Introducción
Se han escrito muchos artículos teóricos sobre el data governance. En Artefact queremos abordar este tema desde un punto de vista operativo con nuestra serie de artículos “Perspectivas desde el terreno”, para ofrecer a nuestros lectores una visión pragmática y práctica. La serie se compondrá de observaciones y comentarios de Artefact sobre temas clave de la data governance (por ejemplo, los modelos operativos), respuestas a preguntas frecuentes de nuestros clientes y clientes potenciales (por ejemplo, cómo medir el impacto de la data governance) y entrevistas con actores clave de la data governance (por ejemplo, directores de Data, directores de gobernanza, custodios de data, editores de software, etc.). Nuestra ambición es crear conversaciones y oportunidades para compartir experiencias dentro de la comunidad data governance.
Entender qué es la data governance, por qué se encuentra en la ruta crítica hacia el valor y cómo implantarla concretamente en su organización puede ser un largo camino. Cuando las empresas lanzaron por primera vez grandes programas de transformación con casos de uso de IA y data, se dieron cuenta rápidamente de que estos programas requerían habilitadores clave como data platforms, data lakes, data gestión de la calidad y MDM, que permiten exponer la calidad data a los casos de uso. Sólo recientemente ha aparecido el data governance como una prioridad con respecto a la miríada de sistemas complejos creados.
Entender qué es la data governance, por qué se encuentra en la ruta crítica hacia el valor y cómo implantarla concretamente en su organización puede ser un largo camino. Cuando las empresas lanzaron por primera vez grandes programas de transformación con casos de uso de IA y data, se dieron cuenta rápidamente de que estos programas requerían habilitadores clave como data platforms, data lakes, data gestión de la calidad y MDM, que permiten exponer la calidad data a los casos de uso. Sólo recientemente ha aparecido el data governance como una prioridad con respecto a la miríada de sistemas complejos creados.
Hoy en día, casi todo el mundo en el ecosistema CDO/CTO entiende que la data governance es un requisito previo para la transformación de la IA. Están familiarizados con todos los conceptos organizativos y operativos básicos, pero ponerlos en música para aportar un valor concreto es una tarea mucho más compleja. Como resultado, la data governance se reduce a menudo a iniciativas aisladas de documentación con escaso impacto. Vemos cómo se lanzan muchos programas y aparecen muchos responsables de data governance en las organizaciones de nuestros clientes. Al principio, todos se encontraron con las mismas dificultades para convencer a sus patrocinadores y socios comerciales de que invirtieran en estas actividades. ¿Por qué? Porque el despliegue de data governance es un proceso de aprendizaje completo por el que tiene que pasar la organización, y cada paso del camino es importante.
El objetivo de este informe es ayudarle a comprender en qué consiste el modelo data governance en la práctica, guiándole a través del proceso de aprendizaje que toda empresa recorre inevitablemente. Esta nueva perspectiva permitirá a las empresas avanzar más rápidamente de una etapa a la siguiente.
Lo conseguiremos explicando detalladamente cada etapa del proceso de aprendizaje, utilizando ejemplos operativos sobre el terreno:
- Fase 1 - Incompetencia inconsciente: ¿cuáles son los “síntomas” de la falta de data governance?
- Etapa 2 - Incompetencia consciente: ¿cuáles son los retos a los que se enfrenta una empresa al iniciar un viaje data governance?
- Etapa 3 - Competencia consciente: ¿cuáles son los pasos que suelen seguir las empresas a la hora de poner en marcha un programa data governance?
- Etapa 4 - Competencia inconsciente: ¿qué ocurre cuando el data governance se convierte en la nueva normalidad?
A este artículo le seguirán otros más operativos destinados a ofrecer consejos pragmáticos a los líderes del data governance en su viaje.
Conclusión
Siguiendo estas cuatro etapas de aprendizaje, las empresas empezarán a practicar el data governance sin ni siquiera darse cuenta.
Aunque la mayoría de los actores a los que hemos acompañado hoy todavía rondan entre la segunda y la tercera etapa, todos ellos sienten la urgencia empresarial de avanzar en este proceso de aprendizaje.
Vemos tres argumentos principales que justifican esta urgencia. En primer lugar, la transformación data es una palanca clave en todas las industrias para alcanzar objetivos ambiciosos: La data y la IA se aprovechan para optimizar los negocios principales de las empresas y contribuir al desarrollo de nuevos motores de crecimiento. La madurez de la data y la IA es un requisito para mantenerse a la vanguardia, y la transformación de la data no es sostenible sin la data governance. El segundo argumento es que estamos en un mundo que se mueve con rapidez. Obtener un acceso rápido a la data y desarrollar la capacidad de analizar y explotar rápidamente esta data es esencial para reaccionar con rapidez. Y por último, las empresas necesitan atraer a nuevos talentos que estén cada vez más dispuestos a ser data-driven.
Uno de los primeros retos para cualquier empresa al comienzo de su andadura data governance es demostrar esta urgencia y convencer a las partes interesadas internas del valor de lanzar concretamente un programa data governance.
En este primer informe, hemos presentado el viaje data governance “según las reglas”. Es el contenido introductorio de una serie que pretende abordar los aspectos operativos de la implantación de data governance sobre el terreno. Nuestro próximo artículo abordará el complejo puente entre su estrategia data governance y la necesidad operativa de un caso de uso.
