La planificación ha sido durante mucho tiempo una de las piedras angulares de la gestión. A principios del siglo XX, Henri Fayol definió la labor de los directivos como planificar, organizar, dirigir, coordinar y controlar. La capacidad y la voluntad de los directivos de planificar se desarrollaron a lo largo del siglo. La Dirección por Objetivos (DPO) se convirtió en el punto álgido de la moda empresarial a finales de la década de 1950. El mundo parecía predecible. El futuro podía planificarse. Por tanto, parecía sensato que los directivos identificaran sus objetivos. A continuación, podían centrarse en gestionar de forma que se alcanzaran esos objetivos.
Era el equivalente capitalista de los planes quinquenales del sistema comunista. De hecho, un teórico de la gestión de los años 60 sugirió que las organizaciones mejor gestionadas del mundo eran la Standard Oil Company de Nueva Jersey, la Iglesia Católica Romana y el Partido Comunista. La creencia era que si se trazaba el futuro, éste ocurriría.
Más tarde, el MBO evolucionó hacia la planificación estratégica. Las empresas crearon grandes unidades corporativas dedicadas a ello. Estaban deliberadamente desvinculadas de la realidad cotidiana de la empresa y hacían hincapié en los procedimientos formales en torno a los números. Henry Mintzberg definió la planificación estratégica como «un sistema formalizado para codificar, elaborar y hacer operativas las estrategias que las empresas ya tienen». La creencia fundamental seguía siendo que el futuro podía predecirse en gran medida.
Ahora, la planificación estratégica ha caído en desgracia. Ante los incesantes cambios tecnológicos, las fuerzas disruptivas de un sector tras otro, la competencia mundial, etc., la planificación parece una ilusión sin sentido.
Y sin embargo, la planificación es claramente esencial para cualquier empresa de cualquier tamaño. Observe su propia organización. El hecho de tener un lugar de trabajo equipado para ello, y de que usted y sus compañeros trabajen en un proyecto concreto en un momento y lugar determinados, requiere algún tipo de planificación. La realidad es que hay que hacer planes sobre el uso de los recursos de una empresa todo el tiempo. Algunos son a corto plazo, otros se extienden hasta un futuro imaginado.
Universalmente valiosa, pero desesperadamente pasada de moda, la planificación espera como una solterona en una novela de Jane Austen a que alguien reconozca su valor.
Pero los ejecutivos desconfían de la planificación porque les parece rígida, lenta y burocrática. El legado de Fayol persiste. Una encuesta de 2016 de HBR Analytics a 385 directivos reveló que la mayoría de los ejecutivos se sentían frustrados con la planificación porque creían que la velocidad era importante y que los planes cambiaban con frecuencia de todos modos. Para qué dedicarse a un ejercicio de planificación lento y doloroso si ni siquiera se va a seguir el plan?
Las frustraciones con las prácticas de planificación actuales se cruzan con otra tendencia de gestión fundamental: la agilidad organizativa. La reorganización en torno a pequeños equipos autogestionados -mejorados por métodos de agilidad como Scrum y LeSS- está surgiendo como la ruta hacia la agilidad organizativa necesaria para competir en la cambiante realidad empresarial. Uno de los principios clave que sustentan la agilidad basada en los equipos es que éstos deciden de forma autónoma sus prioridades y dónde asignar sus propios recursos.
La lógica de la planificación estratégica centralizada a largo plazo (realizada una vez al año en un momento fijo) es la antítesis de una organización rediseñada en torno a equipos que definen sus propias prioridades y la asignación de recursos semanalmente.
Pero si la planificación y la agilidad son necesarias, las organizaciones tienen que hacerlas funcionar. Tienen que crear un diagrama de Venn con la planificación en un lado, la agilidad en el otro, y un punto dulce práctico y viable en el medio. Por ello, la búsqueda de un replanteamiento de la planificación estratégica nunca ha sido más urgente y crítica. La planificación al estilo del siglo XXI debe reconcebirse como planificación ágil.
La planificación ágil tiene una serie de características:
- Marcos y herramientas capaces de hacer frente a un futuro que será diferente
- La capacidad de hacer frente a cambios más frecuentes y dinámicos
- La necesidad de invertir tiempo de calidad para una verdadera conversación estratégica en lugar de ser simplemente un juego de números;
- Disponibilidad de recursos y fondos de forma flexible para las oportunidades que surjan.
La intersección de la planificación con la agilidad organizativa genera otros dos requisitos primordiales:
Un proceso capaz de coordinarse y alinearse con los equipos ágiles
Las organizaciones ágiles se enfrentan al reto de gestionar la autonomía local de los escuadrones (aportación de abajo a arriba) de forma coherente con una visión más amplia representada por los objetivos de la tribu y por las interdependencias entre tribus y las
prioridades estratégicas de la organización (visión de arriba a abajo). Para controlar esta tensión se necesitan nuevos procesos y rutinas de planificación y coordinación.
Pensemos en la empresa holandesa de servicios financieros ING Bank. Reestructuró sus operaciones en los Países Bajos reorganizando a 3.500 empleados en escuadrones ágiles. Se trata de equipos multidisciplinares autónomos (hasta nueve personas por equipo) capaces de definir su trabajo y tomar decisiones empresariales con rapidez y flexibilidad. Los escuadrones se organizan en una Tribu (de no más de 150 personas), un conjunto de escuadrones que trabajan en áreas relacionadas.
ING Bank revisó su proceso e introdujo reuniones y formatos rutinarios para crear una alineación entre las tribus y dentro de ellas. Cada tribu elabora un QBR (Quarterly Business Review), un documento de seis páginas en el que se describen las prioridades, los objetivos y los resultados clave a nivel de tribu. A continuación, se discute en una gran reunión de alineación (denominada QBR Marketplace) a la que asisten los líderes de las tribus y otros dirigentes relevantes. En esta reunión se aborda una cuestión fundamental: cuando sumamos todo, ¿contribuye esto a los objetivos estratégicos de nuestra empresa?
La alineación dentro de una tribu se produce en lo que se denomina un evento de Mercado de Cartera: los representantes de cada una de las escuadras que componen la tribu se reúnen para acordar cómo se van a alcanzar los objetivos fijados y para abordar las oportunidades de sinergias.
El ejemplo de ING Bank muestra cómo el proceso de planificación sigue siendo necesario y esencial para una empresa ágil, aunque de forma diferente, con procesos, mecanismos y rutinas distintos.
A medida que más y más empresas se transformen en organizaciones ágiles, es probable que la planificación ágil se convierta en la nueva normalidad que sustituya al enfoque tradicional de planificación centralizada.
Un proceso que utiliza tanto datos duros ilimitados como el juicio humano
Tradicionalmente, los planificadores se han obsesionado con la recopilación de datos concretos sobre su sector, sus mercados y sus competidores. Los datos blandos -redes de contactos, conversaciones con clientes, proveedores y empleados, uso de la intuición y de la vid- han sido prácticamente ignorados.
A partir de los años 60, la planificación se construyó en torno al análisis. Ahora, gracias al Big Data, la capacidad de generar datos es prácticamente ilimitada. Esto no nos permite necesariamente crear mejores planes para el futuro.
Los datos blandos también son vitales. «Aunque los datos duros pueden informar al intelecto, son en gran medida los datos blandos los que generan sabiduría. Pueden ser difíciles de «analizar», pero son indispensables para la síntesis, la clave de la elaboración de la estrategia», dice Henry Mintzberg.
Las empresas tienen que imaginar primero las posibilidades y, en segundo lugar, elegir la que tenga el argumento más convincente. Para decidir cuál es el argumento más convincente, deben tener en cuenta todos los datos que se puedan obtener. Pero, además, deben utilizar el juicio cualitativo.
En una organización ágil, los equipos utilizan el pensamiento de diseño y otras técnicas exploratorias (además de los datos) para tomar decisiones rápidas y cambiar el rumbo semanalmente. La toma de decisiones la realiza un equipo de personas, compensando así los posibles sesgos de una sola persona que toma una decisión basada en su juicio individual. Hasta cierto punto, una organización ágil basada en equipos permite la posibilidad de aprovechar los datos cualitativos y el juicio -combinados hoy con infinitos datos duros- para tomar mejores decisiones.
Confiar únicamente en los datos duros ha matado, sin duda, a muchas grandes empresas en potencia. Por ejemplo, Nespresso, el pionero de las cápsulas de café desarrollado por Nestlé. Nespresso despegó cuando dejó de dirigirse a las oficinas y empezó a comercializar en los hogares. Había pocos datos sobre cómo responderían los hogares al concepto y la información disponible sugería un valor percibido por el consumidor de sólo 25 céntimos suizos, frente a un umbral exigido por la empresa de 40 céntimos. El equipo de Nespresso tuvo que interpretar los datos con habilidad para presentar un caso mejor a la alta dirección. Como creía firmemente en la idea, obligó a la empresa a asumir un riesgo mayor de lo habitual. Si Nestlé se hubiera guiado únicamente por un estudio de mercado cuantitativo, el concepto nunca habría despegado.
El enfoque tradicional de la planificación debe revisarse para servir mejor a los propósitos de la empresa ágil del siglo XXI. La planificación ágil es el futuro de la planificación. Este nuevo enfoque requerirá dos elementos fundamentales. En primer lugar, sustituir la tradicional obsesión por los datos duros y el juego de los números por una coexistencia más equilibrada de datos duros y blandos en la que el juicio también desempeñe un papel importante. En segundo lugar, la introducción de nuevos mecanismos y rutinas que garanticen la alineación entre los cientos de equipos locales autónomos autoorganizados y los objetivos y direcciones generales de la empresa.
Por Maria Korolov
04 de Agosto 2020
El hecho de alentar a los empleados a que aprendan a conocer los datos puede beneficiar a cualquier empresa. Siga leyendo para conocer algunos de los beneficios y recursos que se pueden aprovechar en la construcción de esas habilidades.
Las investigaciones demuestran que las organizaciones basadas en datos tienen más éxito, pero los empleados suelen carecer de las aptitudes necesarias para manejar datos.
Según una encuesta realizada en 2020 por Sapio Research, el 80% de los responsables de la toma de decisiones consideraban que la apertura del acceso a los datos tiene un impacto positivo en sus organizaciones y el 74% dijo que los empleados tienen acceso a los datos que necesitan. Pero el 53% de los encuestados informó de la resistencia de los empleados a utilizar los datos.
Mientras tanto, las investigaciones han demostrado sistemáticamente que las empresas basadas en datos tienen más éxito. Una encuesta realizada en 2019 por McKinsey & Company, una empresa de consultoría de gestión, demostró que las empresas en las que los empleados utilizan sistemáticamente los datos en la toma de decisiones tienen una probabilidad 1,5 veces mayor de informar de un crecimiento de los ingresos de más del 10% en los últimos tres años.
La diferencia se reduce a la alfabetización de datos.
«Es crucial en el mundo actual, en el que los datos están omnipresentes», dijo Shreeni Srinivasan, director de analítica empresarial y entrega de aplicaciones de Sungard Availability Services. «La alfabetización de datos puede capacitar a los empleados para tomar decisiones analíticas basadas en hechos que están más fundamentadas en la realidad que las que se toman por instinto o por intuición».
Según la misma encuesta de McKinsey & Company, la proporción de ejecutivos de organizaciones de alto rendimiento que comprenden los conceptos de los datos es un 44% mayor, la proporción de gerentes que comprenden los datos es un 39% mayor y el número de empleados de primera línea que comprenden los datos es un 12% mayor que el de otras empresas encuestadas.
Sin embargo, existen importantes obstáculos para lograr la comprensión de los datos.
Según Gartner, el 50% de las organizaciones carecen de suficientes conocimientos
sobre datos para lograr el valor empresarial, y el 35% de los directores de datos dijeron
que la falta de conocimientos sobre datos es uno de los principales obstáculos para el
uso eficaz de los datos y el análisis, justo detrás de los desafíos culturales y la falta de
recursos y financiación.
¿Qué es la alfabetización de datos?
La alfabetización de datos es la habilidad de escribir y comprender datos de manera similar a como vemos la alfabetización con la lectura. Esto puede incluir la comprensión de la procedencia de los datos, la comunicación de la información derivada de los datos a otros y el conocimiento de dónde utilizar diferentes herramientas y métodos analíticos.
«Cuando las empresas tienen más empleados con conocimientos sobre datos, entienden que los datos ya no son sólo el dominio del equipo de datos», dijo Andrew Stewardson, gerente de datos de Farm Credit Services of America, un proveedor de crédito para operadores de granjas y ranchos con sede en Omaha, Neb. «Tener un mayor nivel de conocimiento de los datos significa que podemos servir mejor a nuestros clientes».
La organización de Stewardson adoptó un enfoque inusual en el entrenamiento de alfabetización de datos al crear una persona interna, Walt, para responder a las preguntas relacionadas con los datos de los empleados.
«La clave para fomentar la capacitación en alfabetización de datos fue hacer que Walt se relacionara con varias personas dentro de la organización», dijo Michael Meyer, ingeniero de datos de Farm Credit Services of America. «También creamos un blog donde los usuarios podían hacer preguntas sobre todo lo relacionado con los datos».
Eso quitó la presión a los equipos de datos para impulsar el cambio, añadió.
«El simple hecho de poner los datos en manos de los individuos de una organización no aumenta automáticamente el conocimiento de los datos y hace que una organización se base en ellos», dijo Stewardson.
De hecho, poner en marcha proyectos de datos sin prestar atención a la alfabetización en datos puede ser un error costoso».
Por ejemplo, Penny Wand, directora de tecnología de West Monroe Partners, una empresa de consultoría de gestión y tecnología con sede en Chicago, estaba trabajando en un proyecto para una empresa de fabricación para desplegar el análisis de estrategias de precios.
«La gente simplemente lo rechazó», dijo. «No entendieron los resultados».
El proyecto fue un fracaso, y la empresa no sólo perdió el tiempo y el dinero que gastó en la creación del análisis, sino que también perdió millones de dólares en oportunidades perdidas, dijo Wand.
«Les costó dinero porque no pudieron optimizar su estrategia de precios», dijo.
«Perdieron dinero al no poder poner en práctica lo que aprendieron con los datos».
Mucha gente ha estado fuera de la escuela durante mucho tiempo, y sus habilidades en matemáticas y análisis de datos no están en igualdad de condiciones, dijo Wand. Y esto no sólo perjudica a los proyectos de análisis básicos.
«Olvídese de la IA, sin un cierto nivel de conocimiento de los datos, no va a llegar allí»,
dijo.
¿Quién es el responsable de la educación en materia de alfabetización de datos?
Desafortunadamente, no hay actualmente muchas mejores prácticas y directrices a seguir cuando se trata de enseñar a los empleados en la alfabetización de datos, dijo Wand.
«Estamos en la infancia de los programas formales de alfabetización de datos», dijo.
Un enfoque es hacer que la educación sea específica para el papel que el empleado tiene en la organización, dijo. Eso es lo que Coursera está haciendo con su Academia de Ciencia de Datos. Otro enfoque es hacer llegar la educación a la gente según la necesite, ya que están usando sus herramientas de datos, en lugar de un programa de capacitación formal.
Luego está el desafío de medir el éxito.
Muchas empresas están abordando el reto de la alfabetización en datos trasladando a los científicos de datos fuera de los departamentos de ciencias de los datos y en unidades de negocio donde trabajan estrechamente con los usuarios finales, dijo Bryan Coker, consultor principal de datos y análisis en AIM Consulting Group, una consultoría de gestión con sede en Seattle.
«Creo que esa es una tendencia en casi todas partes», dijo.
Otro enfoque es ofrecer talleres prácticos y específicos a los empleados, centrándose en las herramientas analíticas concretas que se utilizan en la empresa y en los desafíos empresariales específicos en torno a los datos que la empresa y sus empleados afrontan.
Estos talleres pueden ser dirigidos por los proveedores de herramientas o por consultores independientes, dijo Justin Richie, director de ciencias de la información de Nerdery, una consultora de tecnología.
«Creo firmemente que la gente aprende mejor haciendo», dijo Richie. «Así que tener la capacidad de tener las manos en un teclado o portátil y hacer algo se trata de crear ese conocimiento contextual de hacerlo uno mismo. Es mejor que sentarse en un auditorio de tamaño universitario y escuchar a alguien hablar durante ocho horas».
O, en estos días, el equivalente al Zoom, añadió.
¿Cómo pueden las empresas fomentar la alfabetización de datos?
No todos quieren salir corriendo a aprender matemáticas.
«Ese sería un buen día de trabajo para mí, sólo tomando clases de matemáticas», dijo Jeff Herman, instructor de ciencias de datos en la Escuela Flatiron en Nueva York.
Otros empleados podrían necesitar algo de apoyo.
En el trabajo anterior de Herman en una compañía ferroviaria, los científicos de datos dirigieron sesiones de capacitación para otros empleados sobre los datos y cómo usarlos para hacer mejor su trabajo.
«Hablábamos de estadísticas básicas», dijo. «Hablábamos de diferentes bases de datos:
Aquí hay una base de datos de locomotoras, aquí hay datos sobre dónde van los trenes, aquí están las finanzas, y aquí está cómo acceder a los datos.»
Las empresas que buscan hacer algo similar deberían buscar habilidades de comunicación al contratar científicos de datos.
«Gente que pueda comunicarse con los interesados no técnicos y que se sienta cómoda dirigiendo la capacitación», dijo Herman.
“La alfabetización de datos no es sólo un beneficio para la compañía, sino también para usted. Te abrirá más puertas, te hará más comercializable. Jeff Herman Instructor de ciencias de la información, Escuela Flatiron”.
La Escuela Flatiron también tiene un curso gratuito de preparación en ciencias de la información, además de su plan de estudios habitual de ciencias de la información, dijo. La Academia Khan también ofrece muchos cursos gratuitos que cubren todo, desde estadísticas básicas hasta análisis de datos.
Pero no se trata sólo de hacer que la formación esté disponible, dijo Herman.
«Las empresas necesitan hablar sobre cuál es el beneficio para el empleado», dijo. «No es sólo un beneficio para la empresa, sino también para ti. Te abrirá más puertas, te hará más comercializable».
Además, la alfabetización de datos comienza en la parte superior, con el equipo ejecutivo.
«Tienen que sentirse cómodos con la idea de tomar decisiones basadas en los datos», dijo Herman.
Beneficios de mejorar el conocimiento de los datos
cuando las únicas personas que miran los datos son los científicos de datos, pueden perderse importantes conocimientos. Por ejemplo, en la compañía de ferrocarriles donde Herman solía trabajar, un indicador clave era el tiempo de inactividad de la locomotora.
«Pensamos que era un desperdicio de combustible», dijo Herman.
Pero cuando otras personas de la compañía, fuera de los equipos de análisis de datos, comenzaron a usar Power BI, pudieron ver los mismos datos desde una perspectiva diferente.
«La gente más cercana a las operaciones de las locomotoras sabían que había razones específicas por las que a veces tenía que estar al ralentí», dijo. «Fueron capaces de hacer un tablero de mandos para cuando una locomotora estaba al ralentí, cuando no debería estarlo, y concentrarse en los casos en los que realmente podíamos ahorrar combustible».
No es sorprendente que en una reciente encuesta de Forrester Research, el 90% de los encuestados y los responsables de la toma de decisiones analíticas vieron como una prioridad el aumento del uso de los datos en la toma de decisiones empresariales.
Pero con sólo el 48% de las decisiones basadas en información cuantitativa y análisis, hay bastante espacio para mejorar.
Noviembre 2020. La I.A. está jugando un nuevo papel en la contratación. Por RACHEL
WITHERS.
«Felicitaciones, ha sido seleccionado para una entrevista para el puesto de minijugador profesional en la Corporación Open Mind», anuncia una voz robótica sobre una pantalla en blanco. «Me llamo Alex. Yo te guiaré en la entrevista. Todo el proceso no tomará más de 10 minutos. Escuchemos tu voz. … Sonríe a la cámara. … Bienvenido a la entrevista. «
Este es el comienzo de «Entrevista con Alex», una experiencia interactiva online distópica que lleva a los espectadores a una «entrevista de trabajo» realizada por un gerente de contratación de I.A., una que mide el tono para puntuar a los usuarios en un «Índice de Estado Mental». Carrie Sijia Wang, la artista multimedia detrás del proyecto, escribe que su trabajo está destinado a «criticar el presente especulando sobre el futuro». Pero no está tan lejos de lo que podría ser su próxima entrevista de trabajo, si está solicitando un alto volumen de puestos de trabajo de baja cualificación (o incluso algunos de alta cualificación). Un número creciente de reclutadores de la vida real están recurriendo a las entrevistas de trabajo dirigidas por la I.A., utilizando programas que entrevistan y evalúan a los candidatos antes de que un reclutador humano siquiera les ponga los ojos encima.
“Lo más probable es que si solicitas el tipo de trabajo que atrae a muchos solicitantes, serás entrevistado por una I.A. eventualmente”.
Alex no te entrevistará, pero podría ser Hubert, o Ella, o Tengai, o Phai, o simplemente palabras automatizadas en una pantalla. La mayoría de los bots no están ejecutando el proceso de toma de decisiones de principio a fin (aunque a veces lo hacen -véase el artículo de Ryan Fan en OneZero «Conseguí un trabajo en un almacén de Amazon sin hablar con un solo humano»). En su lugar, los reclutadores generalmente utilizan la inteligencia artificial en la «parte superior del embudo» para clasificar o clasificar a los candidatos antes de que lleguen a una etapa todavía humana. Al igual que los humanos, estos reclutadores de bot tienen sus propios estilos únicos de entrevista. Algunos sólo buscan información logística, como la disponibilidad y el interés continuo, mientras que otros pueden estar buscando evaluar el empuje, la iniciativa, las habilidades de trabajo en equipo, la adaptabilidad o incluso su tendencia a saltar de un puesto de trabajo a otro. Algunos harán a todos el mismo conjunto de preguntas en el mismo orden, mientras que otros adaptarán sus preguntas a usted, verificando que realmente puede hacer las cosas que dice que puede.
Para muchos puestos, cada solicitante recibe un enlace automático para la entrevista. Los solicitantes son libres de entrar en la «entrevista» en su propio tiempo, y a menudo habrá preguntas de práctica que pueden probar antes de enfrentarse a las preguntas oficiales. Algunas se basan en textos, mientras que otras requieren que los solicitantes se graben en vídeo. Las preguntas, formuladas por un bot o un mensaje pregrabado (o, en un caso, por una cabeza incorpórea), suelen ser sondas bastante comunes: Cuéntenos sobre su experiencia previa, ¿por qué está interesado en esta empresa? Pero no hay escucha humana. Las respuestas son grabadas y analizadas por I.A., marcando la idoneidad del candidato en ciertos rasgos, antes de que los reclutadores humanos usen este análisis para decidir a quién invitar a otra entrevista o contratar. Para cuando las respuestas son revisadas por un humano (si es que lo hacen), I.A. ya ha emitido un juicio.
Lo más probable es que, si estás solicitando el tipo de trabajo que atrae a muchos solicitantes, serás entrevistado por uno eventualmente. Es tan frecuente que la Fast Company publicó un artículo en el que se dice a los lectores «4 cosas que deben hacer para prepararse para una entrevista de trabajo impulsada por la I.A.», mientras que LinkedIn publica una herramienta gratuita de práctica de entrevistas de I.A. en vídeo. Y por mucho que las empresas que están detrás de ellos me digan lo contrario, puede que no te guste.
En la era Data 4.0 donde la información es cada vez más fundamental para la toma de decisiones de las empresas, una gestión de datos modernizada, ágil e inteligente resulta indispensable. En esa línea, entender qué es un data warehouse o almacén de datos y las diferentes opciones que la empresa tiene a la hora de guardar los datos implica tener una estrategia de datos clara y aceptar que se trata de un elemento clave para asegurar la normalidad y el buen funcionamiento de las operaciones del negocio.
Antes de adentrarnos en el mundo de los almacenes de datos es menester entender qué es un data warehouse y por qué son importantes para las empresas hoy en día.
Un data warehouse es un repositorio unificado para todos los datos que recogen los diversos sistemas de una empresa que puede estar alojado en un centro de datos o en la nube. Esta arquitectura de almacenamiento de datos permite a los ejecutivos de negocios organizar, comprender y utilizar sus datos para tomar decisiones estratégicas.
Quizás te interese seguir leyendo El futuro del Data Warehouse está en la nube
Repositorio de datos, operaciones eficientes
La centralización de la información combina los registros históricos con datos actuales y, de esta forma, la función de reporting se ve enriquecida. Cualquier informe se elabora a partir de datos procedentes de diferentes fuentes (marketing, ventas, producción o finanzas, por ejemplo) y, además, el negocio gana visibilidad, aumentando sus posibilidades de descubrir tendencias y elaborar respuestas ágiles y precisas. Contar con un almacén de datos reduce el tiempo necesario para encontrar y analizar los datos importantes, consiguiendo que las operaciones sean más eficientes.
¿Cómo saber cuándo el negocio está listo?
La complejidad de las operaciones es uno de los factores determinantes para plantearse la construcción de un almacén de este tipo. Cuando el volumen de datos a procesar y analizar es casi abrumador, hace falta tener un buen plan de gestión de la información, no se puede improvisar.
Minimizar el riesgo depende de decisiones como ésta. Y es que, métodos tradicionales como las hojas de cálculo, están diseñados para funcionar con una cantidad fija de datos que, si se supera, comienza a generar problemas de agilidad, de confiabilidad o de completitud.
Es mucho más sencillo controlar la calidad de los datos en un almacén de datos centralizado que hacerlo en múltiples repositorios independientes. La aparición de duplicidades es una de las pruebas más claras de este tipo de cuestiones de data quality. Pero es que, además, no poner los medios necesarios para fomentar la colaboración interdepartamental, tiene sus consecuencias. La falta de un data warehouse, unida a la dependencia de las hojas de cálculo dificulta el gobierno de los datos.
Imagina una situación que puede ser muy familiar en muchas organizaciones:
- Hojas de cálculo utilizadas por casi todos los departamentos de la empresa.
- Diversos propietarios de negocio.
- Necesidad de trabajar en base a datos, de todo tipo, históricos y actuales.
- Generación de informes manuales.
- Volumen de la información creciendo de forma progresiva.
En este escenario, ¿dónde queda la eficiencia?, ¿quién controla la información?, ¿cómo se puede reducir el tiempo invertido en cada proceso? Un almacén de datos centralizado lo consigue.
Sigue leyendo Almacenamiento en la nube, ¿una opción ecológica?
Beneficios de implementar un almacén de datos
Los resultados de implementar un data warehouse no tardan en dejarse ver, promoviendo beneficios como los siguientes:
- Agilidad del reporting:optimizar el tiempo necesario para la generación de informes es uno de los primeros signos del trabajo con un data warehouse. Ya no hace falta recurrir a diferentes fuentes para comprobar si se actualizan los datos, o para mantener manualmente su actualización. Ya no existe información perdida o aislada. Todo el mundo sabe que todos los datos, en las mejores condiciones de calidad, están en el almacén central.
- Reducción de los tiempos de espera:eliminando procesos ineficaces e incluso tensiones entre departamentos. A veces a los usuarios les falta tiempo para poder ocuparse de compartir determinada información y, otras, el problema es que ni siquiera saben dónde encontrar los datos que resuelven la consulta que deben gestionar. La implementación de un almacén de datos puede ayudar a centralizar los datos y poner información de calidad a disposición de todos los miembros de la organización de forma más eficaz.
- Versión única de la verdad:cuántas veces han aparecido discrepancias entre informes procedentes de distintos departamentos, e incluso entre datos e informes. ¿Cuál es la opción válida? ¿En cuál se puede confiar? Se necesita mucho tiempo para resolver este tipo de conflictos que, de no detectarse, conducen a errores de graves consecuencias. Sin embargo, al implementar un data warehouse se eliminan los registros duplicados, desaparecen los errores e inconsistencias y la información que se emplea como base para el reporting es precisa, completa y está actualizada. En síntesis, los almacenes de datos permiten a las empresas mayor eficiencia, confiabilidad, accesibilidad y velocidad a la hora de guardar y acceder a la información para la toma de decisiones de negocio.
Fuente: blog.powerdata.es
