Parece existir consenso en el hecho de que, dentro del actual proceso de transformación digital de la mayor parte de los negocios, el futuro de las compañías pasa por convertirse en data-driven. El problema es que esta afirmación no significa lo mismo para todos.

Quizá sí hay una definición común de compañías data-driven como aquellas que sitúan el dato en el centro de la toma de decisiones. Hasta aquí, acuerdo casi unánime.

Sin embargo, las diferencias surgen, como casi siempre, en los “cómos”.

Hay una extendida tentación que consiste en entender esta máxima en el sentido de: compremos la mejor tecnología, explotemos los datos de los que disponemos o podamos adquirir, construyamos mejores modelos y análisis que nuestros competidores, por supuesto contratando a los mayores expertos en una desquiciada espiral inflacionista, y democraticemos la información para toda la organización. Así seremos data-driven.

El plan no es malo, ya que contiene los tres pilares de la transformación: tecnología, personas y procesos. Pero la realidad, por desgracia, es que normalmente, tras una profusa inversión en tiempo y recursos, tanto materiales, como humanos, determinados problemas “inesperados” arruinan buena parte de las expectativas comprometidas.

Veamos algunos síntomas:

• Comités que, a la hora de la toma de decisiones, pasan a convertirse en foros de defensa del dato propio (fait a maison)
• Informes que, en apariencia, usan el mismo dato, pero presentan sin embargo resultados diferentes (gran pérdida de tiempo en cuadres de información)
• Usuarios que pierden enormes cantidades de tiempo en buscar el dato que necesitan
• Un data-scientist deja la compañía y nadie sabe cómo funciona su modelo
• Los científicos pasan más tiempo limpiando datos que diseñando modelos
• Un DataMart tarda meses en estar disponible para unos usuarios que lo precisaban con urgencia
• Distintos data-labs de unidades de negocio diferentes construyen modelos con idéntico objetivo pero distinto grado de predictibilidad, con una evidente pérdida de eficiencia
• Un excelente modelo no es “comprado” por los usuarios de negocio
• Un excelente cuadro de mando no es usado por nadie
• Data-lakes que, cual masa con levadura, crecen exponencialmente sin que nadie se atreva a decomisar nada “por si acaso”

Complicaciones habituales cuya raíz hay que buscarla en las típicas deficiencias de gobierno del dato: problemas de unicidad de términos, de calidad del dato, de gestión de la demanda informacional, de gobierno de los modelos, etc. Y sin embargo es realmente notoria la habitual escasa atención que se presta desde la alta dirección a la importancia del gobierno. Y con graves consecuencias: según Gartner, la mayoría de los procesos de transformación digital encallan por la infravaloración de la relevancia del gobierno del dato.

Y aun asumiendo la relevancia del gobierno, lo cierto es que un gobierno de los datos que se limite al informacional, sin ampliarse por la izquierda (orígenes) y por la derecha (usos y usuarios), perderá gran parte de su efectividad.

Es habitual en las compañías la limitación del gobierno del dato a los llamados “repositorios de la verdad”, mientras las fuentes de las que provienen dichos datos siguen un patrón legacy desgobernado o desactualizado, padeciendo los informacionales problemas generados por los operacionales.

Algo similar ocurre con los usos de la información. Es evidente que no todos los datos deben tener el mismo nivel de gobierno: no debe buscarse la misma ortodoxia en el gobierno de un dato regulatorio clave que en un dato meramente exploratorio. Ahora bien, sin perjuicio de lo anterior, ello no significa que deba dejarse la gestión de los modelos al albur de las necesidades específicas de cada línea de negocio. O permitir que las unidades de negocio gestionen la última milla del reporte sin supervisión, en una suerte de modelo anárquico de spokes (centros de reporting).

¿Acaso solo existen silos en el informacional? ¿y los silos operacionales? ¿y los silos de consumidores de información? ¿y los silos tecnológicos?

La existencia de silos es algo absolutamente omnipresente en todos los niveles de la organización, y es el gobierno del dato el que debe eliminar las fronteras para que una cultura del dato cooperativa, abierta, transparente y ética, impregne toda la organización, con un objetivo común: convertir el dato en el activo estratégico para competir con éxito en un mercado que cambia demasiado rápido como para perdonar errores estructurales de nacimiento.

Si lo que pretendemos es convertir los datos en información, transformar ésta en conocimiento y traducir éste en acciones, el buen gobierno del dato debe actuar en todo este ciclo, garantizando la aparición de cuatro virtudes:

• Competencia para identificar, limpiar y disponibilizar el dato desde la fuente primigenia hasta su uso
• Habilidad para construir análisis eficaces
• Capacidad para traducir dichos análisis en decisiones de negocio exitosas
• Liderazgo para convencer a todos los intervinientes de la necesidad de esta transformación, que es tarea de todos