¿Qué importancia tiene la cultura de datos dentro de tu estrategia de datos? En nuestro pódcast DataFramed, Taras Gorishnyy identificó los pilares clave de la ciencia de datos, la IA y la estrategia de datos en una organización:
- Apoyo de la dirección
- Visión para analítica
- Bases de datos sólidas
- Demostrar pronto el impacto de la analítica
- Distribución de habilidades en datos y una cultura de datos
„Todo el mundo, en cualquier nivel, ya sea C-level o junior, debería mirar y profundizar en los datos del mismo modo que hace 20 años se esperaba que empezaras a usar el email.“ —Tanya Cashorali, fundadora de TCB Analytics
Impulsa la competencia en datos en toda la organización
Una organización con competencia en datos es aquella en la que todo el mundo sabe cómo explorar los datos que necesita para hacer su trabajo. Por ejemplo, nuestra VP de Marketing puede que no necesite escribir SQL ni ningún código, pero para hacer bien su trabajo sí necesita saber cómo acceder a los paneles de analítica e interactuar con ellos. También debe saber cómo formular las preguntas adecuadas a las personas de ciencia de datos y cómo utilizar los resultados que le entregan. En DataCamp lo resumimos en la figura siguiente:
Una base de datos sólida exige empezar con un data engineer y, después, incorporar data scientists y data analysts. A partir de ahí, podemos sumar a los business analysts y a otros departamentos. Este proceso ayuda a que todo el mundo gane competencia en datos hasta lograr que la empresa sea 100% data fluent. Un conocimiento básico de las herramientas y recursos de datos en toda la compañía mejora mucho la calidad de la interacción entre colegas, permite a los equipos hacer mejores solicitudes y capacita a todo el mundo para tomar decisiones de forma autónoma.
Para medir el nivel de competencia en datos en distintos sectores, realizamos una encuesta en la que preguntamos a más de 300 organizaciones hasta qué punto habían tomado medidas para ser data fluent:
A la izquierda, están las empresas maduras con competencias maduras en fluidez de datos; a la derecha, las menos maduras. De las maduras, solo un 39% había aplicado rediseño de procesos y cambios culturales en torno a los datos, y únicamente un 7% de las inmaduras lo había hecho. Aquí hay muchísimo margen de mejora.
Involucra a tu equipo
Al diseñar tu estrategia de datos, es clave preparar a tu plantilla para el futuro del trabajo. Esto requiere conversaciones continuas con todas las personas de la organización sobre qué tareas crees que se automatizarán y cuáles no, cómo puede convivir el equipo con las tareas automatizadas y cómo será esa interfaz persona‑máquina. En algunos puestos veremos automatización del empleo, pero el reto principal será la automatización de tareas, ya que ciertas partes del trabajo de alguien pueden automatizarse. Es mucho mejor definir cómo ofrecer formación continua y reciclaje profesional para que estas personas pasen a realizar tareas más estratégicas y con más impacto.
Prioriza la formación continua del equipo
Otra pregunta que hicimos en la encuesta a 300 organizaciones fue: “¿Qué desafíos de negocio impiden construir o mejorar la competencia en datos?”. La mayoría señaló la dificultad para contratar talento top, ya que hoy mucho talento en datos elige trabajar en el sector tech. Esto significa que no podrás contratar tantos “unicornios” como te gustaría, así que debes priorizar la formación continua y el reskilling de todo tu equipo.
Para desarrollar habilidades en datos, muchas de las organizaciones encuestadas han valorado estas opciones:
- Crear universidades de datos o centros de excelencia
- Formación presencial
- Plataformas de aprendizaje online
- Campañas internas para promover e incentivar el aprendizaje
- Reclutamiento
- Soluciones de proveedores externos
En las encuestas que hemos realizado en los webinars de DataCamp, más del 50% de las personas participantes afirmaron que menos del 50% de su trabajo con datos se utilizaba realmente para tomar decisiones. ¡Esta fuga se debe a la cultura!
Llamada a la acción
Enumera de tres a cinco entregables del trabajo con datos en tu organización y audítalos según cuánto se utilizan realmente para tomar decisiones. Demasiado a menudo, las organizaciones contratan a grandes data analysts y data scientists para crear paneles y modelos de machine learning, y luego no se usan como se pretendía por barreras culturales. Todo ese buen trabajo puede desperdiciarse y acabar en un pobre retorno de la inversión.
Descubre más buenas prácticas para construir tu cultura de datos en The Definitive Guide to Machine Learning for Business Leaders.
