Revisando la cadena de valor del dato

El concepto de cadena de valor del dato trabaja sobre la idea de que los datos se recogen, analizan y permiten tomar mejores decisiones. Creo que es un concepto útil, pero que en realidad no refleja de forma precisa el trabajo alrededor de los datos. Voy a intentar recoger una serie de ideas y matizaciones sobre este tema y realizar una representación más cercana para entender cómo transformar datos en buenas decisiones.

Patrocinador: 
Adam patrocina el blog de @titonet. 
Te ofrecemos servicios cercanos y flexibles de data center,  infraestructura cloud y conectividad en Madrid y Barcelona. 
DESCUBRE ADAM 

Este artículo lo puedes leer o ver el video siguiente.

Nota: En el texto hay matices que no aparecen en el video.

La cadena de valor del dato

La gran promesa de los datos es que nos ayudarán a tomar mejores decisiones. Tú recoges datos, los preparas, los analizas y a partir de ahí te descubres soluciones para tomar mejores decisiones. Si queremos representar el trabajo que hacemos con datos lo normal es que pensemos en un un proceso lineal.

La realidad es que deberíamos de detallar algo mejor lo que hay en el ‘procesamiento’ de lo datos. La intención sería poder saber qué tareas hay que hacer, quien se encarga y poder entender las fricciones y problemas dentro de todo lo que rodea al dato.

Para ilustrar la cadena de valor del dato voy a utilizar este artículo de Brent Dykes donde recoge de manera lineal la cadena de valor del dato y sus etapas. La intención del artículo es hablar de la limitación que se produce en las últimas etapas de la cadena de valor, pero a mí me sirve para construir sobre esta imagen.

cadena de valor del dato
  1. Recogida de los datos: los datos vienen de diferentes fuentes, a diferentes frecuencias, en diferentes formatos, a través de diferentes herramientas. El elemento crítico en este paso es la infraestructura.
  2. Preparación de los datos: Tener datos está bien, pero toca trabajar la normalización, la conexión, limpieza y la seguridad de los datos. El elemento crítico es definir el estandar de calidad del dato.
  3. Visibilidad de los datos: Traducir los datos en reporting y dashboards para hacer accesible la información. El elemento crítico es la visualización por diferentes colectivos.
  4. Análisis de datos: Trabajo de conectar identificar y verificar oportunidades de mejora. El trabajo crítico es encontrar conexiones y crear hipótesis.
  5. Comunicación de insighs: asegurar que identificamos ideas críticas que tengan impacto y trasladarlas a las personas que vayan a ejecutar.
  6. Tomar Acción: usar los datos para tomar decisiones. El elemento crítico es asegurar que en la ejecución usamos los datos para validar los insights.

El artículo profundiza sobre las dificultades que tienen las empresas para llegar a la última milla y tomar buenas decisiones, pero creo que el problema no está solo en la última milla si no creo que hay problemas de representar la cadena de valor de esta manera. He preparado 4 consideraciones a este modelo y he trabajado en una nueva representación.

Consideración 1: ¿Qué tienen que responder los datos?

Los datos son una herramienta para aportar valor a negocio. Es por ello que lo primero que debemos saber es para qué queremos de los datos. Confundimos muchas veces el medio con el fin. Una empresa data driven no sirve para nada a no ser que tengamos claro qué es lo que importa al negocio.

Los datos sirven para ayudar a la empresa a tomar diferentes tipos de decisiones. Este es el listado con algunos ejemplos.

  • Decisiones estratégicas: ¿Cuál es nuestra misión? ¿Quién es nuestro cliente? ¿Cuál es nuestra propuesta de valor? ¿Qué resultados ofrecemos? ¿Cuál es nuestro plan?
  • Decisiones estructurales: ¿Cómo nos organizamos? ¿Cuál es el nivel de rendimiento del equipo? ¿Cómo coordinamos el negocio?
  • Decisiones operativas: ¿Cómo funcionan los proyectos? ¿Cómo va el presupuesto?
  • Decisiones tácticas: ¿Cómo van las campañas de marketing? ¿Cuál es el rendimiento de cada área comercial?

La cadena de valor de los datos no sirve a no ser que entendamos qué tienen que resolver los datos. Deberíamos añadir una casilla previa que tiene que ver con la definición de los retos y las cuestiones a cada uno de estos niveles.

Consideración 2: Trabajar con datos, mejor que prepararlos

Si seguimos el modelo propuesto de cadena de valor, después de la recopilación toca preparar los datos. Probablemente el concepto de ‘preparación’ se me queda corto. Preparar lo asocio al trabajo de limpieza, guardado y poner en seguro los datos. Creo que me encaja más el concepto de ‘trabajar con datos’. Dejar que me explique.

Tenemos que asegurar que los datos tienen sentido para resolver los retos que queremos resolver. En muy pocos casos veremos que los datos que recogemos son suficientes para responder a las dudas del negocio.

Trabajar con datos es un proceso que tiene que nutrir de madurez y mejorar la representatividad de los problemas que buscamos solucionar. Más que una función de ‘preparar’ se necesita cuestionar los datos y entender lo que falta. ¿Son suficientes los datos que tenemos? ¿Qué datos faltan? ¿Qué otras fuentes serían más fiables?

