Cómo transformar una compañía(I): Priorizar casos de usoDavid Bonomo 7 noviembre, 2019 En esta serie de artículos vamos a profundizar en los pasos que las compañías deben llevar a cabo para transformarse. En este primero nos vamos a centrar en cómo hacer una selección adecuada de los casos de negocio con los que empezar a trabajar dentro de una organización. Tal y como comentábamos en una entrada anterior, para garantizar el éxito a la hora de desplegar Big Data y analítica en una organización, resulta crítico tener un plan coherente y centrado en negocio. En este sentido, la forma más directa y efectiva de alinear el despliegue Big Data con el negocio es a través de la selección y despliegue de casos de uso analíticos con gran impacto en las distintas áreas de la organización y orientados a satisfacer los principales retos y necesidades que estas puedan demandar. Esta selección y priorización de los primeros casos de uso a desarrollar se antoja clave para permitir que las distintas unidades de negocio puedan percibir desde el primer momento el valor y los beneficios que un uso apropiado de los datos les puede proporcionar, lo que a la postre facilitará enormemente su participación en el esfuerzo de transformación, garantizando que todos los stakeholders de la organización remen en la misma dirección para acelerar el proceso de evolución hacia una organización orientada al dato. Factores a analizar Para que este ejercicio de priorización se desarrolle de la forma más completa y objetiva posible, es necesario tener en cuenta una serie de factores que hay que analizar de manera pormenorizada. Viabilidad técnica Los primeros están relacionados con la viabilidad técnica, para valorar la complejidad que presenta una potencial iniciativa analítica para su correspondiente desarrollo e implementación: Datos: ¿dispongo internamente de los datos necesarios para abordar el desarrollo del caso de uso? En caso de no tenerlos, ¿puedo encontrarlos fuera a través de una fuente open-source o de pago? El análisis en este apartado no sólo debe estar sujeto a la disponibilidad y localización de dichas fuentes de información, sino también a su naturaleza. Por ejemplo, un caso de uso que requiera únicamente fuentes de información estructuradas en general va a tener una complejidad técnica menor que uno que necesite procesar fuentes no estructuradas. Planteamiento analítico: ¿cuál el reto o la dificultad que supone el enfoque analítico que requiere un determinado caso de uso? Por ejemplo, desde un punto de vista técnico es más sencillo plantear un caso basado en un dashboard con ciertos indicadores o métricas de negocio que otro que requiera el desarrollo de un modelo de deep learning o de reinforcement learning para dar respuesta a un reto de analítica predictiva o prescriptiva.Infraestructura tecnológica: ¿qué componentes adicionales debo de incorporar en mi plataforma Big Data para desarrollar el caso de uso? A modo de ejemplo, si el caso planteado está orientado a soportar una toma de decisiones en tiempo real, tendría que verificar sí mi plataforma dispone de los componentes necesarios para provisionar o procesar datos en tiempo real, y en el caso de no ser así, debe ser tenido en cuenta a la hora de valorar la complejidad de la iniciativa. Aspectos de negocio En segundo lugar, es necesario considerar aspectos de negocio, para valorar el impacto que el potencial caso de uso pudiera tener en la organización. Entre los factores a contemplar, podemos encontrar: Impacto económico: Se debe elaborar un estudio económico soportado en un business case adecuado que permita justificar el potencial impacto (o ROI) que se estima de la iniciativa y de su correspondiente rentabilidad (TIR o VAN). A la hora de proceder a la realización de este análisis financiero, además de tener en cuenta el impacto en revenue o reducción de costes asociados a la implementación del caso de uso y el coste de desarrollo, es importante no obviar una serie de costes que suelen ser bastantes frecuentes en esta tipología de iniciativas, como el CAPEX asociado al despliegue de la plataforma o evolución de la existente o los gastos de mantenimiento y upgrading para aquellos modelos que van a ser puestos en producción. Valor estratégico: Finalmente, el impacto económico debe ser complementado con un análisis del valor estratégico del caso de uso en la organización, supeditado a distintos aspectos como el nivel de sponsorship de la iniciativa por parte de la alta dirección o el grado de transversalidad o escalabilidad que presenta el caso (por ejemplo, siempre suele ser más preferible apostar por aquellos casos que se pueden desplegar en distintas unidades de la organización que otros que sólo tienen impacto directo en un área concreta). Conclusión Llegados a este punto, es importante enfatizar que sólo trabajando de manera integral con los distintos factores y variables presentadas anteriormente, podremos llevar a cabo un ejercicio de priorización exhaustivo y objetivo adaptado a las particularidades y peculiaridades de cada empresa, facilitando la identificación de los denominados “quick-wins”, es decir, aquellas iniciativas con elevado impacto de negocio y relativamente fáciles de desplegar de manera inminente. Todos los post de la serie “Cómo transformar una compañía”: Cómo transformar una compañía (I): Priorizar casos de usoCómo transformar una compañía (II): conectar la tecnología con el negocioCómo transformar una compañía (III): Profundizando en la arquitectura de referenciaCómo transformar una compañía (IV): Desarrollar una metodología de ingesta de datosCómo transformar una compañía (V): Complementar las fuentes internas con datos externosCómo transformar una compañía(VI): Las POC o como un proyecto pequeño puede salvar uno grande Análisis de influencia en Juego de TronosNuestra visión de Aura: mucho más que un asistente digital
Olivia Brookhouse ¿Puede la Inteligencia Artificial entender las emociones? Cuando John McCarthy y Marvin Minsky iniciaron la Inteligencia Artificial en 1956, se sorprendieron de cómo una máquina podía resolver rompecabezas increíblemente difíciles en menos tiempo que los humanos. Sin...
Javier Martínez Borreguero Automatización, Conectividad e Inteligencia Aumentada al servicio de una reindustrialización competitiva, disruptiva y sostenible Por segundo año consecutivo vuelvo a participar en el Advanced Factories (AF 2023), la mayor exposición y congreso profesional dedicado a la Industria 4.0 del sur de Europa. Un...
Nacho Palou Medidas para reducir la brecha digital de género sin esperar 32 años El informe Sociedad Digital en España 2023, de Fundación Telefónica, dedica un apartado específico para analizar la brecha de género en el ámbito del talento digital. Destaca que, si bien...
Nacho Palou Raspberry Pi para Edge AI: Inteligencia Artificial en el borde para todos Raspberry Pi es un popular ordenador muy utilizado entre desarrolladores, estudiantes y aficionados a la informática, a la robótica y a ‘cacharrear’. Entre sus virtudes están su bajo coste...
Carlos Lorenzo Ya no eres solo una empresa de productos o servicios, eres una empresa de datos Todas las empresas que operan en la actualidad son en realidad empresas de datos. Y lo son porque día a día almacenan y utilizan una gran cantidad de información:...
Jorge Rubio Álvarez Inteligencia Artificial aplicada a la Ciberseguridad industrial (OT) La Ciberseguridad en los entornos industriales u OT (Operational Technology) es crucial para proteger infraestructuras críticas como la energía, el transporte y la comunicación. Una preocupación cada vez mayor...