¿Cuál es su estrategia de datos?
Por Leandro DalleMule y Thomas H. Davenport
Harvard Business Review
Estrategia
Más que nunca, la capacidad de administrar torrentes de datos es fundamental para el éxito de una empresa. Pero incluso con la aparición de funciones de gestión de datos y directores de datos (CDO), la mayoría de las empresas siguen estando muy retrasadas. Estudios transversales muestran que, en promedio, menos de la mitad de los datos estructurados de una organización se utilizan activamente en la toma de decisiones, y se analiza o utiliza menos del 1% de sus datos no estructurados. Más del 70% de los empleados tienen acceso a datos que no deberían, y el 80% del tiempo de los analistas se dedica simplemente a descubrir y preparar datos. Las infracciones de datos son comunes, los conjuntos de datos deshonestos se propagan en silos, y la tecnología de datos de las empresas a menudo no está a la altura de las exigencias que se le imponen.
Tener un CDO y una función de gestión de datos es un comienzo, pero ninguno puede ser totalmente efectivo en ausencia de una estrategia coherente para organizar, gobernar, analizar y desplegar los activos de información de una organización. De hecho, sin esta gestión estratégica, muchas empresas luchan por proteger y aprovechar sus datos, y los CDO's son a menudo difíciles y cortos (sólo 2,4 años en promedio, según Gartner). En este artículo describimos un nuevo marco para construir una estrategia de datos sólida que se puede aplicar a través de industrias y niveles de madurez de datos. El marco se basa en nuestra experiencia de implementación en la aseguradora global AIG (donde DalleMule es la CDO) y nuestro estudio de media docena de otras grandes empresas donde sus elementos han sido aplicados. La estrategia permite una gestión de datos y capacidades analíticas superiores, que apoyan la toma de decisiones gerenciales y, en última instancia, mejoran el rendimiento financiero.
Los aspectos de la "plomería" de la gestión de datos pueden no ser tan atractivos como los modelos predictivos y los paneles de colores que producen, pero son vitales para un alto rendimiento. Como tal, no son sólo la preocupación del CIO y el CDO; asegurar la gestión inteligente de datos es la responsabilidad de todos los ejecutivos de C-suite, comenzando con el CEO.
Defensa contra ofensa
Nuestro marco aborda dos temas claves: Ayuda a las empresas a aclarar el propósito primario de sus datos, y los guía en la gestión de datos estratégicos. A diferencia de otros enfoques que hemos visto, el nuestro requiere que las empresas consideren las compensaciones entre los usos "defensivos" y "ofensivos" de los datos y entre el control y la flexibilidad en su uso, como describimos a continuación. Aunque la información sobre la gestión de datos empresariales es abundante, gran parte de ella es técnica y se centra en la gobernanza, las mejores prácticas, las herramientas y similares. Pocos o ninguno de los marcos de gestión de datos son tan centrados en los negocios como los nuestros: No sólo promueve el uso eficiente de los datos y la asignación de recursos sino que también ayuda a las empresas a diseñar sus actividades de gestión de datos para apoyar su estrategia global.
La defensa de datos y el delito se diferencian por objetivos de negocio distintos y las actividades diseñadas para abordarlos. La defensa de los datos consiste en minimizar el riesgo a la baja. Las actividades incluyen asegurar el cumplimiento de las regulaciones (tales como reglas que rigen la privacidad de los datos y la integridad de los informes financieros), utilizando análisis para detectar y limitar el fraude, y construir sistemas para prevenir el robo. Los esfuerzos defensivos también garantizan la integridad de los datos que fluyen a través de los sistemas internos de una empresa mediante la identificación, estandarización y administración de fuentes de datos autorizadas, tales como datos fundamentales de clientes y proveedores o datos de ventas, en una "fuente única de verdad". Objetivos empresariales tales como aumentar los ingresos, la rentabilidad y la satisfacción del cliente. Por lo general, incluye actividades que generan información de clientes (análisis de datos y modelado, por ejemplo) o integran datos dispares de clientes y mercados para apoyar la toma de decisiones de gestión a través, por ejemplo, de paneles interactivos.
Las actividades ofensivas tienden a ser más relevantes para las funciones empresariales centradas en el cliente, como las ventas y el marketing, y a menudo son más el tiempo real que el trabajo defensivo, con su concentración en aspectos legales, financieros, de cumplimiento e informáticos. (Una excepción sería la protección contra el fraude de datos, en la que el conteo de segundos y la inteligencia analítica en tiempo real son críticos). Cada empresa necesita tanto ofensiva como defensa para tener éxito, pero conseguir el equilibrio es complicado. En todas las organizaciones con las que hemos hablado, los dos compiten ferozmente por recursos finitos, fondos y personas. Como veremos, poniendo el mismo énfasis en los dos es óptimo para algunas empresas. Pero para muchos otros es más sabio favorecer uno u otro.
Algunos factores empresariales o ambientales pueden influir en la dirección de la estrategia de datos: Una regulación fuerte en una industria (servicios financieros o atención médica, por ejemplo) movería a la organización hacia la defensa; la fuerte competencia de los clientes lo desplazaría hacia la ofensiva. El desafío para las CDOs y el resto de la C-suite es establecer las compensaciones apropiadas entre defensa y ofensa y asegurar el mejor equilibrio en apoyo de la estrategia general de la compañía.
Las decisiones sobre estos trade-offs están enraizadas en la diversión dicotómica entre la normalización de los datos y mantenerla más flexible. Cuanto más uniformes sean los datos, más fácil será la ejecución de procesos defensivos, como el cumplimiento de los requisitos reglamentarios y la implementación de controles de acceso a datos. Cuanto más flexible sea el dato, es decir, cuanto más fácilmente se pueda transformar o interpretar para satisfacer necesidades comerciales específicas, más útil será la ofensa. El balance de la ofensa y la defensa, entonces, requiere equilibrar el control de datos y la flexibilidad, como describiremos.
