Gobierno de datos y BI en autoservicio

La gestión de datos, el autoservicio, la implementación de nuevas soluciones que hacen a los usuarios más independientes y la calidad de la información no están reñidas entre sí. El gobierno de datos es la clave para habilitar un entorno de trabajo autónomo, productivo y confiable. Todas las organizaciones que se lo propongan pueden conseguirlo, con las herramientas adecuadas, aunque para ello necesitarán que la solución de data governance elegida cumpla algunos requisitos, como los que señalan en SearchBusinessAnalytics:

Créditos fotográficos: gpointstudio

• Permita asignar privilegios específicos a los usuarios basados en base a roles predeterminados.
• Facilite el etiquetado de datos, para diferenciar los validados por la empresa, de fiabilidad incuestionable, de los generados por los usuarios, que podrían estar comprometidos.
• Hagan posible la preparación de datos sin impedir que los usuarios se conecten a múltiples almacenes de datos y trabajen con datos dispares en una sola plataforma
• Pero, ¿qué más hace falta tener en cuenta para lograr el éxito en un proyecto de gobierno de datos que apoye al autoservicio?

La realidad del gobierno de datos como como apoyo al autoservicio de BI

El establecimiento de un programa de gestión y gobierno de datos es el punto de partida para la definición de las políticas, procedimientos y normas necesarios para garantizar la coherencia en la propiedad de los datos, su acceso, condiciones de calidad, linaje, metadatos, definiciones, desarrollo y procesos de ejecución. A la vez, también es necesario contar con un plan que facilite el que los usuarios se adhieran a estos nuevos estándares que guiarán sus interacciones con los datos.

Con un programa de estas características, los usuarios de negocio pueden utilizar el BI en modo autoservicio en condiciones de confianza y con un riesgo mínimo. Mientras, el Departamento de IT queda liberado de algunas de sus obligaciones de soporte, de las que ahora se encargan los propios usuarios, pudiendo disponer de más tiempo para dedicarse a tareas más técnicas o de mayor importancia estratégica para el negocio.

Sin embargo, pese a las ventajas del gobierno de datos como apoyo al autoservicio, una tendencia en alza, tal y como apunta Paul Zolfaghari, presidente de MicroStrategy, cuando asegura que "es la dirección a la que apunta el mercado"; en la práctica cuando se hace la transición hacia un modelo de negocio en el que el consumo de información se da en modo self-service, resulta recomendable tomar algunas precauciones que evitan consecuencias no deseadas como:

• Seleccionar una herramienta poco adecuada y no darse cuenta de la falta de idoneidad hasta meses después de implementarla, cuando se comienzan a percibir errores de calidad de datos. ¿Cómo es posible tomar decisiones de tanta importancia para el negocio sin el apoyo experto que podría evitar este tipo de problemas?
• Plantear el proyecto de data governance con un plazo demasiado ajustado que, por las prisas, termine abocándolo al fracaso. ¿Por qué frustrarse con el ritmo normal de un proyecto en vez de pensar en los beneficios de una implementación bien hecha?
• Errar en el diseño del dashboard para los usuarios de negocio al intentar estandarizar. Muy al contrario, se ha de extremar la personalización, algo que requiere de una inversión de tiempo a tener en cuenta en el programa de la iniciativa en la que se entre en contacto con las necesidades usuarias. ¿Cuándo no es demasiado tarde para darse cuenta de que el aspecto del cuadro de mando no es suficiente para asegurar su funcionalidad?
• Fallar en la gestión del cambio y no informar suficientemente a los usuarios acerca de su responsabilidad como gestores autónomos de los datos en la organización. ¿Quién es responsable de reemplazar una tabla por otra provocando que se detengan las actualizaciones?

Gobierno de datos y gestión de datos

Está claro que la mayoría de estos inconvenientes están motivados por un compendio de factores que contribuyen al problema desde diferentes perspectivas. Lo importante es tener en cuenta que podrían haberse evitado mediante un buen programa de gobierno de datos y llevando a cabo una gestión de datos eficiente a nivel de organización.

Porque para poder empezar con buen pie, lo primero que hay que tener claro es que, gestión y gobierno, ni son lo mismo ni se trata de términos intercambiables. Se complementan pero no se sustituyen. Y así, mientras que la gestión de datos comprende las políticas, procedimientos, prácticas y herramientas que se emplean para mejorar el uso de los activos de datos,  el gobierno de datos se ocupan de velar por su correcta aplicación.

Ambas caras de un programa de datos a nivel corporativo deben equilibrarse entre sí para entregar el máximo valor, y eso incluye la manera de abordar el autoservicio en el consumo de información y su tratamiento.

Muchas organizaciones implementan BI en autoservicio sin llevar a cabo una gestión adecuada de los datos y sin ser siquiera conscientes de la debilidad (o inexistencia) de su gobierno. Pero los atajos no existen en materia de data management y, por eso, empiezan a suceder cosas como:

• Inconsistencias en la presentación de informes.
• Proliferación de duplicidades.
• Pérdidas de tiempo y de eficiencia en los procesos.
• Desconfianza generalizada hacia los datos.

Por desgracia, una vez que los usuarios dejan de confiar en sus activos informacionales, es complicado dar marcha atrás y recuperar esa confianza. Según un reciente informe:

• Los profesionales de BI encuentran que el 64 por ciento de las iniciativas de autoservicio sólo habrían culminado con una aceptación media, mientras que únicamente el 5% de este tipo de proyectos se dan por finalizados en condiciones de éxito.
• El desafío más grande en relación con el BI en autoservicio es la preparación de los usuarios, puesto que el 73% de ellos terminan necesitando mayor preparación de lo previsto.

Para tener éxito con el autoservicio, es preciso adquirir una comprensión más profunda de las necesidades usuarias que permita hacer la elección tecnológica adecuada. Y hay que ir más allá, comprometiéndose a llevar a cabo un seguimiento que permita monitorizar las capacidades de los usuarios y su alineación con las herramientas de BI, porque ambas evolucionan rápidamente y, de esta forma, se pueden mejorar las condiciones de ajuste y actualización.

Para monitorizar la evolución de las interacciones entre usuarios y soluciones, hay que atender a aspectos como:

• La propiedad de los datos.
• Las normas de calidad de datos y de acceso a ellos.
• Los metadatos y el linaje de datos, así como sus definiciones contenidas en el glosario de negocio.
• Los procesos de elaboración de normas y su implementación.
• La gestión del cambio.
• Los planes de formación y reciclaje.
• Los estándares tecnológicos del mercado.

El establecimiento de un modelo robusto de gobierno de datos puede ayudar a superar limitaciones en relación al autoservicio y, pese que en sí aumentará la complejidad del proyecto estará, al mismo tiempo, sentando las bases para un futuro de éxito donde los diferentes niveles de habilidad del usuario o el nivel deseado de interacción con los datos serán tenidos en cuenta, minimizando el riesgo y optimizando resultados.