"Las personas son el núcleo de cualquier transformación. Los programas exitosos de transformación de data se centran en gran medida en la creación y mejora de las capacidades humanas que aumentan su capacidad para tomar decisiones utilizando data e AI. Se trata tanto de un ejercicio técnico como de un cambio cultural. Se trata de adoptar nuevas formas de trabajar, desafiar el statu quo y sustituir la toma de decisiones basada data intuición por la toma de decisiones data. En Artefact, nos centramos en impulsar este cambio de forma incremental y sostenible para nuestros clientes."
Rahul Arya, Consejero Delegado y Socio Director, ARTEFACT MEDIO ORIENTE
1 - La creación de soluciones data debe estar impulsada por la empresa, para la empresa.
En el panorama empresarial actual, en rápida evolución, la inteligencia de data se ha convertido en una herramienta esencial para las empresas que desean seguir siendo competitivas. Las organizaciones que no adoptan modelos data corren el riesgo de quedarse rezagadas con respecto a sus rivales al perder valiosas perspectivas y oportunidades de expansión, optimización e innovación. En resumen, aprovechar la inteligencia de data para los negocios ya no es un lujo, sino una necesidad para la sostenibilidad y la evolución, y los líderes empresariales deben ser los que encabecen la identificación, priorización y desarrollo de soluciones de data e AI . Contrariamente a la creencia común de que las partes interesadas del negocio son meros "consumidores" de soluciones de data , creemos que deberían liderar todo el proceso, con el apoyo de expertos en data y tecnología.
2 - Identificar las soluciones data "adecuadas" requiere un análisis en profundidad de la cadena de valor y los procesos empresariales
La mejor forma de llevar a cabo un análisis exhaustivo de la cadena de valor empresarial y los procesos empresariales clave es que lo realicen las propias partes interesadas de la empresa. Este análisis identifica las áreas en las que las soluciones de data pueden tener un impacto empresarial significativo en forma de aumento de ingresos, optimización de costes, mejora de la experiencia del cliente o excelencia operativa. Durante este proceso, es esencial identificar oportunidades de negocio que se alineen con la estrategia empresarial global de Compañia. Por ejemplo, el análisis de la cadena de suministro y sus ratios clave puede ayudar a identificar posibles lagunas e ineficiencias que pueden beneficiarse del análisis y la inteligencia de data .
3 - Dar prioridad a unas pocas soluciones de data tendrá en última instancia el mayor impacto empresarial
El objetivo no debe ser impresionar con una larga lista de soluciones de data , sino identificar las áreas de negocio más críticas que pueden beneficiarse de los conocimientos data. Al evitar la tentación de buscar demasiadas soluciones de data , las organizaciones pueden mantenerse centradas y aumentar sus posibilidades de crear soluciones de data exitosas. También es importante identificar las capacidades de valor añadido de las soluciones de data más allá de la simple generación de informes. Aunque los informes son valiosos porque ofrecen un resumen del rendimiento empresarial, sólo proporcionan una visión retrospectiva de data, lo que deja poco margen para el análisis y la toma de decisiones. Para aprovechar plenamente el poder de los data, las organizaciones deben identificar soluciones de data que proporcionen análisis de diagnóstico que identifiquen automáticamente las causas fundamentales del rendimiento y análisis predictivos que anticipen las tendencias futuras.
4 - Para evaluar la viabilidad de las soluciones data es necesario conocer a fondo las fuentes y tecnologías data
Antes de embarcarse en el desarrollo de una solución data , es vital realizar un estudio de viabilidad detallado que examine la disponibilidad y calidad de las fuentes data necesarias, así como el coste de las tecnologías y los conocimientos necesarios para recopilar y procesar estas fuentes data . Esto incluye examinar los requisitos de hardware y software, así como las aptitudes humanas necesarias para implantar y mantener la tecnología. Esto también ayuda a establecer expectativas realistas para las soluciones data que sean coherentes con la madurez de las fuentes, tecnologías y capacidades data requeridas.
5 - Para crear soluciones data de forma eficiente se necesita una AI Factory escalable y un proceso de desarrollo ágil.
La creación y ampliación de soluciones data para las empresas requiere un nuevo modelo operativo -una AI Factory- formado por equipos de funciones dirigidos por expertos empresariales que cuentan con el apoyo de científicos, ingenieros, analistas e ingenieros de software de data . Esta estructura de equipo garantiza que las soluciones data se construyan siempre con un objetivo empresarial en mente. Adoptar un proceso ágil de prueba y aprendizaje que intente construir un POC satisfactorio en un breve espacio de tiempo también es esencial para lograr un plazo de construcción más rápido.
6 - Aceptar que algunas soluciones de data fracasarán, y ampliar y mantener las que funcionen.
