DATA #012. Claves para implantar el Gobierno de Datos
DATA #012. Claves para implantar el Gobierno de Datos
Data governance o como poner orden en la casa cuándo te metes de lleno en el mundo de los datos. Post para empresas de cierta envergadura y complejidad de stack tecnológico.
¡Buenos días! Hoy toca post de los densos, de los de burocracia, procesos y custodia. Es decir de los de cuando la empresa ya adquiere un cierta magnitud y hay que poner orden. Hoy toca data governance de los datos.
La agenda del día:
PRIMERO. ¿Qué es el data governance?
SEGUNDO. ¿Cómo empezar a articular el data governance? Hay tres pilares fundamentales:
Políticas
Procesos
Roles
TERCERO. ¿Cómo implantarlo en la empresa?
Evaluar la madurez de la organización y elegir el modelo de gobierno
Conseguir los apoyos necesarios
Elegir la estrategia de implementación
Apoyarnos en herramientas corporativas
Centrarnos en las personas
CUARTO. Conclusiones.
Si ya habías pasado por aquí, un gusto contar contigo de nuevo. Si eres nuevo, suscríbete y recibe semanalmente nuestra publicación en tu correo.
DISCLAIMER: Este post contiene enlaces de afiliación, a ti nunca te van a costar ni un euro más cualquiera de los productos y, comprándolos a través de estos enlaces, nos ayudas a mantener Después Del Dato :).
Nadie discute ya la importancia de los datos o el increíble crecimiento que ha experimentado su uso en los últimos años. Cada vez almacenamos más datos, cada vez son más importantes en los procesos de toma de decisiones y cada vez, estos procesos se ejecutan de una forma más ágil y autónoma. Eso supone que el dato sea cada vez más relevante, lo cual hace necesario que las organizaciones promuevan iniciativas destinadas a ejercer cierto control, gobernanza o gobierno de datos.
You can have all the data in the world, but it won’t be worth much unless it’s properly managed, of high quality, and relevant to the people who use it.
-Sabino Prizio
Sin ese control corremos el riesgo en nuestras organizaciones de operar con datos de mala calidad, de crear realidades paralelas en diferentes departamentos o incluso de generar brechas de seguridad donde datos personales puedan quedar al descubierto o donde información sensible para la organización pueda ser accedida por personal no autorizado.
Las iniciativas de gobierno de datos nos han de permitir contestar a preguntas tan importantes como las siguientes:
¿Qué datos tengo? ¿Cuál es su origen? ¿Están actualizados?
¿Cuál es la calidad de los datos? ¿Quién se encarga de verificar si un dato es correcto?
¿Cuál es el significado de un dato? ¿Quién lo define?
¿Por cuánto tiempo hay que almacenar un dato?
¿Quién puede acceder a cada conjunto de datos? ¿Quién utiliza cada dato y para qué?
¿Qué pasa si modifico la definición de un dato? ¿Cuál es el impacto sobre otros datos o sistemas?
Mas allá de los beneficios intrínsecos de estas iniciativas, la aparición de regulaciones como GDPR han acabado de convencer a aquellas organizaciones menos maduras, lo que ha favorecido sin duda la implantación de iniciativas de gobierno del dato.
Además, el uso cada vez más extendido de soluciones de Business Intelligence orientadas al autoservicio y los proyectos de “democratización de datos” están favoreciendo que usuarios no técnicos tengan acceso autónomo a datos de la organización, lo que sin duda favorece la agilidad y la capacidad de análisis de las organizaciones, pero también genera riesgos inherentes asociados no sólo a la calidad de los datos, también a su interpretación y a su utilización.
¿Estamos seguros de que todos los usuarios entienden el significado de los datos y que los utilizan de una forma adecuada?
En resumen, existen varios motivos por los que las organizaciones se animan a implementar iniciativas de gobierno de datos:
Regulaciones: aquellas organizaciones que pertenecen a sectores fuertemente regulados como la banca o los seguros no necesitan mayores incentivos a la hora de defender la implantación de una estrategia de gobierno, la regulación les obliga.
Cultura: aquellas organizaciones más maduras en cuanto al uso de los datos y la analítica, aquellas que se consideran Data Driven o que pretenden serlo, seguramente ya vieron hace tiempo la necesidad de controlar los datos y su uso, y lo hacen identificando el gobierno de los datos como una iniciativa estratégica de la organización.
