En la última década, las estrategias de gestión de datos han experimentado un cambio significativo. Hace diez años, la responsabilidad de la gestión de datos recaía en el departamento de TI, mientras que los análisis de datos se realizaban en otros departamentos de forma individual, según las necesidades. Sin embargo, ahora estamos presenciando un cambio importante hacia un enfoque más centralizado de la gestión y el análisis de datos.

Gran parte de este cambio se debe al auge del análisis predictivo, que ha facilitado el aprovechamiento de los datos y la extracción de información valiosa que tiene un impacto significativo en aspectos como los ingresos y la retención de clientes. A pesar de esto, no todas las empresas han adoptado esta nueva forma de trabajar. Según Gartner, solo el 50% de las empresas cuentan con un puesto de nivel C dedicado a la gestión y el análisis de datos. Los datos siguen estando aislados en el departamento de TI y muchos departamentos aún dependen de cálculos básicos realizados en Excel y análisis más complejos ejecutados por el departamento de TI.

El uso de Excel como herramienta analítica tiene limitaciones evidentes, como la seguridad de los datos, la limitación de filas y el análisis de solo dos parámetros, entre otros. Además, su uso como herramienta analítica principal también sobrecarga la capacidad del departamento de TI, lo que genera una sensación de agobio y retrasos en el trabajo. Por supuesto, esta no es la realidad de todas las empresas. Muchas tienen grupos de profesionales analíticos que trabajan en sus respectivos departamentos, sin comunicarse nunca para abordar las necesidades analíticas generales de la empresa.

Pero eso no es todo. Con una adopción más generalizada del análisis predictivo, cada unidad de negocio tiene sus propios requisitos analíticos, bases de datos y sistemas de análisis, así como jerarquías de informes. Sin alguien que se encargue de reunir todos los requisitos individuales y alinearlos con las estrategias generales de la empresa, la organización tendrá dificultades para avanzar más allá de los análisis específicos hacia el verdadero aprovechamiento del big data.

EL CAMPEÓN DE LA ESTRATEGIA DE ANÁLISIS

Las capacidades analíticas efectivas comienzan con una estrategia a nivel empresarial que muestre lo que se desea lograr y cómo hacerlo. Esta estrategia debe ser detallada e incorporar las leyes que la empresa debe cumplir, como el GDPR. Esto significa que las estrategias exitosas de análisis de datos comienzan desde arriba. Aunque la alta dirección de una empresa debe estar completamente involucrada en la definición de una estrategia de datos y análisis, y en establecer expectativas en toda la organización, cada empresa necesita una persona designada que actúe como enlace entre la alta dirección y el resto de la empresa. De esta manera, se evita que las estrategias y decisiones se tomen de forma aislada en toda la organización.

En el pasado, varias personas diferentes han asumido ese papel: directores de análisis (CAO), directores de datos (CDO) o directores de tecnología (CTO), solo por mencionar algunos. Sin embargo, al final, el título de la persona a cargo no importa para el desarrollo y la ejecución de una buena estrategia de análisis de datos a nivel corporativo.

En resumen, para que una empresa pueda aprovechar al máximo el análisis de datos, es fundamental contar con una estrategia sólida y una persona designada que actúe como enlace entre la alta dirección y el resto de la organización. Solo de esta manera se podrá avanzar hacia el verdadero aprovechamiento del big data y obtener información valiosa que impacte positivamente en los resultados de la empresa.

Artículo basado en: Dataconomy