Fuente única, versiones múltiples
Antes de explorar el marco, es importante distinguir entre información y datos y diferenciar la arquitectura de información de la arquitectura de datos. Según Peter Drucker, la información son "datos dotados de relevancia y propósito". Los datos brutos, como las tasas de retención de clientes, las cifras de ventas y los costos de suministro, tienen un valor limitado hasta que se han integrado con otros datos y se han transformado en información que puede guiar la toma de decisiones. Las cifras de ventas colocadas en un contexto histórico o de mercado tienen repentinamente un significado: pueden estar subiendo o cayendo en relación con los puntos de referencia o en respuesta a una estrategia específica.
La arquitectura de datos de una empresa describe cómo se recogen, almacenan, transforman, distribuyen y consumen los datos. Incluye las reglas que rigen los formatos estructurados, como bases de datos y sistemas de archivos, y los sistemas de conexión de datos con los procesos de negocio que lo consumen. La arquitectura de la información rige los procesos y las reglas que convierten los datos en información útil. Por ejemplo, la arquitectura de datos podría alimentar la publicidad diaria y los datos de ventas crudos en sistemas de arquitectura de la información, tales como paneles de comercialización, donde se integra y analiza para revelar las relaciones entre la inversión publicitaria y las ventas por canal y región.
Muchas organizaciones han intentado crear enfoques altamente centralizados y orientados al control de las arquitecturas de datos e información. Anteriormente conocido como ingeniería de la información y ahora como gestión de datos maestros, estos enfoques descendentes a menudo no son adecuados para soportar una estrategia de datos amplia. Aunque son eficaces para estandarizar los datos de la empresa, pueden inhibir la flexibilidad, lo que dificulta personalizar los datos o transformarlos en información que se puede aplicar estratégicamente. En nuestra experiencia, un enfoque más flexible y realista de las arquitecturas de datos e información involucra tanto una sola fuente de verdad (SSOT) como múltiples versiones de la verdad (MVOTs). El SSOT funciona a nivel de datos; los MVOT apoyan la gestión de la información.
En las organizaciones que hemos estudiado, el concepto de una sola versión de la verdad -por ejemplo, una fuente primaria inviolable de datos sobre los ingresos- es totalmente comprendido y aceptado por la TI y en toda la empresa. Sin embargo, la idea de que una sola fuente pueda alimentar múltiples versiones de la verdad (como las cifras de ingresos que difieren según las necesidades de los usuarios) no se entiende bien, se articula comúnmente o, en general, se ejecuta correctamente.
La innovación clave de nuestro marco de trabajo es la siguiente: Requiere arquitecturas de datos e información flexibles que permitan que versiones únicas y múltiples de la verdad apoyen un enfoque defensivo-ofensivo de la estrategia de datos.
El SSOT es un repositorio lógico, a menudo virtual y basado en la nube, que contiene una copia autorizada de todos los datos cruciales, tales como datos de clientes, proveedores y productos. Debe tener controles de gobernabilidad y procedencia de datos sólidos para asegurar que los datos puedan ser confiados en actividades defensivas y ofensivas, y debe usar un lenguaje común, no específico de una unidad de negocio o función específica. Así, por ejemplo, se informan los ingresos, se definen los clientes y los productos se clasifican de una manera única, invariable y acordada dentro de la SSOT.
No tener un SSOT puede llevar al caos. Una gran empresa industrial que estudiamos tenía más de una docena de fuentes de datos que contenían información similar del proveedor, como nombre y dirección. Pero el contenido era ligeramente diferente en cada fuente. Por ejemplo, una fuente identificó a un proveedor como Acme; Otro lo llamó Acme, Inc .; Y un tercero lo llamó ACME Corp. Mientras tanto, varias funciones dentro de la empresa se basaban en diferentes fuentes de datos; A menudo las funciones ni siquiera eran conscientes de que existían fuentes alternativas. Los seres humanos podrían ser capaces de desentrañar tales problemas (aunque sería muy intensivo en mano de obra), pero los sistemas informáticos tradicionales no pueden, por lo que la empresa no podía entender realmente su relación con el proveedor. Afortunadamente, las herramientas de inteligencia artificial que pueden tamizar a través de tal caos de datos para ensamblar un SSOT están llegando a estar disponibles. La compañía industrial finalmente aprovechó uno y ahorró costes sustanciales de la TI cerrando sistemas redundantes. El SSOT permitió a los gerentes identificar proveedores que vendían a múltiples unidades de negocio dentro de la compañía y negociar descuentos. En el primer año, tener un SSOT rindió $ 75 millones en beneficios.
Un SSOT es la fuente a partir de la cual se desarrollan múltiples versiones de la verdad. Los MVOTs resultan de la transformación específica de datos en datos de información imbuidos de "relevancia y propósito". Así, a medida que varios grupos dentro de unidades o funciones transforman, etiquetan e informan datos, crean versiones distintas y controladas de la verdad que, Cuando se consultan, proporcionan respuestas coherentes y personalizadas de acuerdo con los requisitos predeterminados de los grupos.
Considere cómo un proveedor podría clasificar a sus clientes Bayer y Apple de acuerdo a la industria. En el nivel SSOT estas compañías pertenecen respectivamente a productos químicos / farmacéuticos y electrónica de consumo, y todos los datos sobre la relación del proveedor con ellos, tales como transacciones comerciales e información de mercado, se asignarán en consecuencia. En ausencia de MVOTs, lo mismo sería verdad para todos los propósitos organizacionales. Pero tales clasificaciones amplias de la industria pueden ser de poca utilidad para las ventas, por ejemplo, donde una versión más práctica de la verdad clasificaría a Apple como un teléfono móvil o una compañía de computadoras portátiles, dependiendo de qué división las ventas estuvieran interactuando. Del mismo modo, Bayer podría ser clasificado más útilmente como una droga o una empresa de plaguicidas a los efectos del análisis competitivo. En resumen, múltiples versiones de la verdad, derivadas de un SSOT común, apoyan la toma de decisiones superior.
La posición de una empresa en el espectro ofensivo-defensa raramente es estática.
En una compañía global de gestión de activos que estudiamos, los departamentos de marketing y finanzas produjeron informes mensuales sobre el gasto publicitario en televisión-MVOT derivados de un SSOT común. El marketing, interesado en analizar la efectividad de la publicidad, informó sobre el gasto después de que los anuncios se habían transmitido. Las finanzas, centrándose en el flujo de caja, capturaron el gasto cuando se pagaron las facturas. Por lo tanto, los informes contenían números diferentes, pero cada uno representaba una versión exacta de la verdad.
