Por Fabián Lira (redacción ISDI)
Los negocios que no están funcionando y tomando decisiones con base en data están condenados al fracaso, eso es un hecho, ya no se trata ni siquiera de una posibilidad a considerar. Pero obviamente, como todo lo tecnológico y digital, el mundo de los datos ha evolucionado agigantadamente -y spoiler alert, continuará haciéndolo-; por ello es importante que entiendas por qué necesitas DataOps.
«La necesidad de automatización en el mundo de la ciencia de datos no se trata solo del software, los servicios y las aplicaciones, sino también de los datos en sí mismos”, así lo expresó Nelson Petracek, global CTO de Tibco, en una reciente entrevista con Forbes.
Su definición puede variar al tratarse de un término relativamente nuevo; sin embargo, el Hitachi Social Innovation Forum define las DataOps como “más que una simple plataforma tecnológica, como un enfoque o una metodología, que involucra la reunión de varias tecnologías y prácticas de datos en un entorno integrado. En él, los datos fluyen fácilmente desde sus fuentes de datos a través de una ‘refinería’ y un repositorio hasta el consumo de datos, lo que le ayuda a generar un impacto positivo en un negocio. En el camino, sus tecnologías, procesos y empleados son de vital importancia para alcanzar una meta efectiva”.
Por tanto, las DataOps no son más que la administración de datos empresariales en la era de la inteligencia artificial, aplicando los aprendizajes adquiridos de DevOps al análisis y la administración de datos.
Las DevOps son la transformación en la capacidad de entrega de los equipos de desarrollo y software, mientras que las DataOps se enfocan más en la transformación de los sistemas de inteligencia y los modelos analíticos de los analistas de datos y los ingenieros de datos.
La implementación adecuada de DataOps he demostrado acelerar el plazo de comercialización de las soluciones de análisis, la mejora en la calidad y el cumplimiento de datos, así como la reducción de costos en la administración de la data.
Las operaciones de datos no son un producto, un servicio ni una solución, como ya mencionábamos antes, son una metodología, un cambio tecnológico que permite optimizar el uso de datos a través de una mejor colaboración y automatización.
Como framework, las DataOps se enfocan en brindar agilidad a la entrega de end-to-end en el pipeline de datos. Con DataOps, todos los empleados son parte del ecosistema de datos y todos dependen del estado de los datos, por lo que se necesitan sistemas y procesos para respaldar los datos y su valor creado.
¿Les suena familiar? Probablemente algunos de ustedes han estado operando DataOps sin saben que así se llamaba o que eso era lo que estaban haciendo. La realidad es que las DataOps brindan eficiencia e impulsan la mejora constante en la comunicación entre los data stakeholders.
Para facilitar que puedas implementar una estrategia basada en DataOps te brindamos tres tips básicos que estamos seguros te ayudarán:
1. Talento especializado
Cada persona tiene sus propias herramientas y procesos. Contar con el talento adecuado, preparado y que domine la tecnología y el mundo de los datos, y que logre entender su potencial para eliminar los silos, ya sea a través de sus acciones o de sus herramientas, será una parte fundamental para construir una estrategia DataOps exitosa. No puedes simplemente aparentar saber lo que haces, necesitas gente especializada como los egresados del MDA de ISDI, para poder lograr una implementación exitosa.
2. Construye, prueba y aprende
Este proceso básico de prueba y error formará también una parte fundamental de tu estrategia y la obtención de buenos resultados. Crea pruebas automatizadas sobre tu data y sus errores en producción, luego trabaja de la mano de todos los stakeholders involucrados con el fin de identificar patrones que puedan ser corregidos. Es como tener un proceso continuo de calidad y corrección sistemática para cada sprint. Esto ayudará a reducir errores e incluso podrías dar seguimiento a la productividad.
3. Comprueba tu data
Todas las herramientas/tecnologías manejan la data de diferente manera, y en ocasiones no siempre incluyen toda la data, suelen dejar fuera algunos datos volátiles los cuales pueden llegar a afectar tus resultados finales, por ello tus testeos deben incluir esa data con el fin de crear modelos de predicción y recomendación para reducir errores y conflictos. Recuerda que los datos no probados pueden generar modelos poco confiables que n deben utilizarse para tomar decisiones comerciales.
Si tú o tus equipos necesitan dominar el mundo de los datos, te invitamos a que conozcas nuestro Master Data Analytics (MDA).
