La creación de una cultura de toma de decisiones orientada a datos se puede ejecutar de muchas maneras y está claro que no hay una fórmula mágica que le sirva a todo el mundo.
Sin embargo, existen determinadas buenas prácticas que deben estar presentes en cualquier proyecto que quiera poner la información cuantitativa en el pipeline de toma de decisiones. Entre ellos destaca: Democratización del dato – Recogida y almacenamiento de datos sea un proceso ágil con un coste bajo desde un punto de vista técnico. Capacidades analíticas de los equipos. Proceso iterativo y de mejora continua para conseguir que los datos formen parte del día a día de una organización.
«Mercadona Tech tiene como reto buscar la eficiencia logística a través de la tecnología y apostar por la venta online.«
Los principales aspectos destacados son los siguientes:
Democratización del dato:
- En una organización basada en datos cualquier persona debe ser capaz de conseguir sus propios datos, analizarlos y sacar conclusiones a partir de ellos de manera autosuficiente.
- Proporcionar acceso a los datos a toda la organización y hacerlo de manera que sea un proceso totalmente self-service.
- Los perfiles de Business Intelligence deben dedicar su tiempo a análisis complejos y profundos que vayan mucho más allá de sacarle los datos a algún manager con alguna hipótesis por validar.
- Herramientas como Metabase y Superset pueden ayudar a centralizar las consultas de los datos conectando los repositorios y fuentes de datos que se vayan creando.
Fuentes de datos:
- En un entorno donde se generan grandes cantidades de datos las fuentes de datos también son múltiples. Este escenario, que puede resultar caótico, es necesario ya que significa que la recogida y el almacenamiento de datos es un proceso ágil con un coste técnicamente bajo.
- Si para crear una tabla con datos agregados se necesita la intervención de un ingeniero significa que estamos lejos de decir que la cultura de trabajo está orientada a datos.
Capacidades analíticas:
- Hoy en día existen multitud de librerías y frameworks que implementan métodos de análisis avanzados y herramientas estadísticas y matemáticas complejas con una curva de aprendizaje suave. Utilizar Python en estos entornos no es más complejo que utilizar excel y sin embargo si es mucho más potente.
- Herramientas como Collaboratory de Google permite crear y compartir notebooks de Jupyter de forma fácil y sencilla.
Deja una respuesta