El trabajo con datos busca ir desarrollando la madurez del sistema de datos de una empresa a través de datos representativos, completos, fuentes diversas, datos fiables y éticos. Tenemos que trabajar los datos para cuestionarlos, analizarlos, buscar fuentes para poder incluirlas en la recogida de datos. Por eso creo que toca reformular esta etapa.

Consideración 3: No es visualización, es definir niveles de acceso

El siguiente paso de la cadena nos habla de ‘visualización de datos’.

Estamos en pleno boom de los dashboards y los powers BI. De repente, volvemos a cometer los mismos errores del pasado donde pensábamos que capacitando a las personas en herramientas, estas aprenderán a mejorar su espíritu crítico, su capacidad analítica y aprenderán a trabajar con datos. Nada más lejos de la realidad.

Visualizar datos, es solo una parte de la data literacy que implica leer, trabajar y comunicar con datos. Necesitamos desarrollar la alfabetización de los datos y para ello no vale con ‘mostrar’, toca dar acceso. Lo relevante en este paso no es dar paso a visualizaciones molonas y dashboards, sino permitir la accesibilidad de los datos. Es por eso que lo importante de esta etapa es dar acceso a los datos y gracias a este acceso podemos mejorar la capacidad de analizar los datos.

Hay tres niveles de accesibilidad de los datos: centralizados, distribuidos y descentralizados.

El modelo de empresa que entrega dashboards, centraliza la entrega de los datos y con eso limita la capacidad de analizar los datos. Una empresa que sabe utilizar los datos, permite el acceso a los datos a diferentes capas de la organización. Esta distribución de diferentes puede ser con el modelo de dar acceso a todos los datos a todos los empleados para poder leer, trabajar y representar. (modelo descentralizado) o concentrando el acceso en diferentes nodos de distribución de la información dentro de la organización (modelo distribuido)

Si tengo que compararlos, el modelo centralizado se basa en la concentración técnica de capacidades – Típico departamento de business inteligence -, pero es muy limitado en cuanto a poder dar respuesta a todas las áreas y preguntas del negocio. El modelo distribuido crea nodos de distribución de información y puede ayudar a empoderar a muchas áreas de la empresa, pero implica una capacitación de los empleados en data literacy.

Si tengo que destacar un tema importante en esta etapa de la cadena de valor es la necesidad de sincronizar el acceso a los datos con el empoderamiento técnico para poder analizarlos.

Consideración 4: Insights para toma de decisiones

Vamos a por la siguiente etapa del modelo. Ya tenemos acceso a los datos y analizarlos. A partir de ahí los datos nos dan ‘ideas’ (lo sé ideas es una traducción simplista de insights) y de posibles elementos causa-efecto, pero para confirmarlos tenemos que preparar proyectos para ejecutar y estos proyectos tienen que pasar una serie de filtros dentro de las organizaciones para poderse llevar a cabo. Por eso, a esta etapa me gusta más con el nombre de data decisión making. Lo importante no son descubrir ideas, sino tomar decisiones con datos.

Dentro de las empresas hay personas que deben estar informadas, otras que recomiendan, otras que ejecutan, otras que deciden y por último están los que aprueban.

El problema está en que no queda muy claro quien tiene que aprobar el qué o quién tiene que estar informado. Tener un cuadro donde quede claro en base a los tipos de decisiones, qué rol tiene cada nivel de la organización es un ejercicio que ayuda a agilizar la toma de decisiones de manera sorprendente. Puedes tener todos los datos y todos los dashboards, pero sin esta parte resuelta aquí nadie toma decisiones.

Lo difícil de esta etapa está en tener el protocolo de decisiones muy bien definido, comunicado y comprendido por toda la organización, para que acelerar las decisiones con los datos disponibles. El atasco se suele producir en los procesos, no en los datos.

Consideración 5: Decisiones que tomamos & sus resultados

El último de los pasos que echo en falta es cómo retro-alimentamos los datos gracias a la experiencia que dan los datos. Recoger datos de las decisiones y de sus resultados es lo que permite aprender a mayor velocidad a cualquier empresa.

Este circuito de retro-alimentación, afecta a tantos componentes de la cadena, que entonces yo me planteo si realmente la representación de cadena de valor nos es útil. Por eso creo que nos toca pensar otro formato.

Revisión de la cadena de valor del dato

Creo que la cadena de valor del dato consta de dos circuitos. Un circuito alimenta el modelo de datos y se preocupa por su madurez y representatividad. El segundo circuito pone los datos en acción y se dedica a poder corregir & utilizar los datos para darle utilidad.

La mejor representación que se me ha ocurrido sería esta:

El detalle de cada elemento de la cadena de valor, el detalle de cómo definir el flujo de los dos circuitos lo encontraréis próximamente en mi nuevo libro.

DATA2: Decisiones x datos

En los próximos meses espero poder lanzar mi segundo libro que se centra en la conexión entre datos y decisiones. Esta es la primera versión de la portada:

Os dejo aquí los enlaces para poder hacer la pre-reserva en dos formatos: Formato papel o formato digital. Ya sabéis que los que participáis en la preventa os llevaréis alguna sorpresa extra. :)

Si queréis el primer libro sobre datos seguir la siguiente imagen:

Posts relacionados

Leave a Reply

Titonet