bas121 - Fotolia

Evaluar Conozca los pros y contras de las tecnologías, productos y proyectos que está considerando.

Los proyectos de analítica transformacional necesitan equipos con experiencia

El éxito de sus proyectos de datos no solo dependerá de contar con todos los datos pertinentes, sino de tener a gente con la experiencia adecuada para poder traducirlos en información útil.

Este es un artículo invitado de Nick Clarke, jefe de analítica en Tessella.

Muchas empresas de éxito, grandes y pequeñas, están ejecutando proyectos e iniciativas de análisis de datos. Estos proyectos pueden y entregan enormes impactos en el balance final. Pero también tienen un mal hábito de tomar tanto tiempo que los patrocinadores corporativos pierden interés o pasan a nuevos proyectos. Si los proyectos de analítica van a tener éxito –y los equipos van a asegurar fondos para seguir haciéndolos– necesitan cumplir sus promesas rápidamente.

Una razón por la que muchos no cumplen es una falta de apreciación de la cartera de habilidades y nivel de experiencia requeridos para diferentes proyectos. Gran parte de esto se deriva del uso del término "analítica" para referirse a todo, desde el simple análisis de números, hasta matemáticas y programación increíblemente sofisticadas con base en datos diversos, no estructurados. Diferentes proyectos requieren muchos conjuntos de habilidades diferentes, y sin embargo el ‘análisis de datos’ a menudo se agrupa bajo un mismo paraguas. El resultado es que gente que comprende una aproximación hacia los datos termina en proyectos que requieren un enfoque completamente diferente, y terminan tomando demasiado tiempo para ponerlo en marcha.

Identificar a las personas adecuadas es realmente difícil. El aumento visible de la analítica y la ciencia de datos ha dado lugar a una gran cantidad de nuevas ofertas de entrenamiento, desde cursos cortos hasta grados completos de ciencia de datos. Junto con esta nueva ola de profesionales de los datos, una gama cada vez mayor de herramientas de autoservicio están apareciendo, todas ellas diseñadas para proporcionar análisis de fácil uso y visualización de conjuntos de datos.

Muchos de estos cursos y herramientas son excelentes, y traen un buen valor a una amplia gama de problemas. Para las necesidades claramente definidas, tales como la rotación de clientes o el análisis del comercio al por menor, una plataforma bien diseñada a menudo puede resolver su problema con rapidez y eficacia.

Pero estos avances también conducen a una falsa sensación de que el análisis de datos puede ser de consumo general. Algunos pueden, hasta cierto punto. Pero la analítica más valiosa a menudo trata de hacer frente a proyectos de transformación de negocio en diversas y completamente nuevas áreas de la empresa.

Estos proyectos de alto valor a menudo necesitan personas con habilidades estadísticas y de datos de alto nivel para tener éxito. Pero, aún más importante, es la experiencia aguerrida de "haber estado allí, haber resuelto eso" de aplicar la analítica a los problemas difíciles del mundo real. Ellos necesitan personas que están familiarizadas con la forma en que una amplia gama de modelos y herramientas de análisis pueden o no funcionar en el mundo real, que puedan identificar cuál aplicar a cuál problema, y que ​​puedan refinar y refactorizar esos modelos hasta los grados de precisión requeridos por el desafío a la mano.

Este tipo de proyectos también requieren que los datos se entiendan en su contexto. Los datos no son solo una cadena de números, representan algo: una máquina o un motor o un avión, o una persona. Alguien con experiencia en perforación de pozos petroleros, por ejemplo, será capaz de detectar si un cambio en un flujo de datos es indicativo de un problema, o una parte normal de las operaciones de perforación. Alguien capacitado únicamente en datos, solo sabrá que ha surgido un nuevo patrón, no lo que eso significa.

Eso no es para denigrar al personal recién capacitado o a las herramientas de autoservicio; ambos pueden jugar un papel en proyectos complejos. Los graduados entusiastas deben ser apoyados para obtener esta experiencia. Sin embargo, las organizaciones deben reconocer que estas habilidades son complicadas y toman tiempo para adquirir y madurar; mucho más tiempo que la duración de un solo proyecto.

Una empresa no debe caer en la trampa de pensar que los datos son nuevos y, por lo tanto, deben ser manejados o manipulados por una nueva generación de analistas. Los proyectos de análisis de datos deben ser reconocidos por lo que son, y se debe aplicar a ellos un nivel adecuado de experiencia. Si el objetivo es la transformación del negocio, ellos necesitan personas con experiencia probada en la entrega de proyectos de datos de transformación de negocio.

Comprender lo que su proyecto realmente implica y dotarlo de recursos con el nivel adecuado de experiencia es fundamental para su éxito. Equivóquese, y el proyecto puede sufrir salidas en falso, tomar más tiempo y tal vez nunca entregar su modelo de negocio en absoluto.

Este artículo se actualizó por última vez en octubre 2016

Profundice más

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close