#15 Impulsando la Transformación Organizacional
Subscribe to get the latest
on Thu Aug 20 2020 17:00:00 GMT-0700 (Pacific Daylight Time)
with Darren W Pulsipher, Sarah Kalicin,
Crear resultados exitosos basados en datos comienza con una sólida base organizacional. Darren y su invitada Sarah Kalicin, Data Scientist principal del Grupo de Centros de Datos de Intel, discuten los aspectos clave de este cambio fundamental.
Keywords
#data #management #people #datacentricorganization #organizationalchange
Construyendo una organización basada en datos.
El éxito basado en datos comienza con una base organizativa. Esto significa que la gestión tiene un papel clave en impulsar un resultado valioso. En lugar de simplemente reconocer la necesidad de datos, solicitar ideas y esperar resultados, la gestión debe proporcionar un camino hacia el éxito, comenzando con una pregunta fundamental: ¿Cuál es el valor comercial que queremos obtener de los datos?
Una vez que la dirección determina las preguntas comerciales, deben estar disponibles los recursos para respaldar el proceso: colocar a las personas adecuadas, capacitación, recopilación de datos, preparación, creación de ideas y operacionalización. Esto requiere recursos y tiempo suficientes; la organización debe respaldarlo desde un nivel fundacional y cultural, con un plan completo en su lugar.
Obteniendo valor de la IA
En un artículo de la MIT Sloan Management Review de octubre de 2019, “Ganar con la inteligencia artificial”, los autores mostraron que las organizaciones definidas con una personalidad de “pionero” obtenían el máximo provecho de sus iniciativas de inteligencia artificial. La razón es porque estaban altamente enfocadas en su estrategia empresarial y se aseguraban de que los datos que estaban utilizando influyeran en todo su modelo de negocio. A nivel básico, estaban utilizando los datos para determinar cómo maximizar los ingresos mientras se minimizaban los gastos operativos. Estaban generando valor a partir de los ingresos de la inteligencia artificial en lugar de solo ahorros de costos.
Los autores también encontraron que estas organizaciones tienen más éxito cuando los ejecutivos de alto nivel, en lugar del Departamento de TI, impulsan las iniciativas de IA. Los ejecutivos de alto nivel están más cerca del modelo de negocio y del contexto en el que se utiliza la información. Esta estructura ayuda a evitar que los análisis se conviertan en un mero ejercicio académico.
Identificando preguntas para crear valor empresarial
¿Qué preguntas deben hacer las organizaciones para crear valor empresarial? Un buen lugar para comenzar es preguntar a quienes están en la unidad de negocios qué les preocupa y en qué carecen de conocimiento. Después de hacer una lluvia de ideas sobre estos problemas, identifiquen los problemas de gran impacto y baja complejidad. Luego, averigüen qué datos tienen o pueden adquirir que puedan responder a estas preguntas. Obtener los datos que necesitan no es fácil y requiere disciplina. Aquí es donde entra el apoyo y compromiso de la dirección durante todo el proceso.
Comprometiéndose con una sólida base organizativa
Una sólida base organizativa no es una adhesión, sino un compromiso de toda la organización con un proceso de resolución de problemas. Una vez que hayas definido los problemas o el valor empresarial que deseas, desglosalo en pasos viables, como encontrar los datos, contar con las personas adecuadas y el patrocinio de la dirección. Es esencial un enfoque de resolución de problemas en el que todos estén de acuerdo con el desglose y el proceso, en lugar de simplemente tratar de encontrar una respuesta. También es necesario comprometer los recursos y el tiempo necesarios.
El feedback y la revisión a lo largo del proceso son importantes. El equipo y la gerencia deben entender que este no es un proceso lineal, sino una práctica de mejora continua. Puede resultar, por ejemplo, que los datos más convenientes no sean los correctos. Es posible que debas encontrar una fuente diferente o limpiar los datos existentes de una manera que sea utilizable.
Otra parte de la base organizativa es contar con la infraestructura adecuada de software y hardware. El big data requiere un canal sofisticado. La dirección debe comprender que van a invertir dinero en tecnología para procesar los datos de manera útil. También necesitan invertir en personal y brindar capacitación utilizando software de análisis real para poder sacarle el máximo provecho a sus datos.
Todo esto contribuye a la cultura de una organización que abraza las ideas digitales y reconoce su valor.
Definición de roles y responsabilidades
Aunque algunos roles de TI han existido por un tiempo, es útil definir los roles y responsabilidades para los ejecutivos clave en la fase de análisis.
El Director de Analítica Principal (CAO) permite que la analítica y la inteligencia artificial trabajen juntas para crear valor para la organización. Estos son los traductores analíticos que trabajan con los ejecutivos de alto nivel para determinar cómo pueden aprovechar la analítica y la inteligencia artificial a través de la entrega y ejecución.
El Director de Datos Principal (CDO) es responsable de la curaduría de los datos de la organización para que el Director de Análisis de Datos (CAO) y su equipo de ciencia de datos puedan utilizar los datos. La estrategia de datos, además de la curaduría, incluye seguridad, mantenimiento y calidad.
El Director de Información (CIO) asegura, construye y mantiene la infraestructura de software y hardware para admitir el trabajo de datos, análisis e inteligencia artificial. El CIO y su equipo garantizan que los datos puedan fluir según los requisitos de los ingenieros y científicos de datos.
Todos estos funcionarios y sus equipos necesitan trabajar juntos. El CAO y los científicos de datos definen cómo se utilizarán los datos, construyendo los modelos y paneles de control para proporcionar los conocimientos. El CDO y los ingenieros de datos seleccionan los datos y se aseguran de que estén listos para el trabajo analítico, mientras que el CIO y los equipos de infraestructura y arquitectos de soluciones buscan a los ingenieros de datos, analistas y científicos de datos para determinar qué hardware y software pueden facilitar su trabajo.
Modelos de alineación organizacional
Con estas nuevas posiciones de alto nivel ejecutivo, existen varias opciones para la alineación organizativa en una escala que va desde completamente descentralizada hasta completamente centralizada.
En un informe de McKinsey de 2018, “Diez señales de advertencia que indican que su programa de análisis fallará”, se muestran los pros y los contras de los modelos de alineación organizativa. Una de las ideas clave muestra que el beneficio de tener una descentralización completa es que estás poniendo la experiencia justo dentro del negocio. Los trabajadores de datos estarán estrechamente involucrados y comprenderán los datos, creando un alto valor. Sin embargo, dependiendo de la organización, es posible que no puedas apoyar tener tantos profesionales de datos en cada una de las unidades de negocio. Además, si solo hay unos pocos profesionales de datos, es posible que no puedan aprovechar otras áreas de experiencia dentro de la empresa. En este caso, algo más centralizado podría ser más beneficioso.
Conclusión
Las organizaciones están enfrentando muchos cambios nuevos para volverse centradas en datos, no solo en la cultura, sino también en la estructura organizativa. No es suficiente simplemente desear los beneficios que trae la nueva IA; se requieren cambios fundamentales en la forma en que pensamos acerca de la propia organización.