Procter & Gamble ha adoptado un enfoque similar para la gestión de datos. La empresa tenía un SSOT centralizado para todos los datos de productos y clientes, y no se permitían otras versiones de datos. Pero CDO Guy Peri y su equipo se dieron cuenta de que las diversas unidades de negocio tenían necesidades válidas para interpretaciones personalizadas de los datos. Ahora se permite a las unidades crear transformaciones de datos controladas para la generación de informes que se puedan volver a asignar de forma fiable al SSOT. Por lo tanto, los MVOTs divergen de la SSOT de manera consistente, y su procedencia es clara.
En su aplicación del modelo SSOT-MVOTs, el Banco Canadiense Imperial del Comercio (CIBC) automatizó los procesos para asegurar que los datos de la fuente de la empresa y las transformaciones de datos permanecieran alineados. El CDO de CIBC, José Ribau, explica que el SSOT de la compañía contiene todos los datos básicos de perfil y preferencia del cliente; Los MVOT para la originación de préstamos y la gestión de la relación con el cliente transforman los datos de origen en información que soporta informes regulatorios y mejora la experiencia del cliente. Los programas de sincronización automatizados conectan los datos SSOT y MVOTs, con el "manejo de excepciones" nocturno para identificar y resolver problemas de integridad de datos tales como perfiles de clientes inconsistentes.
Aunque el modelo SSOT-MVOTs es conceptualmente sencillo, requiere controles robustos de datos, estándares, gobernabilidad y tecnología. Idealmente, los altos ejecutivos participarán activamente en los consejos y comités de gestión de datos. Pero la gestión de datos no es particularmente divertida. Típicamente, los CDO y CTO de las empresas lideran los procesos de gestión de datos y tecnología, y los directores de negocios y tecnología en funciones y unidades son los principales participantes. Lo que es crítico es que las fuentes únicas de la verdad permanecen únicas y válidas, y que las múltiples versiones de la verdad divergen de la fuente original sólo de maneras cuidadosamente controladas.
Haciendo balance
Volvamos ahora a la estrategia de datos: el mejor equilibrio entre defensa y ofensa y entre control y flexibilidad. Mientras que el director general, a menudo con el CIO, es el responsable final de la estrategia de datos de una empresa, el CDO la concibe comúnmente y dirige su desarrollo y ejecución. El CDO debe determinar los trade-offs correctos mientras ajusta dinámicamente el equilibrio aprovechando las arquitecturas SSOT y MVOTs.
Es raro encontrar una organización -especialmente una grande y compleja- en la que los datos estén bien controlados y utilizados con flexibilidad. Con pocas excepciones, los CDOs encuentran que su mejor estrategia de datos enfatiza tanto la defensa como el control (que depende de un SSOT robusto) o ofensiva y flexibilidad (habilitada por MVOTs). Dedicar la misma atención a la ofensiva y la defensa es a veces óptimo, pero en general es imprudente omitir una división 50/50 en lugar de tomar decisiones estratégicas consideradas. Para determinar las posiciones actuales y deseadas de una empresa en el espectro del delito-defensa, la CDO debe tener en cuenta, entre otras cosas, la estrategia global de la compañía, su entorno regulatorio, las capacidades de datos de sus competidores, la madurez de sus prácticas de gestión de datos , Y el tamaño de su presupuesto de datos. Por ejemplo, las compañías de seguros y de servicios financieros normalmente operan en ambientes muy regulados, lo que argumenta por un énfasis en la defensa de datos. (Ese es el caso en AIG.) Los minoristas, que operan en un entorno menos regulado, donde la competencia intensa requiere robusto análisis de los clientes, podría enfatizar la ofensa.
Como señala Peri, la defensa y el delito a menudo requieren enfoques diferentes de la TI y la organización de gestión de datos. La defensa, dice, es cotidiana y operativa, y en P & G está ampliamente supervisada por equipos de TI permanentes centrados en la gestión de datos maestros, la seguridad de la información, etc. El delito implica asociarse con líderes empresariales en iniciativas tácticas y estratégicas. Los líderes pueden ser reacios a participar con la gestión de datos maestros, pero están dispuestos a colaborar en la optimización de marketing y promoción comercial.
Por supuesto, muchos casos no caen bien en el delito ni en la categoría de defensa: el CDO de un gran fondo de cobertura nos dijo que estaba menos preocupado por la protección de datos que por reunir y utilizar rápidamente nuevos datos. Los datos más valiosos para su fondo son principalmente externos, disponibles públicamente o comercialmente, capturados en tiempo real, y ya de buena calidad, estructurados y limpios. Además, aunque su negocio es en servicios financieros, no está muy regulado. Por lo tanto, se centra principalmente en la ofensiva de datos. La CDO de Wells Fargo, A. Charles Thomas, tiene la responsabilidad empresarial de la analítica relacionada con el cliente, una actividad ofensiva, y se esfuerza por mantener el equilibrio entre las actividades ofensivas y defensivas alrededor de 50/50, incluso estructurando las agendas de las reuniones para centrarse por igual en ambos.
La herramienta "Evaluar su posición estratégica" ofrece preguntas diagnósticas que pueden ayudar a las CDO a situar a sus empresas en el espectro de la ofensa-defensa ya calibrar si su estrategia de datos se alinea con su estrategia corporativa. Determinar las posiciones actuales y deseadas de una organización en el espectro obligará a los ejecutivos a hacer concesiones entre inversiones ofensivas y defensivas. Por supuesto, esta herramienta no es una medida precisa. Los CDO deben usar los resultados para informar la estrategia de datos y las discusiones con otros ejecutivos de nivel C.
Encontramos que las empresas con las estrategias de datos más avanzadas comenzaron en un momento y migraron gradualmente a una nueva posición estable. Por ejemplo, pueden haber cambiado su enfoque de la defensa y el control de datos hacia la ofensa como su defensa de datos madurado o la competencia se calentó. El camino opuesto, desde la ofensiva hacia la defensa y desde el flexible al controlado, es posible, pero generalmente más difícil.