Necesidad: el resto de las organizaciones, que ni se ven forzadas por la regulación ni son suficientemente maduras como para asumir de forma natural la necesidad del gobierno de datos, suelen acabar lanzando iniciativas tácticas encaminadas afrontar problemáticas concretas asociadas al uso de los datos. Seguramente no son iniciativas con un gran respaldo y su alcance es limitado, por lo que es fundamental la figura de un líder que tenga visión completa, que conozca la organización y que sepa guiarla de forma gradual sobre la importancia de los datos y la necesidad de gobernarlos.
Antes de seguir explorando cómo implantar una iniciativa de gobierno del dato, debemos empezar por definirlo.
I. ¿En qué consiste el Gobierno de los Datos?
Gartner define el gobierno de los datos como:
The specification of decision rights and an accountability framework to ensure the appropriate behavior in the valuation, creation, consumption and control of data and analytics.
Aunque otra definición más personal sería:
"El cumplimiento de una serie de políticas en torno al dato, que se han de aplicar mediante procesos concretos, ejecutados por roles específicos y utilizando para ello herramientas dedicadas, y que tienen como objetivo último gestionar el ciclo de vida de los datos, medir su calidad, asegurar su correcta interpretación y utilización, y un acceso seguro y controlado."
Tradicionalmente han sido los departamentos de IT los que han aplicado el control sobre este activo, ya que se entendía el dato como un elemento más que formaba parte de los sistemas de información, como las infraestructuras o el propio código de las aplicaciones. Dentro de este escenario es muy normal encontrar situaciones en las que usuarios de negocio preguntan a los equipos de desarrollo el significado concreto de un dato en un informe: ¿Cómo se calcula? ¿Cuándo se ha calculado? ¿De dónde viene el dato? o ¿Dónde más se utiliza?, y es muy normal que los departamentos de IT no dispongan de las herramientas necesarias para responder de forma fácil a esas preguntas y tengan que acceder al código para encontrar algunas respuestas, o incluso tengan que desarrollar funcionalidades específicas en caso de necesitar aplicar cierto nivel de auditoria de uso sobre datos o informes, pero siempre desde una perspectiva local, con un alcance limitado a una aplicación o informe concretos.
Es importante entender que cuando hablamos de gobierno de los datos nos referimos a cambiar este enfoque, principalmente en dos sentidos:
La responsabilidad es compartida: ha de ser la organización como tal la que se responsabilice de muchos aspectos de la gestión del dato, tales como la definición, la calidad, el acceso o la privacidad, por lo que el control ha de pasar de ser exclusivo de IT a ser ejercido por Negocio con una fuerte colaboración de IT. Digamos que Negocio debería jugar un papel de mayor importancia a la hora de elaborar las políticas de gobierno e IT a la hora de aplicarlas.
Se han de utilizar herramientas empresariales, que permitan gobernar los datos durante todas las etapas de su ciclo de vida y con una visión corporativa, no en base a soluciones departamentales que tienen ámbito local.
II. ¿Por dónde empezamos?
Muchas veces hablamos del gobierno como algo genérico, que nos debe ayudar en muchos aspectos a controlar el dato y su utilización, pero cuesta dar los pasos necesarios para empezar a ejecutarlo.
El gobierno del dato se ha de articular en base a tres conceptos:
Políticas: Rigen los procesos de creación, adquisición, integridad, seguridad, calidad, y uso de datos e información y han de ser comunicadas, monitorizadas, aplicadas y reevaluadas periódicamente. En otras palabras, son las reglas del juego, definen lo que se puede y no se puede hacer en torno a los datos.
Procesos: sin un proceso bien definido, una política no es más que una declaración de intenciones. Los procesos definen de qué forma concreta se han de aplicar las políticas.
Roles: definen quién en la organización ha de ejecutar los procesos que hacen cumplir las políticas.
