Data Solution Portfolio

Los tres pasos que tomamos para promover una cartera de soluciones de datos

Los equipos de datos exitosos no solo necesitan un buen análisis de los datos, sino que también necesitan una base sólida de administración de productos y proyectos.

Uno de cada seis modelos de machine learning nunca llega a producción. A menudo, esto no es consecuencia de datos defectuosos ni de falta de experiencia, sino de la administración básica de los proyectos. Muchos equipos de datos dependen de métodos de desarrollo en cascada inconexos y reactivos. Esto constituye una grieta clave en muchas organizaciones donde se presta demasiada atención a la ejecución, pero es escaso el interés en la planificación y la gestión subyacentes.

Los equipos de datos exitosos no solo necesitan un buen análisis de los datos, sino que también necesitan una base sólida de administración de productos y proyectos. Esta base garantiza que los recursos estén alineados con objetivos comerciales, que se prioricen de forma adecuada los proyectos y que las partes interesadas obtengan los datos que se necesitan para tener éxito. En definitiva, lo que los equipos de datos necesitan es una infraestructura que abarque la administración de productos, la administración de proyectos y la ejecución técnica. Eso es lo que hicimos y así es como lo hicimos.

Paso 1: Sentar las bases 

En Rackspace Technology, adoptamos un enfoque innovador para nuestra oficina global de datos. Nuestro enfoque centraliza los conceptos tradicionales y los incorpora a las necesidades únicas de nuestros usuarios. Al adoptar este método, logramos incrementar 7 veces la cantidad de proyectos administrados, pasamos de 14 proyectos por trimestre a 91 por trimestre. A esto se agrega un éxito medible en cuanto a la velocidad, la entrega a tiempo y los plazos de entrega de los modelos de datos.

Lo que implementamos es único en tres maneras:

  • Administración interna de productos: La oficina de administración de productos examina proyectos, recopila requisitos y establece la prioridad. Nuestro modelo de dos niveles gira en torno a diseñar productos y hojas de ruta para los usuarios internos, a fin de que puedan ofrecer una mejor experiencia y valor comercial a nuestros clientes externos.
  • Administración de proyectos: Es un cambio fundamental en cómo planificamos y ejecutamos los proyectos. Este puede ser un cambio grande para las organizaciones en las que los líderes funcionales suelen establecer las prioridades y los plazos. La función de administración de proyectos toma las prioridades y las hojas de ruta que desarrollan los gerentes de productos y las coloca en un cronograma con hitos y registros para que los equipos funcionales puedan poner su atención en la entrega, en lugar de en las tareas de administración.
  • Metodología Scaled Agile: Lo que diferencia aún más nuestro enfoque es el uso de la metodología Scaled Agile. Nos permite tomar un problema y separarlo en partes manejables para poder abordarlo. Debido a que los proyectos de datos tienen tantos componentes que se pasan por alto, la metodología Scaled Agile es ideal, ya que asume una visión integral y soporta la naturaleza iterativa de los proyectos de datos.

Con estas mejores prácticas como nuestra base, inculcamos los fundamentos de nuestro proyecto. En función de los objetivos corporativos, estos fundamentos definen proyectos como aquellos que ofrecen optimización interna, hacen posible el negocio o lo transforman. A partir de ahí, dividimos la cartera en tres partes o productos:

  1. Datos como un servicio: cómo consumimos los datos. Incluye inteligencia de negocios y análisis avanzado. 
  2. Plataforma de datos como un servicio: cómo centralizamos y armonizamos los datos. Incluye nuestra infraestructura y los métodos de ingestión de datos.
  3. Administración de datos como un servicio: cómo establecemos la confianza. Incluye el control de datos y la administración de datos maestros (MDM).   

Dentro de cada producto, nos centramos en los proyectos que brindan soporte a nuestros fundamentos para crear una cartera equilibrada que apunte directamente a nuestros objetivos corporativos.

Junto con nuestra cartera, hay protocolos estrictos de priorización guiados por el valor comercial. Estudiamos nuestra lista de tareas pendientes para encontrar temas recurrentes. En vez de solucionar un problema para una unidad de negocio, tratamos de esclarecer los temas recurrentes en toda la empresa. Esto nos permite satisfacer a más usuarios a la vez, optimizar los recursos y tener un mayor impacto en toda la empresa.

Otro aspecto importante para la infraestructura es entregar un producto mínimo viable (MVP) para alcanzar una solución funcional. En una infraestructura de desarrollo tradicional, la organización tendría que esperar meses para poder hacer un lanzamiento completo y, durante ese tiempo, es probable que los requisitos del proyecto hayan cambiado. En nuestra infraestructura, nos reunimos con las partes interesadas para determinar el MVP y planificar lanzamientos graduales para lograr el mejor resultado posible. Comenzar con el MVP nos permite hacer mejoras iterativas, agregar valor a un ritmo regular y estar pendientes de los requisitos cambiantes.

Paso 2: Organizar al equipo

El éxito depende de encontrar al líder adecuado. No necesita un gurú de la administración de proyectos ni un genio de los datos. Busque una persona con visión estratégica, perspicacia comercial y la capacidad de mantenerse firme. En consecuencia, su equipo debería estar compuesto por personas que se desempeñen bien en todos los ámbitos. Es decir, que sean capaces de llevar las necesidades comerciales al ámbito técnico y viceversa.

Una vez que tenemos al líder correcto y formamos el equipo, comenzamos a establecer roles y responsabilidades claros. Luego, creamos un pod dedicado para cada flujo de valor, que incluye gerentes de productos, Scrum Masters y analistas de sistemas de negocio.

En ese punto, programamos sesiones de trabajo a fondo. En esas sesiones, abordamos la lista de tareas pendientes identificando cada solicitud con un flujo de valor y asignándole valor comercial. Luego, priorizamos cada proyecto y desarrollamos una hoja de ruta de trabajo. Para hacer esto, empezamos de cero y llegamos a implementarlo en solo 60 días.

Cada trimestre, dedicamos algunos días a priorizar meticulosamente, a planificar los detalles y a analizar las dependencias para lo que viene. Se fijan los proyectos para el próximo trimestre y, luego, comenzamos a ejecutar. Ni bien aplicamos la metodología de Shift Left, aumentamos la velocidad. Esto aceleró la entrega del proyecto, creó una mayor demanda y generó aún más confianza.

Paso 3: Cosechar las beneficios

Una vez que llevamos a cabo la implementación, rápidamente vimos mejoras en algunas de nuestras métricas clave. Hicimos esto sin agregar personas ni gastar dinero, sino que planificamos mejor y destinamos a la gente correcta a los roles adecuados.

Los números hablan por sí solos:

  • Incremento de 7 veces en la cantidad en proyectos, pasamos de 14 proyectos por trimestre a 91 proyectos por trimestre.
  • Aumento del 20 % en la velocidad sin agregar personal.
  • Entrega a tiempo el 80 % de las veces año tras año frente al 15 %.
  • Desarrollo de un modelo de datos en 14 días, en comparación con 91 días.

Con nuestro enfoque, hemos alcanzado madurez en nuestros ciclos de vida de los productos con respecto al NPS (satisfacción del cliente) y a la tasa de cancelación de clientes.

La integración de la administración de productos en la oficina de datos nos ha hecho más confiables y más socios de la empresa. Nuestra meta es ser aún más proactivos y estar atentos a la empresa para poder comenzar proyectos antes de que la empresa lo pida.

 

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
Data Modernization

Cómo abordar la barrera más importante de la AI y del machine learning: modernización de datos

About the Authors

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
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