Considere cómo la estrategia de datos ha cambiado en CIBC. El banco estableció la función de oficial de datos jefe hace unos años y durante los primeros 18 meses mantuvo una orientación defensiva del 90%, centrándose en la gobernanza, la normalización de datos y la construcción de nuevas capacidades de almacenamiento de datos. Cuando José Ribau asumió el cargo de CDO, en 2015, determinó que la defensa de CIBC era lo suficientemente sólida como para cambiar de ofensiva, incluyendo el modelado de datos más avanzado y el trabajo de ciencia de datos. Hoy en día, la estrategia de datos de CIBC tiene un equilibrio de 50/50. Ribau espera que la nueva atención a la ofensiva impulsará un mayor ROI de los productos y servicios de datos y fomentará el talento analítico para el futuro.
Independientemente de la industria en que se encuentre una empresa, su posición en el espectro ofensivo-defensa raramente es estática. A medida que aumenta la presión competitiva, una aseguradora puede decidir aumentar su enfoque en actividades ofensivas. Un fondo de cobertura puede encontrarse en un entorno regulatorio más duro que requiere reequilibrar su estrategia de datos hacia la defensa. La forma en que la estrategia de datos de una compañía cambia en dirección y velocidad será una función de su estrategia general, cultura, competencia y mercado.
Organización de la gestión de datos
Al igual que con la mayoría del diseño organizacional, las funciones de administración de datos pueden ser construidas centralmente o descentralizadas por función o unidad de negocio. El diseño óptimo dependerá de la posición de una empresa en el espectro de la ofensa-defensa. Normalmente, una función de datos centralizada tiene un solo CDO con rendición de cuentas en toda la organización, asegurándose de que las políticas de datos, la gobernanza y las normas se aplican de manera coherente. Este diseño es más adecuado para las empresas que se centran en la defensa de datos.
Por el contrario, varias empresas que estudiamos encontraron que la ofensiva de datos puede ser mejor ejecutada a través de la gestión de datos descentralizada, por lo general con un CDO para cada unidad de negocio y la mayoría de las funciones corporativas. Los "CDO de unidades" tienden a reportar directamente a su negocio, pero tienen una relación matriz de informes con el CDO de la empresa. Esto ayuda a prevenir el desarrollo de silos de datos (que pueden conducir a sistemas redundantes y duplicar el trabajo) y asegura que las mejores prácticas sean compartidas y se sigan los estándares. En general, los CDO de unidades poseen sus respectivas versiones de la verdad, mientras que la empresa CDO posee el SSOT. Un enfoque descentralizado es muy adecuado para las estrategias ofensivas, ya que puede aumentar la agilidad y la personalización de los informes de datos y análisis. En muchas empresas, entre ellas Wells Fargo, CIBC y P & G, la CDO es responsable de la analítica y la gestión de datos, facilitando la capacidad de equilibrar la ofensiva y la defensa.
Es imprudente predeterminar una división 50/50 entre ofensa y defensa.
Por último, al elegir entre una función centralizada y una función descentralizada de datos, es importante considerar cómo se determinará, asignará y gastará la financiación. El presupuesto puede parecer mayor para una función centralizada que para una descentralizada simplemente porque está concentrada en una CDO. Los presupuestos descentralizados suelen estar más centrados en inversiones ofensivas, están más cerca de los usuarios empresariales y tienen ROI más tangibles, mientras que los presupuestos centralizados se enfocan más a menudo en minimizar el riesgo, reducir costos y proporcionar mejores controles de datos y actividades de supervisión reguladora menos Cerca de los usuarios de negocios y por lo general tienen un ROI menos tangible. Por lo tanto, crear un caso de negocios para justificar este último suele ser más complicado. La importancia de invertir en la gestión y control de datos -incluso si la recompensa es abstracta- es más fácil de entender y aceptar si una empresa ha sufrido un desafío regulatorio importante, una violación de datos o algún otro problema relacionado con la defensa. A falta de un evento traumático, las CDO de las empresas deberían dedicar tiempo a educar a los altos ejecutivos y a sus equipos sobre los principios de la defensa de datos y cómo crear valor.
CONCLUSIÓN
Las tecnologías emergentes pueden permitir una nueva generación de capacidades de administración de datos, simplificando potencialmente la implementación de estrategias defensivas y ofensivas. El aprendizaje automático, por ejemplo, ya está facilitando la creación de una sola fuente de verdad en muchas empresas que estudiamos. La promesa es más dinámica, menos costosa SSOTs y MVOTs. Sin embargo, ninguna nueva tecnología obviará una función de gestión de datos eficaz y bien administrada. Nuestro marco se volverá aún más relevante a medida que las soluciones de tecnología distribuida, como por ejemplo la cadena de bloques, entren en juego.
Los datos eran una vez críticos para sólo unos pocos procesos de back-office, como la nómina y la contabilidad. Hoy en día es fundamental para cualquier negocio, y la importancia de administrarlo estratégicamente sólo está creciendo. En septiembre de 2016, según el conglomerado tecnológico Cisco, el tráfico global anual de Internet superó un zettabyte (1021 bytes) -el equivalente, por un cálculo, de 150 millones de años de video de alta definición. Tomó 40 años para llegar a este punto, pero en los próximos cuatro, el tráfico de datos se duplicará. No hay que evitar las consecuencias: las empresas que aún no han construido una estrategia de datos y una función de gestión de datos fuerte necesitan ponerse al día muy rápido o empezar a planificar su salida.
Una versión de este artículo apareció en la edición de mayo-junio de 2017 (pp.112-121) de Harvard Business Review.
Leandro DalleMule es el director de datos de AIG.
Thomas H. Davenport es el Profesor Distinguido del Presidente en Administración y Tecnología de la Información en Babson College, investigador de la Iniciativa del MIT sobre la Economía Digital, y asesor senior de Deloitte Analytics. Autor de más de una docena de libros de gestión, su última es Sólo humanos necesitan aplicar: ganadores y perdedores en la era de las máquinas inteligentes.
