar su valor y prepararlos para la IA, lea más lecciones en nuestro "Visioneros de los datos: Cinco estrategias fundamentales y ocho historias transformadoras» y «Preparación de los datos para la IA: Una guía práctica para preparar sus datos, independientemente de su punto de partida" y explore cómo las soluciones de datos y análisis de Unisys pueden ayudarle.