Monetizing Data - Avoiding Data Swamp

4 estrategias para evitar el pantano de datos

Las organizaciones están cada vez más impacientes por monetizar su enorme cantidad de datos. Existen muchas maneras de hacer que eso ocurra.

En los últimos años, la antigua máxima de que las empresas son empresas de software se ha actualizado. Hoy en día, todas las empresas son empresas de datos, si se toman en serio la innovación.

Esto se debe a que al mismo tiempo que el volumen y la variedad de los datos generados crecieron con rapidez, y las empresas y los consumidores se volvieron cada vez más digitales, un grupo selecto experto en los datos demostró cómo esa información puede impulsar la transformación y la innovación. En consecuencia, organizaciones de todo tipo han recopilado y almacenado sin descanso información de todas sus operaciones y clientes durante, al menos, una década (y, muchas veces, durante más tiempo).

Sin embargo, en la mayoría de las organizaciones, a medida que sus datos crecían en enormes proporciones, surgieron dudas inquietantes en torno a que estos no se estén aprovechando como se podría. Mientras que las tecnologías de análisis avanzado de datos, como la AI y el aprendizaje automático, se tornan más accesibles, surgen preguntas para los líderes de TI sobre cómo se podrían monetizar mejor estos datos.

La respuesta correcta radica en comprender que, si bien los datos en sí siempre tienen un cierto grado de valor latente, mientras se mantengan como información sin procesar, ese valor nunca se podrá alcanzar. Transformarlos en información a través del análisis es parte del recorrido para llegar a aprovechar el potencial de los datos, y muchas organizaciones son buenas en este aspecto. Pero para monetizar realmente sus datos, se debe usar esa información.

Por desgracia, algunos toman el camino incorrecto. Contrariamente al saber común, monetizar sus datos no tiene que ver con vender los datos que posee, que, además de tener poca perspectiva, es una práctica arriesgada en lo que respecta a la reputación. En cambio, las empresas obtendrán mucho más valor de sus datos si generan mejores resultados operativos o para los clientes. Esto solo ocurre al convertir datos en información, e información en acción.

En el caso de las organizaciones que lo logran, puede establecerse un ciclo poderoso de innovación, en el que el valor de sus datos aumenta de manera significativa con el tiempo, hasta llegar a ser un activo estratégico importante.

El camino hacia la monetización de los datos

El potencial de los datos para la creación de valor y, por lo tanto, la monetización están ligados a la continuidad del análisis, según lo describe Gartner.

Gartner - Four Analytics Types
Gartner Analytic Continuum

En el lado de bajo valor y baja dificultad, el análisis descriptivo ofrece una retrospectiva de lo que sucedió. Progresar en la escala de dificultad y valor representa un resultado más esclarecedor con fines de diagnóstico (¿por qué ocurrió?) y predictivos (¿qué ocurrirá?) . En los niveles más altos de dificultad y valor, se aprovechan las aplicaciones de análisis para brindar una visión de futuro a las organizaciones: ¿cómo podemos hacer que esto suceda?

El camino hacia la monetización de datos está en tomar las respuestas a estas preguntas, ¿qué ocurrió?, ¿por qué ocurrió?, ¿qué ocurrirá?, ¿cómo podemos hacer que ocurra?, y actuar en consecuencia para crear resultados que mejoren la excelencia operativa, el crecimiento de los ingresos o la innovación.

El recorrido interno hacia la monetización de datos puede incluir un enriquecimiento de su oferta de servicios a través de una mejor productividad en el servicio al cliente o de la optimización de su cadena de suministro. El recorrido externo puede incluir la creación de nuevos flujos de ingresos, a través del descubrimiento de necesidades no satisfechas de los clientes, o del incremento de los flujos existentes de ingresos al mejorar la experiencia del cliente.

El ámbito de acción disponible para usted en estos recorridos está muy vinculado con la madurez de los datos y del análisis. En el nivel fundacional, se encuentra un modelo de tipo de datos como servicio: puede recopilar y organizar los datos, y analizarlos para obtener resultados descriptivos y prescriptivos. En el nivel transformacional, un modelo de información como servicio le permite desarrollar una plataforma o un negocio en torno a la entrega de información de diagnóstico o predictiva de una manera en la que se pueda utilizar.

Sin embargo, independientemente de su nivel de madurez, todas las organizaciones requieren cuatro cosas para monetizar sus datos de manera eficaz.

Cuatro estrategias para evitar el pantano de datos

1. Asegúrese de que sus datos sean confiables

El primer aspecto es obvio, y no es algo de lo que muchas empresas carecen: los datos. Sin embargo, la cantidad es solo la mitad de la historia. Los datos deben ser confiables, para garantizar que también lo sea su información. Además, se debe poder acceder a ellos con facilidad. Esto último es un desafío organizativo y técnico: los datos deben recopilarse, almacenarse y conectarse a las aplicaciones de análisis. Y debe eliminarse todo repositorio que separe las fuentes de esos datos. También se necesita tener las capacidades técnicas, a nivel interno o mediante asociaciones, para manejar esos datos de forma correcta.