Harvard Business Review
Estrategia
Más que nunca, la capacidad de administrar torrentes de datos es fundamental para el éxito de una empresa. Pero incluso con la aparición de funciones de gestión de datos y directores de datos (CDO), la mayoría de las empresas siguen estando muy retrasadas. Estudios transversales muestran que, en promedio, menos de la mitad de los datos estructurados de una organización se utilizan activamente en la toma de decisiones, y se analiza o utiliza menos del 1% de sus datos no estructurados. Más del 70% de los empleados tienen acceso a datos que no deberían, y el 80% del tiempo de los analistas se dedica simplemente a descubrir y preparar datos. Las infracciones de datos son comunes, los conjuntos de datos deshonestos se propagan en silos, y la tecnología de datos de las empresas a menudo no está a la altura de las exigencias que se le imponen.
Tener un CDO y una función de gestión de datos es un comienzo, pero ninguno puede ser totalmente efectivo en ausencia de una estrategia coherente para organizar, gobernar, analizar y desplegar los activos de información de una organización. De hecho, sin esta gestión estratégica, muchas empresas luchan por proteger y aprovechar sus datos, y los CDO's son a menudo difíciles y cortos (sólo 2,4 años en promedio, según Gartner). En este artículo describimos un nuevo marco para construir una estrategia de datos sólida que se puede aplicar a través de industrias y niveles de madurez de datos. El marco se basa en nuestra experiencia de implementación en la aseguradora global AIG (donde DalleMule es la CDO) y nuestro estudio de media docena de otras grandes empresas donde sus elementos han sido aplicados. La estrategia permite una gestión de datos y capacidades analíticas superiores, que apoyan la toma de decisiones gerenciales y, en última instancia, mejoran el rendimiento financiero.
Los aspectos de la "plomería" de la gestión de datos pueden no ser tan atractivos como los modelos predictivos y los paneles de colores que producen, pero son vitales para un alto rendimiento. Como tal, no son sólo la preocupación del CIO y el CDO; asegurar la gestión inteligente de datos es la responsabilidad de todos los ejecutivos de C-suite, comenzando con el CEO.
Defensa contra ofensa
Nuestro marco aborda dos temas claves: Ayuda a las empresas a aclarar el propósito primario de sus datos, y los guía en la gestión de datos estratégicos. A diferencia de otros enfoques que hemos visto, el nuestro requiere que las empresas consideren las compensaciones entre los usos "defensivos" y "ofensivos" de los datos y entre el control y la flexibilidad en su uso, como describimos a continuación. Aunque la información sobre la gestión de datos empresariales es abundante, gran parte de ella es técnica y se centra en la gobernanza, las mejores prácticas, las herramientas y similares. Pocos o ninguno de los marcos de gestión de datos son tan centrados en los negocios como los nuestros: No sólo promueve el uso eficiente de los datos y la asignación de recursos sino que también ayuda a las empresas a diseñar sus actividades de gestión de datos para apoyar su estrategia global.
La defensa de datos y el delito se diferencian por objetivos de negocio distintos y las actividades diseñadas para abordarlos. La defensa de los datos consiste en minimizar el riesgo a la baja. Las actividades incluyen asegurar el cumplimiento de las regulaciones (tales como reglas que rigen la privacidad de los datos y la integridad de los informes financieros), utilizando análisis para detectar y limitar el fraude, y construir sistemas para prevenir el robo. Los esfuerzos defensivos también garantizan la integridad de los datos que fluyen a través de los sistemas internos de una empresa mediante la identificación, estandarización y administración de fuentes de datos autorizadas, tales como datos fundamentales de clientes y proveedores o datos de ventas, en una "fuente única de verdad". Objetivos empresariales tales como aumentar los ingresos, la rentabilidad y la satisfacción del cliente. Por lo general, incluye actividades que generan información de clientes (análisis de datos y modelado, por ejemplo) o integran datos dispares de clientes y mercados para apoyar la toma de decisiones de gestión a través, por ejemplo, de paneles interactivos.
Las actividades ofensivas tienden a ser más relevantes para las funciones empresariales centradas en el cliente, como las ventas y el marketing, y a menudo son más el tiempo real que el trabajo defensivo, con su concentración en aspectos legales, financieros, de cumplimiento e informáticos. (Una excepción sería la protección contra el fraude de datos, en la que el conteo de segundos y la inteligencia analítica en tiempo real son críticos). Cada empresa necesita tanto ofensiva como defensa para tener éxito, pero conseguir el equilibrio es complicado. En todas las organizaciones con las que hemos hablado, los dos compiten ferozmente por recursos finitos, fondos y personas. Como veremos, poniendo el mismo énfasis en los dos es óptimo para algunas empresas. Pero para muchos otros es más sabio favorecer uno u otro.
Algunos factores empresariales o ambientales pueden influir en la dirección de la estrategia de datos: Una regulación fuerte en una industria (servicios financieros o atención médica, por ejemplo) movería a la organización hacia la defensa; la fuerte competencia de los clientes lo desplazaría hacia la ofensiva. El desafío para las CDOs y el resto de la C-suite es establecer las compensaciones apropiadas entre defensa y ofensa y asegurar el mejor equilibrio en apoyo de la estrategia general de la compañía.
Las decisiones sobre estos trade-offs están enraizadas en la diversión dicotómica entre la normalización de los datos y mantenerla más flexible. Cuanto más uniformes sean los datos, más fácil será la ejecución de procesos defensivos, como el cumplimiento de los requisitos reglamentarios y la implementación de controles de acceso a datos. Cuanto más flexible sea el dato, es decir, cuanto más fácilmente se pueda transformar o interpretar para satisfacer necesidades comerciales específicas, más útil será la ofensa. El balance de la ofensa y la defensa, entonces, requiere equilibrar el control de datos y la flexibilidad, como describiremos.