No todas las soluciones de data tendrán éxito; algunas fracasarán, debido a limitaciones técnicas o de data , a pesar de una cuidadosa planificación y ejecución. Es crucial que las organizaciones reconozcan que el fracaso es una parte natural del proceso de desarrollo: no debe disuadirlas de seguir adelante con futuros proyectos. Por el contrario, las empresas deben centrarse en industrializar los casos de uso de data que hayan tenido éxito, ampliarlos a dominios completos de data y optimizar sus algoritmos y fuentes de data . Esto también incluye la supervisión y mejora continuas del caso de uso para garantizar que sigue satisfaciendo las necesidades de los usuarios empresariales.
7 - Compartir conocimientos es necesario pero no suficiente para una amplia adopción de la solución data
Proporcionar formación sobre soluciones de data y documentación fácil de usar para los usuarios empresariales es necesario, pero no suele ser suficiente para la adopción generalizada de casos de uso de data . La mejor forma de lograr una adopción generalizada de las soluciones de data por parte de los usuarios empresariales es que éstos dirijan el proceso de desarrollo, integrando estas soluciones en el plan de estudios de la organización e incluyendo los indicadores clave de rendimiento (KPI) de adopción e impacto en los cuadros de mando de los usuarios empresariales. Al alinear los cuadros de mando de los usuarios empresariales con la estrategia de data de la organización, las organizaciones pueden crear una cultura de toma de decisiones data y garantizar que la adopción de soluciones de data se traduzca en un impacto empresarial tangible.
8 - La mejora de las soluciones data es continua; priorizar las mejoras que importan es clave
Para lograr una mejora continua de las soluciones de data , es vital recoger periódicamente los comentarios de los usuarios de negocio, evaluar sus necesidades y requisitos y realizar los ajustes necesarios para optimizarlos. La metodología Scrum proporciona un enfoque eficaz para recopilar y aplicar mejoras de forma iterativa e incremental. Los usuarios de las soluciones de data deben registrar comentarios continuos sobre la precisión y facilidad de uso de las soluciones de data , así como sobre las mejoras necesarias en los procesos empresariales. Es importante (1) implementar mejoras que aumenten la precisión de los resultados de la solución, (2) ampliar sus características y funcionalidad, y (3) mejorar su usabilidad y experiencia de usuario.
9 - Mantener una sólida gobernanza de las soluciones de data garantiza resultados precisos con una supervisión mínima.
Mantener fuentes data de alta calidad para las soluciones data es crucial para lograr resultados automatizados y precisos con una supervisión mínima. Para lograrlo, las organizaciones deben implementar un sólido marco de calidad data que aplique directrices y normas claras para la recopilación y transformación de data . Además, las organizaciones deben aplicar políticas sólidas de seguridad y privacidad data para un procesamiento data seguro y conforme a las normas. Este enfoque garantiza que los datos introducidos en data sean precisos, actuales y coherentes, lo que reduce el riesgo de errores y mejora la eficiencia general del flujo de trabajo de procesamiento de data .
10 - El seguimiento del impacto empresarial de las soluciones de data requiere la definición de KPI de impacto directo y la asignación de un impacto empresarial incremental.
Identificar los KPI comerciales u operativos que mejoran directamente con una solución data es esencial para medir su impacto empresarial. Una vez identificados estos KPI, el siguiente paso es desarrollar una fórmula para medir el impacto incremental de la solución data en cada uno de estos KPI. Esta fórmula debe tener en cuenta el valor de referencia de estos KPI antes (o sin) la implantación de la solución data y compararlo con el rendimiento de estos KPI después (o con) la implantación de esta solución, teniendo en cuenta otros factores que puedan haber provocado este incremento. Una vez calculado el impacto incremental en cada KPI, debe traducirse en términos financieros, como reducción de costes o aumento de ingresos. Por último, siempre se recomienda utilizar la medición automatizada del impacto empresarial de las soluciones de data para garantizar una medición imparcial y oportuna del impacto empresarial.
"A medida que las organizaciones tratan de obtener resultados empresariales tangibles de sus inversiones en data analytics y Inteligencia Artificial, es fundamental adoptar un enfoque centrado que cree las soluciones adecuadas y establezca las expectativas correctas. A través de este enfoque, los líderes empresariales encabezan el desarrollo de soluciones data y AI "para la empresa y por la empresa", priorizando las soluciones de mayor impacto, creando POC rápidas con expertos de data , ampliando data las soluciones que funcionan y aceptando el "fracaso" de las que no funcionan. Que los equipos empresariales dirijan todo el proceso garantiza la implicación de la empresa y la adopción por diseño".Oussama Ahmad, Data Socio consultor
Data Los proyectos de aceleración han ido en aumento en la región MENA en los últimos años, a medida que las organizaciones abrazan el poder de data para el crecimiento empresarial. Aunque persisten ciertos retos, como mantener la calidad de data , especialmente con sistemas heredados, las organizaciones buscan activamente soluciones para superar estos obstáculos. Crear las capacidades adecuadas de data en los equipos empresariales y el modelo operativo adecuado es la forma más importante de garantizar el éxito de la implantación y adopción de las soluciones de data y la consecución de un impacto empresarial tangible."Karim Hayek, Senior Manager de Data Consulting