¿Significa eso que debemos sentarnos a definir políticas, procesos y roles desde el momento cero? La respuesta es “sí y no”. Las políticas han de servir para resolver problemas o carencias concretas por lo que, podemos ir definiéndolas de una forma incremental a medida que los vamos identificando, pero, obviamente hay ciertos temas que son muy importantes desde la fase inicial de nuestra iniciativa de datos, tales como la privacidad, la seguridad o el acceso, y que deben definirse de inicio, seguramente con políticas inicialmente muy simples y restrictivas, ejecutadas de forma centralizada y que se pueden ir perfeccionando y delegando a medida que ganamos madurez.
III. ¿Cómo implantar un modelo de gobierno del dato?
A la hora de implantar un modelo de gobierno de los datos hay que tener en cuenta lo siguiente:
Evaluar la madurez de la organización y elegir el modelo de gobierno.
Conseguir los apoyos necesarios.
Elegir la estrategia de implementación.
Apoyarnos en herramientas corporativas.
Centrarnos en las personas.
1. Evaluar la madurez de la organización y elegir el modelo de gobierno
Existen básicamente tres modelos de gobierno que podemos ejercer en nuestras organizaciones, y la aplicación de uno u otro dependerá del nivel de madurez de la organización y de cómo prioricemos entre ejercer un mayor control sobre los datos o aumentar la agilidad a la hora de gestionarlos.
Es importante que, antes de elegir el modelo, evaluemos en qué nivel de madurez se encuentra la organización en cuanto al uso y consumo de los datos, para empezar, nos deberíamos preguntar si existe algún tipo de control sobre los datos, y quien lo ejerce.
Los tres modelos de gobierno son los siguientes:
Enfoque centralizado: Donde un equipo central, que puede ser parte de IT o un equipo creado exprofeso, elabora y ejecuta las políticas de gobierno. Esto implica que los datos también han de estar centralizados y que este equipo gestiona todas las herramientas de gobierno de la información mediante las cuales aplica las políticas de acceso, calidad, seguridad, privacidad, etc. Es el modelo que suelen utilizar aquellas organizaciones menos maduras en el uso de los datos y que quieren tener un mayor control de éstos mientras trabajan en el desarrollo de su nivel de madurez. Es un enfoque difícilmente escalable y en algún momento se convertirá en un cuello de botella que limitará la progresión de la iniciativa de datos, por lo que tarde o temprano deberemos pasar a un enfoque menos centralizado.
Enfoque descentralizado: Donde un equipo central elabora las políticas generales de gobierno, pero la ejecución de éstas corre a cargo de las unidades de negocio, que incluso tienen la facultad de ampliarlas o reinterpretarlas para ajustarlas a sus necesidades. A diferencia del enfoque anterior, tanto los datos como las herramientas de gobierno suelen estar también descentralizadas. Este modelo se suele dar en grandes organizaciones donde las iniciativas de datos han evolucionado de forma independiente o en aquellas organizaciones que han crecido en base a fusiones y adquisiciones.
Enfoque federal: Donde un equipo centralizado, generalmente un comité de gobierno elabora unas sólidas políticas que han de ser seguidas y ejecutadas desde las unidades de negocio. Son los Data Steward los que tienen la responsabilidad de hacer cumplir las políticas en sus departamentos y para ello pueden incluso ajustar los procedimientos generales de forma que se puedan adaptar a las peculiaridades de sus líneas de negocio, pero siempre de forma alineada con el comité central, por lo que es básico que exista mucha comunicación entre ambos. Tanto las herramientas de gobierno como los datos suelen estar centralizados, pero a diferencia del primer enfoque, la involucración de los Data Steward tanto en la gestión de los datos como en la aplicación de las políticas confiere a este enfoque un plus de agilidad y autonomía básicos para organizaciones que quieran trabajar el concepto de autoservicio.
La evolución natural es empezar con un enfoque centralizado, lo que nos ayudará a avanzar de una forma controlada en nuestra iniciativa de datos, asegurando que se cumplan las políticas básicas, mientras vamos involucrando y formando a las áreas de negocio y mientras definimos y creamos el marco operacional y organizacional necesario para, con el tiempo, pasar a un enfoque de gobierno federal.
2. Conseguir los apoyos necesarios
Una iniciativa de gobierno de datos impacta de forma transversal en la organización por lo que es muy difícil implantarla sin un apoyo explícito al más alto nivel. Primero porque hace falta una inversión en tecnología y segundo porque requiere de la dedicación de ciertos roles y de la adaptación y/o creación de ciertos procesos.
