En un entorno donde los datos están omnipresentes pero a menudo infrautilizados, contar con una buena infraestructura no es suficiente. Es necesario transformar la cultura y la organización para convertirlos en motores de crecimiento. Aplicar los principios del Product Management a la gestión de datos es esencial para hacerlos utilizables. Descubre en este artículo 5 prácticas clave para obtener datos de calidad, con aprendizajes prácticos, incluso de Google.
"Los datos son el nuevo petróleo, pero solo si están refinados." El matemático Clive Humby anticipó con precisión el desafío central que enfrentan las empresas hoy en día: a pesar de las enormes inversiones en infraestructuras de datos, muchas organizaciones tienen dificultades para extraer un valor real de la información que recopilan. Muchas de ellas dependen de un equipo centralizado responsable de la adquisición, transformación y distribución de datos. Sin embargo, este enfoque alcanza muy rápido sus límites cuando la empresa comienza a crecer. El equipo central no puede atender todas las demandas con la suficiente rapidez y, a menudo, los datos, recopilados sin una reflexión previa, terminan perdidos en un Data Lake, un espacio de almacenamiento donde se centralizan datos brutos de todo tipo.
Existe una alternativa: es posible dar más autonomía a los equipos, haciéndolos responsables de la calidad y distribución de los datos que generan, con un enfoque centrado en los usuarios desde el diseño de la plataforma de datos. En otras palabras, se trata de aplicar un principio de “data as a product” y tratar los datos como cualquier otro producto digital. La implementación de esta filosofía tiene un nombre: el Data Mesh. La transición a un modelo de Data Mesh es un cambio cultural y organizacional que requiere abandonar los enfoques centralizados que suelen crear cuellos de botella, en favor de una descentralización que responsabilice a cada equipo de gestionar sus propios datos.
Más fácil decirlo que hacerlo, como señala Kai Hansen, consultor de Thiga: “Es un verdadero cambio cultural ceder el control de un activo considerado sensible, como los datos, a equipos que no son especialistas en este ámbito.” Para lograrlo, ciertas prácticas del Product Management deben ser adoptadas para maximizar las posibilidades de éxito. Durante nuestras misiones de consultoría en Thiga, hemos identificado cinco prácticas clave.
#1 Responsabilizar a los equipos dentro de una organización ágil
En el Product Management, estructurar equipos autónomos y ágiles es una práctica esencial para maximizar la eficiencia y la rapidez de ejecución. Esta práctica lleva a crear equipos multidisciplinarios, capaces de tomar decisiones y adaptarse rápidamente. Aplicada a la gestión de datos, esta metodología fomenta una organización donde cada equipo es responsable de su dominio de datos, garantizando así su calidad y seguridad sin depender de una entidad central. Para lograr esto, los equipos de datos deben ser lo suficientemente pequeños para garantizar su autonomía, al mismo tiempo que cuentan con las habilidades necesarias para ser independientes. Antoine Guy, Principal Architect de Google, recuerda que “las organizaciones centralizadas suelen estar muy aisladas porque es imposible tener equipos de cientos de personas. Y el aislamiento es la muerte de la agilidad.” En cambio, la descentralización elimina los cuellos de botella y permite una gestión más fluida.
Los datos son prácticamente inútiles por sí solos. Solo tienen valor cuando se contextualizan para resolver un problema.
Adoptando esta organización ágil, las empresas mejoran su capacidad para generar valor de forma rápida y adaptarse a los cambios del mercado. “Las empresas que han adoptado este enfoque pueden implementar cambios en cuestión de semanas, mientras que las organizaciones más centralizadas tardan meses,” asegura Antoine Guy. Para maximizar esta autonomía, cada dominio debe contar con un Data Product Manager, quien supervise la visión, el roadmap y la calidad de los productos de datos. Este rol garantiza que los datos sean utilizables y estén alineados con las necesidades de los equipos de IA, operaciones y otros equipos de producto.
#2 Pensar en los usuarios desde el diseño
¿Tienen valor los datos en bruto? “No”, afirma Kai Hansen, consultor de Thiga: “Los datos son prácticamente inútiles por sí solos. Solo tienen valor cuando se contextualizan para resolver un problema.” Muchas empresas recopilan cantidades masivas de datos sin pensar primero en las necesidades internas. Esto dificulta encontrar información útil en un Data Lake mal documentado, y, a veces, incluso se olvidan datos esenciales. En el Product Management, los usuarios del producto, ya sean internos o externos a la organización, están en el centro de la reflexión desde el principio. Este mismo enfoque debe aplicarse a los datos. Los equipos responsables de los datos deben plantearse las preguntas adecuadas en el momento correcto: “¿Qué problema necesito resolver?”; “¿Por qué necesito estos datos?”; “¿Quién los utilizará y con qué propósito?”
Para que los datos generen valor de verdad, deben recopilarse y usarse en función de necesidades empresariales claramente definidas. Sin embargo, es crucial que los equipos no se enfoquen únicamente en sus propios proyectos sin alinearse con una estrategia global, insiste Antoine Guy. Según el Principal Architect de Google: “El valor global que buscamos no necesariamente equivale a la suma de los valores de cada pequeño equipo. Si un equipo desarrolla un servicio que nadie utiliza, eso no aporta valor. Se necesita una estrategia común para orientar las prioridades de cada equipo.” Este alineamiento global evita esfuerzos fragmentados e iniciativas aisladas.
Para ir más allá, echa un vistazo a nuestro artículo Data: el nuevo terreno de juego de los Product Managers
#3 Alinear a las partes interesadas en torno a una estrategia común
El alineamiento de stakeholders alrededor de una visión compartida es una práctica clave en el Product Management. En cuanto a los datos, esta práctica requiere coordinación entre los equipos para alinear las iniciativas con las prioridades de la empresa y garantizar un impacto óptimo. Esto implica contar con datos de calidad, actualizados y fáciles de interpretar, de manera que sean directamente utilizables por los diferentes departamentos para tomar decisiones informadas.
La gobernanza y los contratos de datos desempeñan un papel fundamental. Por un lado, la gobernanza garantiza que se apliquen estándares de calidad, seguridad y coherencia en toda la organización, reforzando así la confianza en los datos. Por otro lado, los contratos de datos definen roles, responsabilidades y criterios de calidad entre los equipos, estableciendo expectativas claras. