#4 Modelo de madurez de gestión de la información

Subscribe to get the latest

on 2020-06-30 00:00:00 +0000

En este episodio, hablaremos sobre el Modelo de Madurez de Gestión de Información y cómo podemos utilizar ese modelo para ayudar a nuestras organizaciones a avanzar. Este modelo puede ayudarte a identificar dónde se encuentra tu organización y hacia dónde se dirige en su estrategia de gestión de información, obteniendo en última instancia el máximo valor comercial de tus datos.

Keywords

#dataarchitecture #generativeai #zerotrust

Desarrollar una estrategia de datos puede ser difícil, especialmente si el estado del manejo de información o la trayectoria de tu empresa no están claros. Este Modelo de Madurez de Administración de Información ayuda a los CDOs y CIOs a identificar dónde se encuentran en su trayectoria de administración de información. Este mapa puede ayudar a guiar a las organizaciones a medida que mejoran y avanzan continuamente hacia la máxima organización de datos que les permite obtener el máximo valor comercial de sus datos.

El modelo representa una serie de fases, comenzando desde la menos madura hasta la más madura: Estandarizado, Gestionado, Gobernado, Optimizado e Innovación. Muchas veces, una organización puede existir en múltiples fases al mismo tiempo. Puedes determinar dónde opera la mayoría de tu organización, y luego identificar a tus pioneros que deberían estar más avanzados en madurez. Utiliza a estos pioneros para pilotar o prototipar nuevos procesos, tecnologías o estructuras organizativas.

Fase Estandarizada

La fase estandarizada tiene tres subfases: básica, centralizada y simplificada. La mayoría de las organizaciones se encuentran en algún lugar de esta fase de madurez, por lo que debes analizar los comportamientos, tecnología y procesos de tu organización para determinar en qué punto se encuentra.

Básico.

Casi todas las organizaciones se ajustan a esta fase, al menos parcialmente. Aquí, los datos solo se utilizan de forma reactiva y de manera improvisada. Además, casi todos los datos recopilados se almacenan en función de marcos de tiempo predefinidos, a menudo de forma indefinida. Las empresas en esta fase básica no eliminan los datos por temor a perder información crítica en el futuro. Por ejemplo, recientemente estábamos trabajando con una empresa que tiene 30 años de copias de seguridad de correos electrónicos, alrededor de 12-10 terabytes, que temen desechar. Esta no es una práctica poco común.

Estas características describen mejor esta fase.

Gestión por reacción

Datos no catalogados

Almacena todo en todas partes.

Centralizado (Recopilación de datos centralizada)

A medida que las organizaciones comienzan a evaluar su estrategia de datos, primero se centran en centralizar su almacenamiento en soluciones de almacenamiento de big data. Este enfoque toma la forma de almacenamiento en la nube o de dispositivos de datos en las instalaciones. Una vez que los datos se recopilan en una ubicación centralizada, la tecnología de almacén de datos puede permitir que se realicen análisis básicos del negocio para obtener información accionable. La mayoría de las veces, estos datos se utilizan para solucionar problemas con los clientes, la cadena de suministro, el desarrollo de productos o cualquier otra área de su organización donde se generen y recopilen datos.

Estos atributos describen mejor esta fase.

Gestión por reacción
Recopilación básica de datos
Almacenes de datos.

Almacenamiento de grandes datos

Análisis básico de big data

Simplificado

A medida que aumenta el número de fuentes de datos, las empresas comienzan a formar organizaciones que se centran en la estrategia, organización y gobernanza de los datos. Este cambio comienza con la oficina del Director de Datos (CDO, por sus siglas en inglés). Existen debates sobre si el CDO debe ser parte de la empresa bajo el CEO o el CIO. No te detengas en dónde se encuentran en la organización. Lo importante es establecer un enfoque organizativo de los datos e implementar un plan de normalización de datos. La normalización brinda la capacidad de correlacionar diferentes fuentes de datos para obtener una nueva visión de lo que está sucediendo en toda la empresa. Ten en cuenta que sin normalización, los datos permanecen aislados y solo parcialmente accesibles. Otro atributo clave de esta fase es la necesidad de desarrollar un plan para manejar el volumen masivo de datos que se recopilan. Debido al aumento en el volumen y el costo de almacenar estos datos, es importante contar con un almacenamiento en niveles. Aunque en las primeras etapas es casi imposible saber la manera óptima de gestionar el almacenamiento de datos, recomendamos utilizar la mejor información disponible para desarrollar planes racionales de almacenamiento de datos, con la advertencia de que esto deberá revisarse y mejorarse una vez que los datos estén en uso.

Estos atributos describen mejor esta fase.

Gestión de datos predictivos (comienzo de una organización centrada en los datos)

Normalización de datos

Almacenamiento jerarquizado centralizado.

Gestionados (Perfiles de Datos Estándar)

En la fase de Gestión, las organizaciones han formalizado su organización de datos; los científicos de datos, los administradores de datos y los ingenieros de datos ahora forman parte del equipo y tienen roles y responsabilidades definidas. La gestión de metadatos se convierte en un factor clave para el éxito en esta fase, y varias aplicaciones ahora pueden aprovechar los datos en la empresa. El movimiento de un almacén de datos a un lago de datos permite una mayor agilidad en el desarrollo de aplicaciones centradas en datos. La virtualización del almacenamiento de datos permite una solución de almacenamiento más eficiente y dinámica. Ahora, el análisis de datos puede realizarse en conjuntos de datos de múltiples fuentes y departamentos en la empresa.

Estos atributos describen mejor esta fase.

Gestión organizada de datos (Organización de datos en su lugar con roles clave identificados)

Gestión de metadatos

Linaje de datos
Lago de datos

Análisis de grandes volúmenes de datos

Almacenamiento definido por software (virtualización del almacenamiento)

Gobernado

La fase gobernada se alcanza principalmente cuando una organización tiene un enfoque centralizado de los datos y logra una aproximación integral para gobernarlos y protegerlos. El CDO trabaja estrechamente con el CSO (Oficial Principal de Seguridad) para garantizar que las estrategias de datos y seguridad trabajen juntas para proteger los valiosos datos de la empresa mientras los hacen accesibles para el análisis. Los datos se clasifican en diferentes categorías basadas en su criticidad, secreto o importancia. El cumplimiento de las regulaciones se automatiza y se aplica a los datos en toda la organización. La visibilidad aumentada sobre el uso de los datos y la seguridad aumenta con las estrategias conjuntas de datos y seguridad, así como con los planes tácticos. La inteligencia artificial básica se está utilizando ampliamente en la organización, y las decisiones comerciales se derivan de los datos. Ahora, los datos se pueden recopilar y catalogar desde todas partes de la empresa, incluyendo dispositivos de Internet de las Cosas (IoT) en los activos físicos de la empresa.

Estos atributos describen mejor esta fase.

Clasificación de datos

Cumplimiento de datos

Seguridad de datos

Inteligencia Artificial Básica

Distribución de la Virtualización de Datos / IoT

Optimizado

A medida que la recolección de datos de las organizaciones sigue aumentando, necesitan encontrar eficiencias en la automatización y la mejora continua de procesos. La automatización de los procesos de datos es el objetivo principal en la fase optimizada. Específicamente, la automatización de la anotación y etiquetado de metadatos reduce el tiempo para obtener valor de los datos. Los datos ahora se han vuelto demasiado grandes para trasladarse a un lugar centralizado, y surge una arquitectura de “lago de datos distribuido” como la forma óptima de gestionar los datos. El aprendizaje automático es clave en esta fase para comenzar a proporcionar información a los tomadores de decisiones y ayudar a optimizar las operaciones y el valor empresarial. La aplicación y los datos se implementan en infraestructuras de red, almacenamiento y computación basadas en información histórica y modelos de IA.

Estos atributos describen mejor esta fase.

Automatización de etiquetado de metadatos.

Lago de datos distribuido

Inferencia de datos / ML

Infraestructura impulsada por datos

Innovación

La organización definitiva se encuentra en la fase de Innovación. No solo se guía por datos, sino que crea nuevos productos, ofertas y servicios basados en los conocimientos obtenidos de los datos dentro y fuera de su organización. Esta fase es cuando la inteligencia artificial/aprendizaje automático ofrece ventajas invaluables. Hay tres subfases en la Innovación: visión, prescriptiva y prospectiva.

Visión

La perspicacia es la toma de decisiones basada en datos en función de lo que puedes ver que realmente está ocurriendo en tu ecosistema, por ejemplo, en tu cadena de suministro, desarrollo de productos o fabricación.

Prescriptive: Prescriptivo

Si bien la perspicacia es valiosa, requiere interacción humana, comprensión e intuición. En el siguiente nivel, prescriptivo, su inteligencia artificial sugiere lo que debería hacer basado en la perspicacia. Esto puede jugar un papel importante en toda su organización, ya que las decisiones se basan en datos desde la cadena de suministro hasta la adquisición de clientes.

Visión a futuro

En este paso crucial, los datos en realidad ayudan a crear el futuro. Por ejemplo, la previsión permitiría a una organización de TI proyectar cuánta capacidad necesitará en el futuro basándose en normas históricas e incluso factores como las condiciones cambiantes con sus competidores. La previsión requiere una gran cantidad de datos y entrenamiento de modelos, pero lleva al objetivo final de la empresa en tiempo real.

Estos atributos describen mejor esta fase

Comprensión (decisiones impulsadas por datos)

Prescriptivo (negocio basado en datos)

Visión anticipada (crear el futuro)

Aprendizaje profundo

Empresa en tiempo real

Conclusión

Es común sentirse atrapado en una fase y abrumado por la cantidad de cambios necesarios para pasar a una nueva fase de madurez. Sin embargo, cada paso adelante es valioso. Por ejemplo, tal vez te encuentres en una etapa de Centralización y puedas analizar la gestión de los metadatos. ¿Existe la oportunidad de ir más allá de simplemente limpiar los datos y también mejorarlos? Este tipo de pensamiento progresivo te hará avanzar en la cadena de la madurez en el manejo de tu información.

Podcast Transcript