Data Mesh: Cómo la descentralización democratiza el uso de data en toda la empresa

En primer lugar, una rápida recapitulación del quién, qué y por qué de Malla data: la noción fue concebida por Zhamak Dehghani de ThoughtWorks como una forma de mejorar la accesibilidad a data y simplificar la organización en estructuras data centralizadas y monolíticas. La explosión de data durante la pandemia de COVID-19 acentuó estas necesidades, y la malla data ha pasado de ser un concepto a un modelo de arquitectura distribuida para hacer que data sea utilizable por todos en una organización.

Johan Picard de Google tiene algunas ideas: “Parte de ello tiene que ver con la simple madurez data. Durante veinte años, las empresas han creado y centralizado su data en plataformas, lagos data, almacenes data. Esto es lo que les ha permitido explotar su data. Pero los dominios tenían que hacer cola para acceder a ese data, lo que provocaba retrasos y cuellos de botella. 

“Algunos llegaron incluso a crear sus propios departamentos informáticos en la sombra, porque los equipos informáticos entienden la tecnología pero no la calidad del data. Y lo contrario ocurre con el dominio. Pero ahora, con el cloud, las tecnologías evolucionan y permiten descentralizar el data hacia los dominios. Es importante recordar que se trata de un enfoque inspirador. Cada empresa es diferente y debe aspirar a la descentralización a su manera, teniendo en cuenta su propio contexto, velocidad y ambiciones.”

En Orange, Brice Miranda experimentado este fenómeno de concentración y fragmentación de data. “Nuestro data platform histórico no estaba orientado al autoservicio, así que muchos de nuestros equipos crearon sus propios mini data platforms; acabamos teniendo entre 40 y 60.” El operador construyó una plataforma para servir a sus equipos de dominio con Google Cloud Platform. “Y ahora, entramos en la lógica de la democracia data”.

Antes de crear su empresa a finales de este año, Jean-Christophe Brun fue CTO de Carrefour. “En 2015, sabíamos que teníamos que transformar nuestra visión de la data, para centrar nuestra actividad minorista en torno a la data. Hasta 2018, estuvimos construyendo una plataforma on-premise para centrarnos más en data. Y en 2018, nos convertimos en socio de Google para hacer más con algoritmos. Incluso antes de conocer la noción de malla data, nuestro objetivo era multiplicar los usos empresariales. Lo que me gusta de la malla data es que nos permite formalizar cosas que no habíamos normalizado, para poner palabras detrás de los principios”.”    

Jean-Noel Lucas en L'Oréal inició el mismo proceso hace tres años. Jean-Paul Agon, entonces director general, marcó el rumbo: ser el campeón de la tecnología de la belleza. Para ello, necesitábamos orquestar la data, y romper los silos funcionales; identificar a los administradores de la data, acordar un lenguaje común y estructurar la data, para construir un sistema de referencia global. Y esto requería recursos: “Hay que ganar tiempo para que el data esté disponible. Evaluamos la deuda de gobernanza (dos o tres años) y calculamos los recursos necesarios para gestionar la empresa en torno al data. Dedicamos un equipo de 100 personas a preparar el data. Aportamos nuevas competencias al grupo. También hacemos mucha evangelización repetida para conservar el presupuesto que nos permite hacer este esfuerzo. Porque L'Oréaliens no son conceptuales. Tenemos que traducir el concepto en términos concretos”.

L'Oréal enumera 50 casos de uso que aprovechan el producto data. Desde la gestión de la cartera de productos hasta la mejora de la distribución, pasando por la gestión de inventarios. “Con un data como estrategia de producto, el data se distribuye a los diferentes dominios y su preparación se confía a los especialistas de cada marca, y resuelve el problema del cuello de botella”, concluye Jean-Noel.

Aunque Orange dispone de un estudio data de consulta y Collibra para buscar el data, no es suficiente: “Cuando hacemos depósitos de data, acabamos con duplicados y eso plantea problemas. Si preguntamos por el equipamiento de banda ancha de los clientes, obtenemos 800 respuestas’. ¿El cliente está equipado con fijo, móvil, fibra? La herramienta no lo sabe. ¿Ha dado el cliente su consentimiento? Tampoco lo sabemos. No existe una única fuente de verdad o data en la que se pueda confiar. En consecuencia, se están llevando a cabo POC sobre estas cuestiones (”¿Qué es un cliente de Orange?“ ”¿Qué es el permiso?“).

Orange va un poco por delante de L'Oréal, donde 40% de data está disponible en el cloud. “Como requisito previo, el data debe estar disponible y ser descubrible”, afirma Jean-Noel. “Tenemos que recorrer la última milla en inteligencia empresarial. Después, tenemos que ascender por los dominios de la cadena de valor del data, con el consumo de data como criterio de rendimiento (KPI), para acercarnos a los casos de uso empresarial. Detrás de eso está el reto de la cultura data, de conseguir que la gente adopte soluciones más estandarizadas y vea un valor real.”

“En Carrefour, hemos optado por responsabilizar a los propietarios de nuestros productos data”, explica Jean-Christophe. “Ellos entienden el uso del data y garantizan su comunicación: ‘Los productos Data deben utilizarse. Los propietarios de productos Data deben interesarse por el uso de sus productos’. Antes, el departamento de inteligencia empresarial informaba a los dominios. Pero ahora lo hacen los propios dominios, con el apoyo de BI. El 60% de las personas formadas por Carrefour en data procedían de los dominios”.”

Es un proceso de ida y vuelta, explica Johan Picard, entre la analítica y las operaciones: “El data debe subir a la analítica y volver a bajar a las operaciones. En el pasado, las bases data no podían integrar el análisis, así que creamos el lago data. En el nuevo paradigma, estamos más cerca de las fuentes data y las conocemos mejor. Como resultado, ya no necesitamos separar las operaciones y el análisis. Algunos de nuestros clientes los han puesto en la misma meseta. Los especialistas SAP se sientan codo con codo con los especialistas en data. Brice Miranda está de acuerdo y añade: “Tenemos que borrar las antiguas fronteras entre análisis y operaciones e ir a la fuente”.”

Para Jean-Noel Lucas, “el personal operativo debe comprender en qué data confía (reflexionando sobre sus procesos) y esforzarse por mejorar la calidad data”. Por ejemplo, para abastecer a las tiendas y gestionar mejor el inventario, L'Oréal ha añadido una capa al PCM. “Queremos ‘API-izar’ nuestros sistemas”. L'Oréal ha trabajado mucho en el producto data para poner a disposición de minoristas y consumidores una visión de 360 grados. Para gestionar mejor su cadena de suministro, L'Oréal necesita segmentar mejor sus catálogos. Y la nueva organización permite ser más reactivo, realizar pedidos de producción de productos semanalmente, cuando aumenta la demanda.

Carrefour ha ido más lejos en la convergencia de la analítica y las operaciones: en este nuevo mundo, la analítica se convierte en una herramienta operativa en tiempo real, al mismo nivel de servicio que las operaciones. “La ficha de producto debe registrar todos los data, incluidas las cifras de ventas. Esto permite puntuar la sustitución entre productos, en caso de que falte alguno. Esto era impensable hace tres años”, concluye Jean-Christophe.