En los últimos años fuera del ambiente corporativo se ha hablado de innovar de manera ágil y de cómo hay que adaptarse a las modernidades tecnológicas por miedo a no quedarse atrás. Dentro de estas tendencias, entre las más asociadas a una buena toma de decisiones, se ha hablado de Analytics, Big Data e Inteligencia Artificial.
Y no es que las empresas nunca hayan visto con utilidad un buen análisis de sus negocios o una investigación de mercados. Antiguamente, hace 30 o 50 años, los numéricos se concentraban en los equipos de finanzas y contabilidad. Y con la información a su alcance, recordemos que no había Google ni internet, calculaban oportunidades de mercado y tomaban decisiones de negocio.

Ahora con el internet y la información al alcance de cualquier corporativo este ejercicio se ha hecho mucho más fácil y replicable. Lo que demanda un nuevo tipo de organización para responder a las necesidades de información de una empresa. No podemos manejar la misma estructura de hace 40 años. En un entorno tan cambiante hay que adaptarse lo más rápido posible ¿Cómo lograrlo? La respuesta es reinventando parte de la organización, con nuevos perfiles y equipos.
Estos son los 5 perfiles para echar a andar una estrategia de datos en tu compañía:
1) Jefe Analista de negocio: Es responsable de atender a las áreas de negocio en sus necesidades de información y de la creación de nuevos proyectos de aprovechamiento de datos en la compañía. Es versátil en sus capacidades de análisis y comunicación hacia la empresa. También tiene una parte didáctica para entrenar y capacitar equipos sobre cómo aprovechar de mejor manera las bases de datos del negocio.
2) Arquitecto de datos: Es un experto conocedor de las estructuras de bases de datos del negocio y de cómo es la mejor manera de que se relacionen y se consulten. Es el principal contacto cuando de contratar capacidades externas se trata.
3) Ingeniero de datos: Encargado de dimensionar y anticiparse a las necesidades de almacenamiento y seguridad para los datos de la compañía. Prepara e integra los datos relevantes para que estén listos para ser consultados. Está en contacto constante con ciberseguridad de la compañía y con los equipos financieros encargados de presupuestar la capacidad a futuro de almacenamiento para las iniciativas de información de los siguientes años.
4) Director / Gerente de analítica: Es un conocedor de las necesidades del negocio, tiene exhibición a foros especializados donde se hablan de problemas y oportunidades del modelo de negocio actual y es el principal punto de contacto con otras gerencias y áreas para proponer mejoras. Gestiona a su vez con áreas de legal y monitorea los procesos ágiles de desarrollo en sus equipos. Finalmente cesiona la gobernanza y acceso a la información.
5) Chief Data Officer: justo debajo del CEO y al nivel de las otras direcciones. Un error común es comenzar a verlo dentro de las estructuras de Marketing o de Tecnología. Lo que sesga su accionar y evita que esté en los foros de mayor relevancia para la empresa. Guía a nivel estratégico y mediático las intenciones futuras de aplicar inteligencia artificial y big data a los modelos actuales de la compañía.
Para una correcta ejecución de la estrategia de datos, además de contar con estos perfiles, hay que habilitar una estructura organizacional en donde convivan los procesos de innovación y transformación digital a nivel interno en la compañía. Un ejemplo que propone Harvard (HBR) es el siguiente:
Hasta aqui la columna de hoy ¿ Tu empresa ya está lista para una estrategia de datos? ¿Será tu proyecto de 2018?
Déjanos cualquier duda o comentario. ¿Cómo funciona actualmente en tu empresa? Sigue la conversación en redes @DATLASMX
Keep it weird
Equipo Datlas
Pingback: Por qué no necesitas un Data Scientist (es Clickbait) Parte 1 – Datlas News | Blog de www.datlas.mx
Pingback: ¿Big data en mi organización? Cómo puedo empezar – Datlas Research | Blog de www.datlas.mx
Pingback: 🤖No se aprende “Big Data” en un curso de 2 horas, pero tampoco ocupas un doctorado – Compartimos 3 DO’s and DONT’s para identificar el conocimiento de calidad en analítica | Blog de www.datlas.mx
Pingback: ¿Por qué pueden fracasar los proyectos de Ciencia de datos? | Blog de www.datlas.mx
Pingback: ¿Cómo construir un CHECKLIST para iniciativas de analítica de datos? – Datlas research | Blog de www.datlas.mx
Pingback: Diseño de perfiles y áreas de analítica para organizaciones – Datlas Research | Blog de www.datlas.mx
Pingback: ¿Cómo identificar un impostor de datos? – datlas emprendedores | Blog de www.datlas.mx
Pingback: Introduciendo al Gobierno de Datos – investigación datlas | Blog de www.datlas.mx
Pingback: arquitectura de proyectos de datos (Data warehouses, vs Data lake vs Data mart) – Datlas manuales | Blog de www.datlas.mx
Pingback: SISTEMA ILUO para matriz de habilidades de departamentos de datos en organizaciónes – investigación datlas | Blog de www.datlas.mx
Pingback: 🤖No se aprende “Big Data” en un curso de 2 horas, pero tampoco ocupas un doctorado – Compartimos 3 DO’s and DONT’s para identificar el conocimiento de calidad en analítica – Blog de www.datlas.mx
Pingback: ¿Que es la Web 3.0? – COLUMNA DE INVESTIGACIÓN DATLAS – Blog Datlas
Pingback: 🤖No se aprende «Big Data» en un curso de 2 horas, pero tampoco ocupas un doctorado – Compartimos 3 DO’s and DONT’s para identificar el conocimiento de calidad en analítica – Blog Datlas
Pingback: ¿Qué es la Ciencia de Datos (Data Science)? Según Google – MANUALES DATLAS – Blog Datlas