El modelo de madurez de datos: ¿qué es?

Si estás leyendo esto, probablemente sepas un par de cosas sobre datos. Los datos son uno de los recursos de más rápido crecimiento en nuestro mundo, con un estimado de 2,5 quintillones de bytes creados cada día. Parece que más del 90% de los datos que existen hoy en día se crearon en los últimos cinco años.

Los humanos cometemos errores. Cometemos errores de hecho y errores de juicio. Tenemos puntos ciegos en nuestro campo de visión y lagunas en nuestro flujo de atención. A veces ni siquiera podemos responder a las preguntas más simples. ¿Dónde estaba yo la semana pasada a esta hora? ¿Cuánto tiempo he tenido este dolor en la rodilla? ¿Cuánto dinero gasto normalmente en un día? Estas debilidades nos ponen en desventaja. Tomamos decisiones con información parcial. Nos vemos obligados a guiarnos por conjeturas. Vamos con nuestro instinto.

Es decir, algunos de nosotros lo hacemos. Otros usan datos.

Entonces, ¿qué es el modelo de madurez de datos?

El modelo de madurez de datos en términos simples es una hoja de ruta del punto A al punto B con hitos intermedios para proporcionar un marco que ayude a las organizaciones a comprender y mejorar sus prácticas de gestión de datos. Está diseñado para ayudar a las organizaciones a evaluar su estado actual de gestión de datos e identificar áreas de mejora.

En los últimos 5 años, a medida que ha aumentado la cantidad de datos producidos, nuestra capacidad para procesar y extraer información de estos datos también ha aumentado. Con esta capacidad, la brecha entre el Punto A y el Punto B ha seguido aumentando, y las organizaciones crean casos de uso de datos sofisticados para respaldar mejor sus necesidades comerciales. Con la ventaja que brindan los datos sobre sus competidores, una estrategia de datos ya no es un tal vez sino una obligación.

El marco generalmente se clasifica ampliamente en 4 o 5 categorías amplias para generalizar este modelo.

¿Cómo son los hitos clave en el viaje desde el conocimiento de los datos hasta el pionero de los datos?

Consciente de los datos:

1. Capacite a las personas adecuadas para respaldar su viaje de datos: en esta etapa, priorice la amplitud de habilidades y la experiencia sobre la experiencia limitada. Si bien es posible que necesite un especialista en datos a medida que su organización madura, en esta etapa es más importante un generalista de datos
2. Libere sus datos de soluciones empaquetadas como Google Analytics, que no proporcionan métricas ocultas, sino que agregan sus datos en categorías amplias. Al transferir sus datos sin procesar y sin opinión a otra plataforma, tendrá más flexibilidad para manipular los datos.

1. Defina el objetivo general de su viaje de datos. Es posible que desee empoderar a un equipo interno o crear un producto de datos para uso externo. Alinee sus objetivos de datos con sus objetivos comerciales y planifique cómo alcanzarlos
2. Exploración del cambio a una pila de datos modular. Comprender las limitaciones de las plataformas de análisis empaquetadas y cómo la creación de una pila de datos personalizada las superaría.
3. Piense en el gobierno de datos, ya que solo adquirirá una mayor importancia a medida que sus datos maduren. Esto es para garantizar que los datos sean entendidos y confiables en toda su organización, y que sean precisos, completos y conformes.
4. Sienta las bases para la recopilación de datos propios, el seguimiento anónimo o sin cookies que, a su vez, también protege a tus usuarios.

1. Creación de una única fuente de información: es esencial crear un repositorio de datos central que sirva como el "cerebro" de la organización, elimine los silos de datos, unifique los equipos y faculte a los analistas para servir datos desde una única fuente de información. Esto genera confianza en los datos con los que trabajan los equipos.
2. Liberarse de una solución empaquetada como Google Analytics en favor de una configuración modular que lo coloca en el asiento del conductor de sus datos. También podrá construir su infraestructura alrededor de su negocio, y no al revés. Las herramientas de código abierto también son una excelente opción, ya que evitan los bloqueos de proveedores y le brindan flexibilidad con sus datos.

1. Tratar los datos como un producto : ahora que todas las partes interesadas internas son una parte integral de sus flujos de trabajo de datos, se convierten en sus principales partes interesadas. Explore cuáles eran los objetivos de su parte interesada interna y cree productos de datos dedicados para lograrlos
2. Demuestre el valor de los datos pasando de la visualización a la narración: aproveche el poder de los conocimientos del cliente para potenciar la automatización donde sea posible o aproveche donde corresponda.

1. Fomentar una cultura de datos vibrante de manera que los datos sean parte de las decisiones comerciales diarias. En esta etapa, varios equipos se benefician de una estrecha relación con los datos. Concéntrese en hacer que sea aún más fácil para los consumidores de datos deshacerse de los datos, con catálogos de datos y mejorar la alfabetización de datos, e invertir en la producción de datos para que sean accesibles de manera ubicua.
2. Reforzar el control de datos : aproveche las pruebas automatizadas para garantizar que el seguimiento y la validación funcionen como se espera antes de implementar un nuevo seguimiento. Esto aumentará aún más la calidad de sus datos y generará la seguridad de que sus datos son precisos y completos.
3. Finalmente, revise y renueve para empujar continuamente los límites para innovar con datos.

(Me gusta hablar de los medios ya que gran parte de mi trabajo, implementaciones e ideas han girado en torno a las industrias de los medios)

Los medios son una de las industrias más competitivas, las organizaciones buscan constantemente obtener una ventaja sobre sus competidores y una de esas ventajas han sido los datos.

Ejemplos de empresas de medios que toman decisiones basadas en datos:

1. Netflix en su primera gran película original, Bright, protagonizada por Will Smith, le costó a la empresa 90 millones de dólares y se lanzó en la plataforma en diciembre. La compra del concepto de la película y la comercialización posterior fueron completamente informadas por los datos del cliente. Bright vio 11 millones de espectadores en sus primeros 3 días, a pesar de las críticas negativas de sitios de calificación como Rotten Tomatoes. En última instancia, Netflix pudo reescribir el libro de jugadas para la realización de películas de gran éxito utilizando datos.
2. Readerscope , una solución desarrollada por el New York Times, puede usarse como una herramienta de estrategia de contenido para desarrollar ideas creativas para contenido de marca o campañas mediante la búsqueda del segmento de audiencia objetivo de una marca (por ejemplo, mujeres millennials) para comprender lo que están leyendo, ya sea como temas o como artículos representativos que ejemplifican esos temas. También puede ayudar a las marcas a encontrar la audiencia o la geografía adecuadas para un determinado mensaje al buscar un tema (p. ej., derechos humanos, filantropía o viajes) y ver qué segmentos de audiencia tienen un índice superior al interés en ese tema. Los temas se aprenden algorítmicamente del archivo de artículos de The New York Times utilizando procesamiento de lenguaje natural de última generación, y todos los segmentos de lectores se pueden orientar con medios en NYTimes.com.