Por Sean Foley
Las empresas anhelan la ventaja competitiva que ML y AI pueden ofrecer a su negocio, pero a menudo priorizan estratégicamente la tecnología sobre las personas para desbloquear el valor de sus datos. El entusiasmo por la IA y el ML, y la facilidad de acceder a ellos a través de herramientas en la nube, desmiente la complejidad de aprovechar de manera efectiva estas capacidades. ¿Por qué las capacidades de AI y ML son críticas para su negocio y cómo impulsar su introducción o expandir su uso afectará su estrategia de datos?
Desafortunadamente, muchos líderes también malinterpretan el deseo de capacidades de IA/ML como un indicador de «necesitamos una mejor estrategia de datos» y subestiman el esfuerzo requerido para asumir este cambio. Es imperativo que los líderes definan claramente sus ambiciones de datos y las alineen con los resultados comerciales buscados. Esto se debe a que la clave para desbloquear efectivamente el valor de sus datos comienza con alinear a su gente con esta estrategia de datos basada en resultados comerciales. No me malinterpreten, la tecnología es esencial para una estrategia de datos moderna, pero con demasiada frecuencia las organizaciones recurren demasiado a la tecnología y se olvidan de los elementos críticos estratégicos y humanos.
Establecer una estrategia de datos que admita con éxito la adopción de AI/ML requiere 3 elementos fundamentales:
1) Estrategia de datos alineada con los objetivos comerciales
Defina el “Por qué” y el “Qué” primero. Comience por definir qué objetivos comerciales concretos se pueden lograr a través de su uso, en qué plazo, a qué costo y a expensas de qué otras prioridades organizacionales. ¿Su organización busca reducir los defectos de los productos, aumentar la satisfacción del cliente o innovar nuevos productos? Comprender los impulsores del producto o servicio de su nueva estrategia de datos resaltará cómo deberá cambiar su estrategia de datos existente.
¿Cuáles son sus objetivos comerciales? ¿Quizás nuevas fuentes de ingresos o un mayor apalancamiento operativo? ¿Cómo acelera la adopción de AI/ML esos objetivos? ¿O simplemente necesita datos limpios, entregados más rápido a su equipo o a un proceso de producción? Afortunadamente, la distribución optimizada de datos de alta calidad es un paso en el camino hacia la habilitación de AI/ML.
2) Un modelo operativo de datos moderno
Muchas empresas se asientan sobre islas aisladas de datos que han crecido orgánicamente a lo largo de los años. Los procesos y el modelo operativo en torno al mantenimiento y consumo de estos datos a menudo se han calcificado con el tiempo si no se reevalúan regularmente con respecto a los objetivos comerciales.
HPE
¿Cómo se manejan actualmente los fundamentos de sus operaciones de datos y gobierno? ¿Los niveles de servicio satisfacen las necesidades comerciales? ¿Los están inhibiendo? ¿Están disponibles los conjuntos de datos correctos donde deben estar en su organización, cuando deben estar? ¿Qué tan limpios están sus datos? ¿Qué tan fresco es? ¿En qué medida ha implementado su organización el autoservicio para datos y análisis? ¿Qué tan bien estructurados están los procesos de administración de datos? ¿Ya se ha creado una canalización de IA y ML? ¿Cómo están operando?
Además, identifique qué partes de su modelo operativo de datos proporcionan una ventaja competitiva y cuáles son simplemente un trabajo pesado indiferenciado. Esto puede ayudar a descubrir oportunidades para aprovechar nuevas plataformas o soporte de terceros.
3) Una estrategia de habilidad y capacidad funcional
La competencia por el talento es feroz, por lo que es esencial comprender las habilidades que necesita para respaldar su nueva estrategia y desarrollar un plan para que esas habilidades estén presentes en su organización. ¿Es importante evaluar las habilidades que necesita en su organización para poder adoptar una estrategia de datos primero que permita la adopción de AI/ML? ¿Los tiene en la organización en la profundidad que necesita?
De las principales funciones de un entorno de operaciones de datos efectivo, ¿cuánto de esto se ejecuta internamente? ¿Cuánto de esto se basa en una tecnología de proceso, una pila y un flujo de trabajo patentados? Lo que es más importante, ¿proporcionan estos elementos una ventaja competitiva para su empresa? ¿Son estas habilidades esenciales para generar valor? Una vez que haya definido qué elementos de su estrategia de datos y operaciones de datos proporcionan una ventaja competitiva, defina un modelo de responsabilidad compartida para los servicios de datos. Este modelo debe incluir habilidades, roles y funciones necesarias ahora, durante la transición y una vez que se implemente la nueva estrategia. Algunos roles pueden eliminarse, algunos pueden evolucionar, algunos solo serán necesarios durante la transición; identifíquelos todos.
Es una buena idea mejorar las habilidades del equipo existente para llenar las brechas de habilidades críticas primero para garantizar que la organización «futura» comprenda los datos empresariales y cómo la estrategia de datos se alinea con las necesidades comerciales. Aumente el equipo con nuevas contrataciones para el futuro, pero solo para roles que brinden una ventaja competitiva. Plan para complementar el equipo con pymes de terceros durante la transición y como parte del futuro modelo operativo.
El camino para adoptar las capacidades de AI/ML requiere una transformación en los ecosistemas de datos y TI, y ese viaje por sí solo amplificará el valor para su negocio en cada paso del camino. El enfoque descrito aquí ayudará a establecer las bases para ese viaje y, naturalmente, refinará las opciones tecnológicas y garantizará que la estrategia comercial enmarque la tecnología que se necesita.
La comprensión del modelo operativo de datos actual y futuro, y las habilidades disponibles y necesarias en su organización, también ayudarán a guiar tanto su plataforma como los modelos de abastecimiento de habilidades. Con estos elementos en la mano, impulsar esta transformación permitirá obtener información para el negocio más rápidamente.
Para obtener más información sobre Digital Next Advisory o contratar a un HPE Digital Advisor, contáctenos en digitaladvisors@hpe.com o visite www.hpe.com/digitaltransformation
____________________________________
Acerca de Sean Foley