Algunas organizaciones pertenecen a sectores fuertemente regulados por lo que no necesitan mayores incentivos a la hora de defender la implantación de una estrategia de gobierno, la regulación les obliga. Otras han alcanzado un nivel de madurez tal que entienden el gobierno del dato como algo vital y lo impulsan de forma natural como una más de sus iniciativas estratégicas. En el resto de las organizaciones, el gobierno de los datos puede ser percibido como un sobreesfuerzo adicional, innecesario y que añade complejidad al día a día, por lo que es necesario justificar la iniciativa. Una forma de hacerlo es trabajando sobre la base de los beneficios que podemos aportar a la organización, algunos de los cuales pueden ser:
Agilizar los desarrollos, ya que permite empezar a operar con datos bien integrados, de calidad y bien definidos, lo que aumenta la confianza, la eficiencia de los procesos y la puesta en marcha de las soluciones.
Cumplir con las regulaciones actuales y estar mejor preparados para afrontar futuros cambios sobre las mismas, gracias a la trazabilidad y la auditoría sobre los datos.
Aumentar la autonomía de las áreas de negocio a la hora de trabajar con datos, o incluso a la hora de añadir nuevas fuentes e integrarlas con datos ya gobernados. En muchos casos, este proceso deriva en la creación de marketplaces donde se publican los datos y donde los usuarios de forma generalizada (y controlada) pueden acceder para buscar, curar, acceder y recomendar datos.
Realizar análisis de impacto sobre posibles cambios lo que proporciona una mayor agilidad y seguridad a la hora de realizar cambios en los modelos de datos.
Reducir los costes de operación en la gestión de los datos, por ejemplo, detectando y eliminando datos duplicados.
El problema del enfoque basado en los beneficios es que algunos de ellos son difíciles de tangibilizar, es decir, no es fácil definir el retorno concreto de “Aumentar la autonomía de las áreas de negocio” o de “Agilizar los desarrollos”, ¿Cómo los medimos? ¿Qué impactos económicos concretos tienen para la organización?
Obviamente podemos apoyarnos en informes de mercado o hacer suposiciones para llegar a construir el Business Case de una iniciativa de este tipo, pero corremos el riesgo de definir retornos fácilmente rebatibles o poco robustos ante críticas que vayan orientadas no hacia los beneficios intrínsecos de la iniciativa sino hacia la forma de calcularlos.
En toda organización existen múltiples intereses y no todo el mundo puede estar alineado a la hora de ejecutar una iniciativa de este tipo en un momento dado, y más, en el caso de iniciativas que afectan de forma transversal a la organización, lo que puede generar cierto rechazo en algunas áreas. Ese es el motivo por el que no debemos apoyarnos en justificaciones poco robustas, difíciles de explicar o fáciles de rebatir.
Nos hacemos un flaco favor y debilitamos nuestra postura si enfocamos la defensa de la iniciativa desde la tangibilidad de unos beneficios difíciles de calcular.
Por contra, creo que hay una forma mucho más fácil e irrebatible de justificar la necesidad de una iniciativa de gobierno del dato, que no es otra que identificar el gobierno como pieza clave indispensable para conseguir otros objetivos estratégicos que sí pueden generar beneficios tangibles (fáciles de medir).
Los objetivos estratégicos de una organización se pueden dividir en dos ejes: el de las palancas y el de los resultados, siendo el primero aquel que engloba todas esas iniciativas que no producen resultados tangibles por sí mismos, de forma directa, pero que son indispensables para que obtengamos resultados en el segundo eje. Por ejemplo, una iniciativa de formación a nuestros empleados no va a producir beneficios de una forma directa, pero puede ser la base para optimizar ciertos procesos, que a su vez son necesarios para mejorar la relación con nuestros clientes finales, y su satisfacción, lo que sí puede repercutir de forma directa en la cuenta de pérdidas y ganancias.
Las iniciativas de gobierno de datos se deberían englobar en el eje de las palancas, ya que actúan directamente sobre los recursos de los que disponen las organizaciones o sobre sus procesos:
Aumentando la capacidad de nuestros empleados, a través de la creación de nuevos roles, de la definición de nuevas responsabilidades y de la capacitación para realizar nuevas tareas.
