Saltar al contenido
También puedes escuchar este post en audio, ¡dale al play!
En los últimos años la irrupción tecnológica alrededor del dato ha puesto el foco de muchas organizaciones en el dato como activo “Compañías Data Driven”, ha sido relacionado con conceptos como Big Data, Ciencia de Datos, Inteligencia Artificial, etc.. y ha permitido abordar numerosos proyectos.

En ocasiones, este aluvión de información, de ideas, de casos de uso, de posibilidades o de nuevas arquitecturas ha desviado el verdadero foco de un proyecto de datos que no es otro sino el de extraer información y conocimiento para las organizaciones. La clave es ayudarlas a tomar mejores decisiones.

En este sentido observamos que se prioriza el componente técnico, el resultado final, el cuadro de mando, el modelo, el algoritmo empleado, sobre el objetivo real del proyecto.

¿Qué es lo que nos permite lograr ese objetivo? Un buen modelo analítico.

¿Cómo organizamos la información?¿Estamos dando realmente un contexto de negocio a nuestro sistema analítico?¿Representa los procesos de nuestra organización?

Para BABEL es esencial trabajar en todos nuestros proyectos de datos desde una clara perspectiva de negocio. La inversión en el conocimiento de los procesos es esencial, si no conocemos el funcionamiento, el ¿por qué? y el ¿para qué? difícilmente podremos dar una solución acorde a las necesidades del negocio.

Una vez comprendido el proceso, es necesario entender los datos, considerándolos como la materia prima y principal protagonista en el resto del proyecto.

Este estudio del dato es necesario orientarlo principalmente desde el prisma de negocio, desde la visión de los usuarios que van a utilizar la información y que por tanto van a poder mejorar el conocimiento, ese es el verdadero foco.

Desde nuestra experiencia, la mejor manera de lograr este objetivo es la realización de un buen modelo del sistema analítico. Ese modelo debe estar en un lenguaje propio del negocio o de los usuarios clave y entendible por ellos, que sientan que representa realmente la información que manejan y necesitan y que los datos se estructuran de una forma sencilla.

Hay muchas buenas prácticas y técnicas para lograr este tipo de aproximaciones, BABEL utiliza en la mayoría de los casos las buenas prácticas expuestas por el equipo de trabajo de Ralph Kimball, pero lo importante no es la técnica utilizada, sino lo bien que consigamos representar el proceso en nuestro modelo de datos, esa es la clave del éxito y del crecimiento de un buen sistema analítico o informacional.

La implementación de un buen modelo ayuda principalmente a su explotación, mantenimiento y crecimiento del mismo. En concreto, se ve claramente en los siguientes ejemplos:
 
  • Autoconsumo: Los propios usuarios, son capaces de generar sus propios informes de manera más sencilla y de forma autónoma, entienden el modelo, entienden donde se encuentra cada dato y pueden representarlo de la forma que mejor les ayude a visualizar y analizar la información.
  • Analítica avanzada e inteligencia artificial: Para los científicos de datos, trabajar con los datos en un contexto de negocio les facilita el proceso de manejo y acondicionamiento de los datos. La orientación a negocio facilita el trabajo con las diferentes variables, permite analizar mejor la distribución de la información. En definitiva, ayuda en todo el proceso de construcción de datos a la hora de implementar un modelo.
  • Mantenimiento y Crecimiento: Un buen modelo permite incorporar las nuevas necesidades de la empresa de forma más sencilla, permite no solo cambiar el modelo si es necesario, si no lo más importante, permite incorporar nuevos procesos de negocio de una forma integrada en el sistema, ofreciendo siempre una visión 360 de toda la organización.

Para finalizar este articulo solamente una reflexión ¿Se encuentran bien representados los procesos de tu organización en tu modelo analítico?
 
Carlos  Ortiz
Carlos Ortiz Perfil en Linkedin

Responsable Línea de Servicio Big Data y Analytics en BABEL.

Más post de Carlos Ortiz