4 pasos para crear un programa de datos con éxito

Ser data-driven es responsabilidad de todos

En el siglo XXI, cualquier organización que quiera ser competitiva debe estar impulsada por los datos. Ser data-driven no va de automatizar puestos, sino de dar a las personas las herramientas e información para que sean más eficaces en su trabajo.

Creemos que es responsabilidad de toda la organización ser más data-driven. Al fin y al cabo, seguramente todos tocamos datos de algún modo, sea cual sea nuestro rol. Buscamos continuamente oportunidades para potenciar y acompañar a nuestra gente en este camino.—Rachel Alt-Simmons, AXA XL

Las métricas de éxito de un programa de datos dependen de tu sector y tu organización

No existe un programa de datos único que sirva para todo. Los objetivos variarán según factores como el sector, el tamaño de la empresa y la estructura del equipo.

Tomemos AXA XL como ejemplo. AXA XL, adquirida por AXA Group en 2018, es una gran aseguradora comercial y de especialidades que evalúa proyectos complejos. Actualmente emplea a 13.000 personas en todo el mundo que trabajan en equipos distribuidos, lo que implica que muchos no coinciden físicamente con la mayoría de sus compañeros. La colaboración virtual es clave en ubicaciones globales y, como aseguradora, sus necesidades de datos dependen en gran medida del papel y los PDF.

Nuestro negocio funciona sobre papel. Vendemos documentos legales—eso es una póliza de seguros, un documento legal. Recibimos papel y generamos papel. Por ejemplo, cuando recibes una solicitud de un cliente, incluye muchísimos archivos e información. Puede llegarte en PDF, en documentos de Word, en hojas de Excel y, probablemente, en todas sus variantes. No hay estandarización en cómo llega ese documento, no existe un PDF estándar ni un archivo estándar. Es diferente para cada cliente.

Como gran parte de sus datos se almacenan en PDF y la introducción es manual, no se capturan todos los elementos de datos. Se pierde mucha información o no es fácil de recuperar. Para abordar estos problemas, AXA XL aprovecha capacidades como el procesamiento de lenguaje natural para capturar documentos y extraer información fácilmente.

Cómo implantar un programa de datos

1. Elige un enfoque descendente o ascendente

El enfoque de arriba abajo para crear un programa de datos está ligado a las iniciativas más amplias de datos y analítica dentro de la organización. Requiere diseñar estratégicamente el programa para estandarizar cómo se integran modelos y flujos de trabajo analíticos entre equipos.

El enfoque de abajo arriba consiste en elevar de forma general las capacidades y el nivel de habilidades de todas las personas que siguen una carrera en datos y analítica. Por ejemplo, la iniciativa Analytic DNA de AXA XL identifica expertos en distintas áreas tecnológicas y analíticas y recurre a ellos para obtener ideas que puedan escalarse en toda la organización.

La buena noticia es que la gente ha estado muy dispuesta a dar un paso al frente y aportar su guía y experiencia, lo que nos ayuda a moldear un programa relevante y alineado con nuestras iniciativas estratégicas.

2. Define perfiles y sus objetivos

En DataCamp hemos identificado varios perfiles o roles relacionados con datos que suelen usar nuestros clientes: consumidor de datos, líder, analista de datos, citizen data scientist, data scientist, data engineer, database administrator, estadístico, machine learning scientist y programador. Aconsejamos a nuestro profesorado que tenga en cuenta qué perfiles son relevantes al crear sus cursos, y recomendamos a nuestros clientes empresariales que consideren qué perfiles son clave al diseñar sus programas de datos. Cada perfil se relaciona con los datos de forma distinta.

Dos perfiles principales para AXA XL son los actuarios y los data scientists, y actualmente están centrados en converger las habilidades que requieren ambos roles para impulsar el negocio.