Mejorando las infraestructuras: desplegando nuevas tecnologías necesarias para aplicar las políticas de gobierno de extremo a externo, a través de todo el ciclo de vida del dato.
Modificando los procesos de la organización involucrados en la gestión del dato.
Aplicando sobre el resto de los procesos los beneficios de agilidad, autonomía y seguridad expuestos anteriormente.
A medida en que seamos capaces de unir el gobierno de los datos, como palanca de un mayor número de objetivos estratégicos en el eje de los resultados, estaremos construyendo un relato muy robusto y creíble que justifique el alineamiento de nuestra iniciativa con los objetivos generales de la organización.
Para ello debemos conocer cuáles son los objetivos estratégicos de la organización y hacer un estudio honesto sobre cómo la iniciativa de gobierno puede ayudar en la consecución de estos objetivos o sobre cómo, una falta de gobierno puede ponerlos en riesgo.
3. Elegir la estrategia de implementación
El hecho de conseguir los apoyos significa que tenemos lo necesario para empezar, pero nada más. Es nuestro trabajo seguir convenciendo a la organización y conseguir nuevos apoyos, trabajando el día a día en diferentes áreas y a diferentes niveles, a través de una comunicación eficaz y haciendo pedagogía sobre los beneficios de la iniciativa (esta vez sí nos centramos en los beneficios).
Un despliegue progresivo, sin cambios drásticos, en el que demos pasos cortos pero certeros, y con un enfoque ágil que nos permita dar valor desde el inicio, nos debería ayudar a vencer las resistencias iniciales y a asegurar la continuidad del proyecto.
Este despliegue progresivo se puede plasmar a varios niveles:
En amplitud: no tenemos por qué gobernar la totalidad de nuestras fuentes de datos desde un inicio, lo que implicaría un proyecto muy costoso en tiempo y recursos, sino que debemos aplicar un enfoque gradual, apalancando la iniciativa sobre diferentes proyectos tácticos y gobernando las diferentes fuentes de datos a medida que nos apoyamos en casos de uso concretos, que dan valor, y que además podemos planificar en función del nivel de madurez de los diferentes departamentos involucrados, lo que de forma natural nos llevará a resolver el problema general. Por ejemplo, podemos apoyarnos sobre el desarrollo de soluciones de BI, de reporting, sobre una implantación de un CRM, o sobre proyectos de ciencia de datos. Este enfoque implica que podemos trabajar con enfoques diferentes en función del departamento, de forma centralizada en algunos de ellos y de forma federal en otros, delegando más tareas y responsabilidades en aquellas áreas de negocio que sean capaces de asumirlas.
En profundidad: Cada política de gobierno debe tener un porqué y ha de ir enfocada a resolver un problema o carencia concreto, no todas son necesarias ni aplicables en todas las organizaciones, ni en un mismo momento, por lo que debemos aplicar sentido común a la hora de definirlas. Una escasez de reglas puede generar descontrol, pero una excesiva procedimentación de la gestión del dato puede impactar en pérdida de agilidad y aumento de burocracia. A modo de ejemplo, existen organizaciones que no se plantearon la creación de políticas de gobierno como tal, ya que no eran suficientemente maduras para ello, pero que sí crearon reglas de actuación para resolver problemas concretos, de seguridad o de calidad, por ejemplo. Estas organizaciones, seguramente sin saberlo, iniciaron un camino progresivo hacia el gobierno del dato de una forma mucho más acertada que si lo hubieran tratado de imponer desde un inicio. Este enfoque implica seleccionar un conjunto inicial de políticas, aquellas que sean más necesarias, que aporten más valor y que sean viables en función de la implicación de los departamentos, e ir ampliando el alcance del gobierno a medida que surjan nuevas necesidades o vayamos ganando madurez.
Operacional: Los procedimientos también han de evolucionar. Los equipos deben disponer de tiempo para analizar cómo trabajan: ¿Qué hacen bien? ¿Qué hacen mal? Y ¿Qué se puede mejorar? Una buena práctica es definir metodologías de desarrollo enfocadas a cada uno de los productos analíticos concretos con los que trabaja la organización (soluciones de Business Intelligence, por ejemplo), incrustar en ellas las tareas de gobierno de datos, ejecutarlas de forma ágil y obtener feedback en cada iteración.