Fuente única, versiones múltiples
Antes de explorar el marco, es importante distinguir entre información y datos y diferenciar la arquitectura de información de la arquitectura de datos. Según Peter Drucker, la información son "datos dotados de relevancia y propósito". Los datos brutos, como las tasas de retención de clientes, las cifras de ventas y los costos de suministro, tienen un valor limitado hasta que se han integrado con otros datos y se han transformado en información que puede guiar la toma de decisiones. Las cifras de ventas colocadas en un contexto histórico o de mercado tienen repentinamente un significado: pueden estar subiendo o cayendo en relación con los puntos de referencia o en respuesta a una estrategia específica.
La arquitectura de datos de una empresa describe cómo se recogen, almacenan, transforman, distribuyen y consumen los datos. Incluye las reglas que rigen los formatos estructurados, como bases de datos y sistemas de archivos, y los sistemas de conexión de datos con los procesos de negocio que lo consumen. La arquitectura de la información rige los procesos y las reglas que convierten los datos en información útil. Por ejemplo, la arquitectura de datos podría alimentar la publicidad diaria y los datos de ventas crudos en sistemas de arquitectura de la información, tales como paneles de comercialización, donde se integra y analiza para revelar las relaciones entre la inversión publicitaria y las ventas por canal y región.
Muchas organizaciones han intentado crear enfoques altamente centralizados y orientados al control de las arquitecturas de datos e información. Anteriormente conocido como ingeniería de la información y ahora como gestión de datos maestros, estos enfoques descendentes a menudo no son adecuados para soportar una estrategia de datos amplia. Aunque son eficaces para estandarizar los datos de la empresa, pueden inhibir la flexibilidad, lo que dificulta personalizar los datos o transformarlos en información que se puede aplicar estratégicamente. En nuestra experiencia, un enfoque más flexible y realista de las arquitecturas de datos e información involucra tanto una sola fuente de verdad (SSOT) como múltiples versiones de la verdad (MVOTs). El SSOT funciona a nivel de datos; los MVOT apoyan la gestión de la información.
En las organizaciones que hemos estudiado, el concepto de una sola versión de la verdad -por ejemplo, una fuente primaria inviolable de datos sobre los ingresos- es totalmente comprendido y aceptado por la TI y en toda la empresa. Sin embargo, la idea de que una sola fuente pueda alimentar múltiples versiones de la verdad (como las cifras de ingresos que difieren según las necesidades de los usuarios) no se entiende bien, se articula comúnmente o, en general, se ejecuta correctamente.
La innovación clave de nuestro marco de trabajo es la siguiente: Requiere arquitecturas de datos e información flexibles que permitan que versiones únicas y múltiples de la verdad apoyen un enfoque defensivo-ofensivo de la estrategia de datos.
El SSOT es un repositorio lógico, a menudo virtual y basado en la nube, que contiene una copia autorizada de todos los datos cruciales, tales como datos de clientes, proveedores y productos. Debe tener controles de gobernabilidad y procedencia de datos sólidos para asegurar que los datos puedan ser confiados en actividades defensivas y ofensivas, y debe usar un lenguaje común, no específico de una unidad de negocio o función específica. Así, por ejemplo, se informan los ingresos, se definen los clientes y los productos se clasifican de una manera única, invariable y acordada dentro de la SSOT.
No tener un SSOT puede llevar al caos. Una gran empresa industrial que estudiamos tenía más de una docena de fuentes de datos que contenían información similar del proveedor, como nombre y dirección. Pero el contenido era ligeramente diferente en cada fuente. Por ejemplo, una fuente identificó a un proveedor como Acme; Otro lo llamó Acme, Inc .; Y un tercero lo llamó ACME Corp. Mientras tanto, varias funciones dentro de la empresa se basaban en diferentes fuentes de datos; A menudo las funciones ni siquiera eran conscientes de que existían fuentes alternativas. Los seres humanos podrían ser capaces de desentrañar tales problemas (aunque sería muy intensivo en mano de obra), pero los sistemas informáticos tradicionales no pueden, por lo que la empresa no podía entender realmente su relación con el proveedor. Afortunadamente, las herramientas de inteligencia artificial que pueden tamizar a través de tal caos de datos para ensamblar un SSOT están llegando a estar disponibles. La compañía industrial finalmente aprovechó uno y ahorró costes sustanciales de la TI cerrando sistemas redundantes. El SSOT permitió a los gerentes identificar proveedores que vendían a múltiples unidades de negocio dentro de la compañía y negociar descuentos. En el primer año, tener un SSOT rindió $ 75 millones en beneficios.
Un SSOT es la fuente a partir de la cual se desarrollan múltiples versiones de la verdad. Los MVOTs resultan de la transformación específica de datos en datos de información imbuidos de "relevancia y propósito". Así, a medida que varios grupos dentro de unidades o funciones transforman, etiquetan e informan datos, crean versiones distintas y controladas de la verdad que, Cuando se consultan, proporcionan respuestas coherentes y personalizadas de acuerdo con los requisitos predeterminados de los grupos.
Considere cómo un proveedor podría clasificar a sus clientes Bayer y Apple de acuerdo a la industria. En el nivel SSOT estas compañías pertenecen respectivamente a productos químicos / farmacéuticos y electrónica de consumo, y todos los datos sobre la relación del proveedor con ellos, tales como transacciones comerciales e información de mercado, se asignarán en consecuencia. En ausencia de MVOTs, lo mismo sería verdad para todos los propósitos organizacionales. Pero tales clasificaciones amplias de la industria pueden ser de poca utilidad para las ventas, por ejemplo, donde una versión más práctica de la verdad clasificaría a Apple como un teléfono móvil o una compañía de computadoras portátiles, dependiendo de qué división las ventas estuvieran interactuando. Del mismo modo, Bayer podría ser clasificado más útilmente como una droga o una empresa de plaguicidas a los efectos del análisis competitivo. En resumen, múltiples versiones de la verdad, derivadas de un SSOT común, apoyan la toma de decisiones superior.
La posición de una empresa en el espectro ofensivo-defensa raramente es estática.
En una compañía global de gestión de activos que estudiamos, los departamentos de marketing y finanzas produjeron informes mensuales sobre el gasto publicitario en televisión-MVOT derivados de un SSOT común. El marketing, interesado en analizar la efectividad de la publicidad, informó sobre el gasto después de que los anuncios se habían transmitido. Las finanzas, centrándose en el flujo de caja, capturaron el gasto cuando se pagaron las facturas. Por lo tanto, los informes contenían números diferentes, pero cada uno representaba una versión exacta de la verdad.