2. Cuente con una estrategia integral

En segundo lugar, es fundamental contar con una estrategia desarrollada en torno a una compresión perfectamente esquematizada y cuantificable de resultados deseados y con un plan de acción frente a esos resultados. Incluso un flujo de análisis de primer nivel que recibe datos altamente confiables no tendrá ningún impacto significativo sin una visión clara de los resultados que trata de alcanzar.

3. Garantice la alineación en el liderazgo

Por este motivo, el liderazgo y la estructura organizativa también son factores de éxito críticos. Sin el support del sector ejecutivo a la estrategia y una estructura que empodere a la organización para llevar a cabo esa estrategia, su información nunca será más que hechos interesantes. Para garantizar que se transforme en resultados que puedan monetizarse, se necesita contar con mecanismos y canales para brindarle rápidamente la información a la gente que la necesita en un formato que se pueda usar.

El liderazgo y la estructura organizativa también marcan las pautas para la cultura, que puede ayudar con los esfuerzos de monetización de datos o destruirlos. Desde el punto de vista cultural, debe recibir el impulso para iterar sus resultados, a fin de crear un ciclo de innovación. Si no, se arriesga a darle la espalda a las predicciones, por ejemplo, a estas de Gartner:

  • Hasta el 2022, solo el 20 % de la información analítica ofrecerá resultados comerciales
  • Hasta el 2020, el 80 % de los proyectos de AI seguirán siendo alquimia, manejados por magos con talentos que no escalarán en la organización

4. Desarrolle estructuras y procesos de support en torno a sus datos

A menos que se recopilen, seleccionen y unifiquen de la manera correcta, los datos siempre tendrán un valor y potencial limitados para ser monetizados. Para que se conviertan en un activo estratégico importante, y uno que se pueda traducir rápidamente en valor, las organizaciones necesitan desarrollar capacidades correctas, estructuras de support y estrategias respecto a los datos.

Y, aún así, demasiados almacenes de datos o lagos de datos se convierten en páramos de información nueva. Una cantidad importante de información sin usar, que pierde valor a medida que crece y disminuye su utilidad.

Los riesgos asociados con los pasos en falso y los errores en torno a la monetización de datos son relativamente altos si consideramos el papel que desempeñan al comunicar su estrategia comercial, y al empoderar y fomentar los sistemas que disparan decisiones y flujos de trabajo automáticos. Esto significa que no existen atajos, pero también que las recompensas son altas, en la forma de soluciones, servicios y procesos transformados, incluso de modelos de negocios completos.

Para obtener esas recompensas, las organizaciones deben tener una alienación cultural y organizativa en lo que respecta a la interpretación de la información basada en datos. Las acciones valen más que la información cuando se trata de la monetización de datos.

 

 

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.

Subscribe

The Road to Trusted_Data Banner

El camino hacia los datos confiables

About the Authors

Nihar Gupta

General Manager, Data Services

Nihar Gupta

With over 10 years of experience working with high-growth SaaS/Tech companies, Nihar helps companies achieve their growth objectives through strategic partnerships, corporate development efforts, and executing cross-functional strategic initiatives. He brings significant breadth of experience across strategy, finance, product, and sales and marketing.

Read more about Nihar Gupta
Lara Indrikovs Director of Product Management Rackspace

Director of Product Management

Lara Indrikovs

Lara Indrikovs serves as the director of product management for the Global Data organization at Rackspace. She is responsible for leading the development, management, prioritization and execution of the GDO product portfolio that encompasses end-to-end enterprise data initiatives. Lara is a certified SAFe leader and led the GDO’s agile transformation. Prior to her current role, Lara led the marketing intelligence and data science teams, which were dedicated to developing actionable reporting and insights for Rackspace’s marketing activities and creating predictive analytic tools to enable business transformation initiatives. In that role, she led the global migration and consolidation of web analytic platforms to Google Analytics 360, directed the Salesforce Cloud and Google Analytics 360 integration, and established the first Marketing datamart in GCP Big Query. Before Rackspace, Lara held various leadership positions at global advertising agencies, where she focused on multicultural media strategy and buying. She graduated from the University of Texas at Austin with a degree in Advertising and Media, later earning a Master of Science in Predictive Analytics from Northwestern University. Lara lives in Austin with her fiancé and 8-year-old Cocker Spaniel, Indiana Bones. In her free time, she likes to balance out her analytical left brain on a yoga mat, traveling, hosting dinner parties, dancing Rumba and other Afro-Latin dances and volunteering with local non-profits.

Read more about Lara Indrikovs
Juan Riojas

Chief Information Officer

Juan Riojas

As Chief Information Officer at Rackspace Technology, Juan Riojas is responsible for enterprise-wide data strategy, management, and analytics to meet the need of the business to answer critical questions through time to insight. He has more than 20 years of industry experience successfully migrating data ecosystem across all public clouds, leading to significant business transformation outcomes. Prior to Rackspace, Juan worked for Informatica building their inaugural Data Office and has held various executive leadership roles at Gogo, Dell, Accenture, and Expeditors. A native of Texas, Juan attended Texas A&M International University, where he studied business administration and holds a post graduate degree from Said Business School, Oxford University

Read more about Juan Riojas