Organizacional: El enfoque progresivo se ha de notar también en el modelo organizativo. Un modelo muy simple, centralizado, no requiere de complejidades organizacionales pero un modelo federal se ha de articular en base a ciertos órganos y comités que se han de repartir las funciones y donde han de estar representados los principales impulsores de la iniciativa. Consejos, comités y oficinas de gobierno se han de ir desarrollando a diferentes niveles y se han de ir poblando con más representantes a medida que involucramos a más áreas de la organización.
En esta implementación progresiva, la figura del Chief Data Officer (CDO) es importantísima, no solo porque es el responsable de definir la estrategia de explotación y gobierno del dato, y por lo tanto de definir las políticas y procedimientos de gestión, sino porque, además, es responsable de hacerlo de forma gradual y de conseguir aumentar la involucración de la organización a medida que aumenta su nivel de madurez.
4. Apoyarnos en herramientas corporativas
Una iniciativa de gobierno del dato tiene que ver más con cambio cultural que con tecnología. Al fin y al cabo, son las personas de la organización las que han de definir y ejecutar las políticas de gobierno. Pero eso no significa que la tecnología no sea importante, todo lo contrario, una correcta identificación de las soluciones tecnológicas a utilizar incidirá en una mejor adopción por parte de los usuarios finales.
Soluciones tecnológicas hay muchas, y muchas abordan sólo una parte del problema ya que se enfocan sólo en seguridad, o en catálogo, o en trazabilidad, especializándose en un área concreta del gobierno de la información.
A esto hay que unir la disparidad de fuentes de datos, proveedores y tecnologías que suelen encontrarse en las grandes organizaciones: bases de datos relacionales, datawarehouses, data lakes, datos on-premise, en cloud, multicloud, etc.
Estos factores hacen que corramos el riesgo de operar con un sinfín de soluciones diferentes a la hora aplicar las diversas reglas del gobierno sobre las diferentes fuentes, tecnologías o localizaciones de los datos. Debemos huir de este enfoque y tener una visión global, intentar buscar soluciones corporativas que nos ayuden a centralizar el gobierno de la información en un único punto, con independencia de la complejidad tecnológica que tengamos en las fuentes originales.
Por otro lado, existen otro tipo de herramientas que suelen existir en las grandes organizaciones, y cuya funcionalidad nada tiene que ver de forma directa con el gobierno de los datos pero que igualmente pueden ser importantes:
Sitios web o espacios colaborativos que nos permitan comunicarnos con la organización y donde podamos compartir los documentos más relevantes.
Herramientas de gestión de incidencias.
Herramientas de planificación de proyectos, que nos ayuden a confeccionar y comunicar los roadmaps de desarrollo y la estrategia de implementación.
Cuadros de mandos desde los cuales podamos hacer seguimiento sobre las métricas y el cumplimiento de los objetivos de la iniciativa.
5. Centrarnos en las personas
Seguramente el punto más importante a la hora de implantar un modelo de gobierno de datos. Incluso con la mejor de las estrategias y de las soluciones tecnológicas, la iniciativa fracasará a menos que la organización sepa aceptar y gestionar el cambio, y eso sólo se puede conseguir a través de un fuerte liderazgo y poniendo el foco en las personas concretas que han de liderar la iniciativa en cada departamento.
Durante todo el artículo se ha hecho referencia al nivel de madurez de la organización como factor clave a la hora de elegir el enfoque, de definir la complejidad de las políticas, de eliminar cuellos de botella o de mejorar la agilidad y el autoservicio a través de modelos menos centralizados. Esta madurez de la organización no es más que la suma de las capacidades que disponemos en cada unidad de negocio, y estas capacidades van ligadas directamente a las habilidades e implicación de ciertas personas claves que debemos identificar en cada departamento.
No es necesario que todas las personas de un departamento estén alineadas con nuestros objetivos, pero sí es imprescindible identificar al champion, esa o esas personas que han de jugar un papel activo en la implantación del modelo de gobierno a través de sus diferentes roles (data steward, data owner, business analyst, etc.) y que no sólo han de disponer de las habilidades necesarias, sino que también han de disponer de la dedicación suficiente para ejercer esta función, por lo que es imprescindible que hayamos asegurado primero las fases relacionadas con “conseguir los apoyos necesarios” y con “elegir la estrategia de despliegue”.