Procter & Gamble ha adoptado un enfoque similar para la gestión de datos. La empresa tenía un SSOT centralizado para todos los datos de productos y clientes, y no se permitían otras versiones de datos. Pero CDO Guy Peri y su equipo se dieron cuenta de que las diversas unidades de negocio tenían necesidades válidas para interpretaciones personalizadas de los datos. Ahora se permite a las unidades crear transformaciones de datos controladas para la generación de informes que se puedan volver a asignar de forma fiable al SSOT. Por lo tanto, los MVOTs divergen de la SSOT de manera consistente, y su procedencia es clara.
En su aplicación del modelo SSOT-MVOTs, el Banco Canadiense Imperial del Comercio (CIBC) automatizó los procesos para asegurar que los datos de la fuente de la empresa y las transformaciones de datos permanecieran alineados. El CDO de CIBC, José Ribau, explica que el SSOT de la compañía contiene todos los datos básicos de perfil y preferencia del cliente; Los MVOT para la originación de préstamos y la gestión de la relación con el cliente transforman los datos de origen en información que soporta informes regulatorios y mejora la experiencia del cliente. Los programas de sincronización automatizados conectan los datos SSOT y MVOTs, con el "manejo de excepciones" nocturno para identificar y resolver problemas de integridad de datos tales como perfiles de clientes inconsistentes.
Aunque el modelo SSOT-MVOTs es conceptualmente sencillo, requiere controles robustos de datos, estándares, gobernabilidad y tecnología. Idealmente, los altos ejecutivos participarán activamente en los consejos y comités de gestión de datos. Pero la gestión de datos no es particularmente divertida. Típicamente, los CDO y CTO de las empresas lideran los procesos de gestión de datos y tecnología, y los directores de negocios y tecnología en funciones y unidades son los principales participantes. Lo que es crítico es que las fuentes únicas de la verdad permanecen únicas y válidas, y que las múltiples versiones de la verdad divergen de la fuente original sólo de maneras cuidadosamente controladas.
Haciendo balance
Volvamos ahora a la estrategia de datos: el mejor equilibrio entre defensa y ofensa y entre control y flexibilidad. Mientras que el director general, a menudo con el CIO, es el responsable final de la estrategia de datos de una empresa, el CDO la concibe comúnmente y dirige su desarrollo y ejecución. El CDO debe determinar los trade-offs correctos mientras ajusta dinámicamente el equilibrio aprovechando las arquitecturas SSOT y MVOTs.
Es raro encontrar una organización -especialmente una grande y compleja- en la que los datos estén bien controlados y utilizados con flexibilidad. Con pocas excepciones, los CDOs encuentran que su mejor estrategia de datos enfatiza tanto la defensa como el control (que depende de un SSOT robusto) o ofensiva y flexibilidad (habilitada por MVOTs). Dedicar la misma atención a la ofensiva y la defensa es a veces óptimo, pero en general es imprudente omitir una división 50/50 en lugar de tomar decisiones estratégicas consideradas. Para determinar las posiciones actuales y deseadas de una empresa en el espectro del delito-defensa, la CDO debe tener en cuenta, entre otras cosas, la estrategia global de la compañía, su entorno regulatorio, las capacidades de datos de sus competidores, la madurez de sus prácticas de gestión de datos , Y el tamaño de su presupuesto de datos. Por ejemplo, las compañías de seguros y de servicios financieros normalmente operan en ambientes muy regulados, lo que argumenta por un énfasis en la defensa de datos. (Ese es el caso en AIG.) Los minoristas, que operan en un entorno menos regulado, donde la competencia intensa requiere robusto análisis de los clientes, podría enfatizar la ofensa.
Como señala Peri, la defensa y el delito a menudo requieren enfoques diferentes de la TI y la organización de gestión de datos. La defensa, dice, es cotidiana y operativa, y en P & G está ampliamente supervisada por equipos de TI permanentes centrados en la gestión de datos maestros, la seguridad de la información, etc. El delito implica asociarse con líderes empresariales en iniciativas tácticas y estratégicas. Los líderes pueden ser reacios a participar con la gestión de datos maestros, pero están dispuestos a colaborar en la optimización de marketing y promoción comercial.
Por supuesto, muchos casos no caen bien en el delito ni en la categoría de defensa: el CDO de un gran fondo de cobertura nos dijo que estaba menos preocupado por la protección de datos que por reunir y utilizar rápidamente nuevos datos. Los datos más valiosos para su fondo son principalmente externos, disponibles públicamente o comercialmente, capturados en tiempo real, y ya de buena calidad, estructurados y limpios. Además, aunque su negocio es en servicios financieros, no está muy regulado. Por lo tanto, se centra principalmente en la ofensiva de datos. La CDO de Wells Fargo, A. Charles Thomas, tiene la responsabilidad empresarial de la analítica relacionada con el cliente, una actividad ofensiva, y se esfuerza por mantener el equilibrio entre las actividades ofensivas y defensivas alrededor de 50/50, incluso estructurando las agendas de las reuniones para centrarse por igual en ambos.
La herramienta "Evaluar su posición estratégica" ofrece preguntas diagnósticas que pueden ayudar a las CDO a situar a sus empresas en el espectro de la ofensa-defensa ya calibrar si su estrategia de datos se alinea con su estrategia corporativa. Determinar las posiciones actuales y deseadas de una organización en el espectro obligará a los ejecutivos a hacer concesiones entre inversiones ofensivas y defensivas. Por supuesto, esta herramienta no es una medida precisa. Los CDO deben usar los resultados para informar la estrategia de datos y las discusiones con otros ejecutivos de nivel C.
Encontramos que las empresas con las estrategias de datos más avanzadas comenzaron en un momento y migraron gradualmente a una nueva posición estable. Por ejemplo, pueden haber cambiado su enfoque de la defensa y el control de datos hacia la ofensa como su defensa de datos madurado o la competencia se calentó. El camino opuesto, desde la ofensiva hacia la defensa y desde el flexible al controlado, es posible, pero generalmente más difícil.
