El pasado 29 de septiembre, organizamos otro de nuestros debates en los que pudimos ver los aspectos clave de la ingeniería de datos y los retos que les supone a los miembros.

El desayuno contó con la participación de empresas y expertos en el campo de los datos y la tecnología, como Simón, Le Creuset, Glovo, SCRM (LIDL), FuturU y Parfois.

La sesión fue liderada por Daniel Cardelús, Chief Data Officer & AI Expert de Quantion, repasando los aspectos clave sobre cómo poner el piloto automático en la ingeniería de datos y resaltó los aspectos clave. Además explicó temas como el síndrome del fumador Gordon, esquemas esenciales para aplicar un modelo de datos sólido.

Pero para eso os hemos hecho un resumen de los cuatro puntos clave.

La Analogía de la Casa ¿Por qué la Ingeniería de Datos es fundamental?:

Desde el inicio, nos centramos en la Ingeniería de Datos y la automatización de procesos en la importancia de establecerles una base sólida antes de continuar hacia proyectos más avanzados, como es la analítica y la IA. Eso significa, que hay que comprender su ciclo de vida, para mantener la calidad y la confiabilidad de éstos. Así podrán generar un valor directo y diferenciador para la empresa.

Como ejemplo práctico, se comparaba la ingeniería de datos con la construcción de una casa, destacando que unos cimientos sólidos y bien definidos son esenciales para el éxito.

Desafíos y Soluciones a tener en mente:

Algunos de los desafíos que se expusieron, fueron la calidad de los datos, que cada vez se han vuelto más complicados debido a la evolución constante de las fuentes de datos, y la identificación de problemas potenciales que afectan a la producción.

En cuanto a cómo solucionar estos desafíos, se propuso el uso de plataformas como TALENT o Azure Data Tracking para la automatización de procesos. Y es que siempre se tiene que evaluar el propósito y la rentabilidad de los proyectos mediante estas según las necesidades específicas de cada organización. Por ello se ha de mantener un buen catálogo de datos actualizado, respaldado por políticas bien definidas que especificaran cómo calcular los indicadores y dónde encontrarlos.

Eficacia en la Comunicación de Proyectos Analíticos:

En términos de demostración de la eficacia de estos proyectos, se planteó el desafío de calcular el (ROI). A pesar de ser un proceso complejo, se entendía que la inversión en una plataforma analítica debía justificarse mediante resultados tangibles que respaldaran los objetivos comerciales. Estos no solo generaban apoyo, sino que también proporcionaban valor para la inversión en proyectos de datos, demostrando su importancia en la práctica. No obstante, se advirtió sobre la necesidad de equilibrar adecuadamente los proyectos piloto, para así evitar la fragmentación y la complejidad a largo plazo.

Además, se debatió sobre la coordinación de la innovación representativa de nuevos  negocios, con equipos técnicos ubicados en distintos países. Esta situación planteaba desafíos para avanzar de manera conjunta y eficiente. Sin embargo, uno de los obstáculos más habituales y a la orden del día son la comunicación entre la dirección y los técnicos, la cual no siempre es fácil y fluida. Y es que puede provocar dificultades en la implementación de proyectos. Por ello, es crucial la figura del Chief Data Officer, rol que destaca como intermediario entre los diferentes departamentos y equipos.

Transformación Digital:

A partir de la creciente aplicación de inteligencia artificial (IA) y la automatización en la gestión de datos y procesos. Se sugirió la personalización de flujos de trabajo mediante IA y la importancia de MLOps (Machine Learning Operations) e IOps para administrar modelos y procesos de IA. Por tanto, en este momento, la transformación digital no se limita a cambiar la tecnología, sino a evolucionar junto a ella, para aprovechar al máximo esta revolución digital.

El encuentro concluyó destacando como principales enseñanzas:

  • Dar valor a los datos: No solo tener datos de alta calidad, sino asegurarse de que estos se utilicen para generar valor para el negocio y contribuir a los objetivos empresariales establecidos.
  • Colaborar entre comunidades: A pesar de las diferencias en herramientas y contextos empresariales, muchos de los desafíos en el campo de los datos son similares en diferentes organizaciones. Esto subraya la importancia de compartir conocimientos y experiencias en la comunidad de datos.
  • Comunicación y persuasión efectiva: Para proyectar un buen impulso en la adopción de proyectos de datos, especialmente entre la alta dirección. Se requiere que todos los involucrados del negocio perciban la idea como propia; para mantener la motivación grupal en la promoción de los proyectos.

¡Gracias a todos! ¡Fue un día lleno de conocimiento y aprendizaje!