Una vez identificadas las personas claves hay que empoderarlas, definiendo un plan de formación y acompañamiento.
La formación va encaminada a evangelizar sobre objetivos comunes, a transmitir las políticas, a entrenar los procedimientos y a familiarizarnos con las herramientas.
El acompañamiento es mucho más importante, implica estar presente en el día a día, resolver dudas, refinar procesos, involucrarse y asumir la responsabilidad de ciertas actividades mientras no se dispone aún de la maestría necesaria en las áreas que las han de ejecutar, pero también implica monitorizar y hacer el necesario seguimiento para certificar que se cumplen las reglas y los procedimientos pactados.
Por último, debemos definir un plan de comunicación que nos permita transmitir información en varios sentidos, primero hacia la organización, con el fin de comunicar los objetivos, los éxitos, las mejores prácticas e incluso las políticas y procedimientos, y, por otro lado, desde la organización hacia los equipos de gobierno, para poder obtener feedback sobre problemas, logros, ineficiencias, sugerencias de cambios, etc.
IV. Conclusiones
Implantar un modelo de gobierno del dato en una organización no es una tarea fácil, ni se puede acometer en el corto plazo. Ha de ser un proceso gradual, centrado inicialmente en un conjunto reducido de políticas y procesos claves, simples, que se ejecutan de forma centralizada por un equipo que lidera la iniciativa y que trabaja para extender el cambio cultural en la organización utilizando para ello un roadmap de proyectos tácticos a través del cual puede:
Conseguir más apoyos a medida que demuestra valor.
Identificar a las personas que deberán asumir los roles clave.
Incrementar la complejidad de las políticas y procedimientos a medida que se identifican nuevos problemas o carencias.
Este equipo centralizado es la clave en los momentos iniciales, ya que por un lado define y ejecuta el gobierno y por otro lado puede preparar a la organización para dar los siguientes pasos, orientándola cada vez más hacia modelos de gobierno descentralizados.
El punto de inflexión vendrá marcado por un lado por el nivel de compromiso de los diferentes departamentos de negocio a la hora de asumir nuevas responsabilidades y por otro lado por la necesidad de la organización de escalar las iniciativas de datos de una forma eficiente. Alcanzado este punto deberemos centrarnos en:
Evolucionar hacia un modelo de gobierno federal, donde es necesario desplegar un nuevo modelo organizativo, con órganos específicos como el comité de gobierno y con nuevos roles en las áreas de negocio, como el Data Steward, por ejemplo.
Implantar herramientas que faciliten la gestión desde un punto de vista global.
Enfocarnos en las personas clave, a través de un adecuado plan de formación y acompañamiento.
Por último, el liderazgo de la iniciativa se convierte en un factor diferenciador, la figura del Chief Data Officer (CDO) o de un rol similar será determinante, su visión global, su capacidad de convencer, de crear sinergias y grupos de trabajo, de vencer resistencias, de hacer pedagogía de los beneficios, de comunicar los éxitos a todos los niveles, de planificar el roadmap de proyectos tácticos, de definir la formación adecuada y de asegurar los recursos necesarios para poder acompañar de forma efectiva a la organización en su proceso de madurez deberían marcar la diferencia a la hora de transitar de un enfoque de gobierno inicial, a otro mucho más maduro, liderado y ejecutado de forma responsable por toda la organización.
El tema es extenso y sobre todo puntilloso, es necesario bajar al barro porque es fácil escribir y quedarse en las generalidades y en cada particularidad de la organización o del stack tecnológico encontraremos una problemática que resolver. Para ampliar conocimiento en la materia de gobernanza de datos nosotros recomendamos este libro (desconocemos si está en español): Data Stewardship: An Actionable Guide to Effective Data Management and Data Governance1. Y para ampliar en materia de todo lo relacionado con datos el completísimo Dama-Dmbok : Data Management Body Of Knowledge2.
NOTA
Sabino Prizio (Accenture AWS Europe Lead) tiene este artículo3 sobre el uso de inteligencia artificial y machine learning para hacer que el gobierno de datos sea lo suficientemente robusto para adaptarlo a la escalabilidad de la nube.
DAMA International - Dama-Dmbok : Data Management Body Of Knowledge
 |
|