Considere cómo la estrategia de datos ha cambiado en CIBC. El banco estableció la función de oficial de datos jefe hace unos años y durante los primeros 18 meses mantuvo una orientación defensiva del 90%, centrándose en la gobernanza, la normalización de datos y la construcción de nuevas capacidades de almacenamiento de datos. Cuando José Ribau asumió el cargo de CDO, en 2015, determinó que la defensa de CIBC era lo suficientemente sólida como para cambiar de ofensiva, incluyendo el modelado de datos más avanzado y el trabajo de ciencia de datos. Hoy en día, la estrategia de datos de CIBC tiene un equilibrio de 50/50. Ribau espera que la nueva atención a la ofensiva impulsará un mayor ROI de los productos y servicios de datos y fomentará el talento analítico para el futuro.
Independientemente de la industria en que se encuentre una empresa, su posición en el espectro ofensivo-defensa raramente es estática. A medida que aumenta la presión competitiva, una aseguradora puede decidir aumentar su enfoque en actividades ofensivas. Un fondo de cobertura puede encontrarse en un entorno regulatorio más duro que requiere reequilibrar su estrategia de datos hacia la defensa. La forma en que la estrategia de datos de una compañía cambia en dirección y velocidad será una función de su estrategia general, cultura, competencia y mercado.
Organización de la gestión de datos
Al igual que con la mayoría del diseño organizacional, las funciones de administración de datos pueden ser construidas centralmente o descentralizadas por función o unidad de negocio. El diseño óptimo dependerá de la posición de una empresa en el espectro de la ofensa-defensa. Normalmente, una función de datos centralizada tiene un solo CDO con rendición de cuentas en toda la organización, asegurándose de que las políticas de datos, la gobernanza y las normas se aplican de manera coherente. Este diseño es más adecuado para las empresas que se centran en la defensa de datos.
Por el contrario, varias empresas que estudiamos encontraron que la ofensiva de datos puede ser mejor ejecutada a través de la gestión de datos descentralizada, por lo general con un CDO para cada unidad de negocio y la mayoría de las funciones corporativas. Los "CDO de unidades" tienden a reportar directamente a su negocio, pero tienen una relación matriz de informes con el CDO de la empresa. Esto ayuda a prevenir el desarrollo de silos de datos (que pueden conducir a sistemas redundantes y duplicar el trabajo) y asegura que las mejores prácticas sean compartidas y se sigan los estándares. En general, los CDO de unidades poseen sus respectivas versiones de la verdad, mientras que la empresa CDO posee el SSOT. Un enfoque descentralizado es muy adecuado para las estrategias ofensivas, ya que puede aumentar la agilidad y la personalización de los informes de datos y análisis. En muchas empresas, entre ellas Wells Fargo, CIBC y P & G, la CDO es responsable de la analítica y la gestión de datos, facilitando la capacidad de equilibrar la ofensiva y la defensa.
Es imprudente predeterminar una división 50/50 entre ofensa y defensa.
Por último, al elegir entre una función centralizada y una función descentralizada de datos, es importante considerar cómo se determinará, asignará y gastará la financiación. El presupuesto puede parecer mayor para una función centralizada que para una descentralizada simplemente porque está concentrada en una CDO. Los presupuestos descentralizados suelen estar más centrados en inversiones ofensivas, están más cerca de los usuarios empresariales y tienen ROI más tangibles, mientras que los presupuestos centralizados se enfocan más a menudo en minimizar el riesgo, reducir costos y proporcionar mejores controles de datos y actividades de supervisión reguladora menos Cerca de los usuarios de negocios y por lo general tienen un ROI menos tangible. Por lo tanto, crear un caso de negocios para justificar este último suele ser más complicado. La importancia de invertir en la gestión y control de datos -incluso si la recompensa es abstracta- es más fácil de entender y aceptar si una empresa ha sufrido un desafío regulatorio importante, una violación de datos o algún otro problema relacionado con la defensa. A falta de un evento traumático, las CDO de las empresas deberían dedicar tiempo a educar a los altos ejecutivos y a sus equipos sobre los principios de la defensa de datos y cómo crear valor.
CONCLUSIÓN
Las tecnologías emergentes pueden permitir una nueva generación de capacidades de administración de datos, simplificando potencialmente la implementación de estrategias defensivas y ofensivas. El aprendizaje automático, por ejemplo, ya está facilitando la creación de una sola fuente de verdad en muchas empresas que estudiamos. La promesa es más dinámica, menos costosa SSOTs y MVOTs. Sin embargo, ninguna nueva tecnología obviará una función de gestión de datos eficaz y bien administrada. Nuestro marco se volverá aún más relevante a medida que las soluciones de tecnología distribuida, como por ejemplo la cadena de bloques, entren en juego.
Los datos eran una vez críticos para sólo unos pocos procesos de back-office, como la nómina y la contabilidad. Hoy en día es fundamental para cualquier negocio, y la importancia de administrarlo estratégicamente sólo está creciendo. En septiembre de 2016, según el conglomerado tecnológico Cisco, el tráfico global anual de Internet superó un zettabyte (1021 bytes) -el equivalente, por un cálculo, de 150 millones de años de video de alta definición. Tomó 40 años para llegar a este punto, pero en los próximos cuatro, el tráfico de datos se duplicará. No hay que evitar las consecuencias: las empresas que aún no han construido una estrategia de datos y una función de gestión de datos fuerte necesitan ponerse al día muy rápido o empezar a planificar su salida.
Una versión de este artículo apareció en la edición de mayo-junio de 2017 (pp.112-121) de Harvard Business Review.
Leandro DalleMule es el director de datos de AIG.
Thomas H. Davenport es el Profesor Distinguido del Presidente en Administración y Tecnología de la Información en Babson College, investigador de la Iniciativa del MIT sobre la Economía Digital, y asesor senior de Deloitte Analytics. Autor de más de una docena de libros de gestión, su última es Sólo humanos necesitan aplicar: ganadores y perdedores en la era de las máquinas inteligentes.
Editores originales conservan todos los derechos.
No hay comentarios:
Publicar un comentario