Siempre ha habido una división interesante en muchas organizaciones [de seguros] entre el perfil actuarial y lo que yo llamaría un perfil más de ciencia de datos o analítica pura. En nuestra organización, estamos uniendo ambas cosas. Estamos enseñando a los actuarios técnicas estadísticas y de machine learning que pueden aplicar en sus procesos actuariales. Ya no es “nosotros contra ellos”, sino “cómo combinamos estas capacidades”, lo cual es bastante estimulante.

3. Identifica las carencias de cada perfil

Recomendamos a todos nuestros clientes que realicen un inventario amplio de las habilidades internas en datos mediante una matriz de competencias. Adopta muchas formas, pero en general implica visualizar fortalezas y brechas a nivel de organización, departamento, equipo o individuo.

Rachel, de AXA XL, propone identificar las carencias de cada perfil planteando preguntas como:

• ¿Qué es lo que quieres saber?
• ¿De qué te gustaría tener más?
• ¿Qué más podríamos aportar, por ejemplo, formación, contratación, desarrollo de habilidades o trabajo por proyectos?
• ¿Estamos alineando bien estas capacidades con nuestros proyectos estratégicos?

Para perfiles analíticos como data analysts, data scientists y data engineers, puede ser útil analizar si hay brechas en habilidades clave como la importación de datos, el análisis en hojas de cálculo, el procesamiento de lenguaje natural y la construcción y mantenimiento de canalizaciones de datos. Aquí tienes un ejemplo de matriz de competencias que hemos desarrollado para profesionales de datos.

Para consumidores de datos y líderes, las habilidades necesarias incluyen competencias transversales como la comunicación, la comprensión de la visualización de datos y el design thinking.

El design thinking consiste en crear una solución, sea técnica, de datos o de modelo. ¿Cómo lo haces de forma relevante para el cliente? Y después, ¿cómo comunicas los resultados de manera eficaz?

4. Crea itinerarios de aprendizaje para cada perfil

Un enfoque de aprendizaje holístico requiere aplicar design thinking para trazar un itinerario eficaz. No se trata solo de desarrollar habilidades técnicas, sino también de consolidar habilidades de negocio. Por ejemplo, AXA XL exige que sus actuarios sepan traducir los datos a términos comprensibles para que los decisores, como los suscriptores que evalúan el riesgo, puedan contextualizar la evaluación y extraer conclusiones útiles, como cuánto riesgo asumir. Por tanto, el itinerario de aprendizaje de los actuarios debe incluir la capacidad de contextualizar los datos y comunicar sus implicaciones a audiencias más amplias.

Para ayudar a las organizaciones a descubrir el nivel de habilidades en datos de sus equipos por perfiles, ofrecemos una auditoría de habilidades gratuita mediante un informe comparativo. A título individual, puedes realizar nuestras evaluaciones de habilidades Signal para seguir tu progreso.

Tras evaluar las habilidades, recomendamos crear itinerarios personalizados para que cada persona alcance el nivel base requerido para su perfil o rol. Los itinerarios para consumidores de datos y líderes pueden inclinarse hacia nuestros cursos de teoría, mientras que los profesionales de datos realizan cursos prácticos de programación. Por ejemplo, como gran parte de los datos de AXA XL están en PDF, los itinerarios de actuarios y data scientists incluyen varios de nuestros cursos de procesamiento de lenguaje natural. Para actuarios en las primeras etapas de su carrera, recomendamos estos cursos de R para aprobar el Predictive Analytics Exam.

Aprovecha los beneficios de tu programa de datos

Rachel afirma que es fácil medir el éxito de tu programa de datos con una pregunta: ¿te ha ayudado a ser más rentable? Si los datos alimentan correctamente las decisiones, eso se reflejará en tus resultados. Así que, si las habilidades de tu equipo evolucionan y tu empresa toma decisiones informadas, lo más probable es que la respuesta sea: sí.

Para saber más sobre cómo construir un programa de datos de éxito, mira el webinar bajo demanda.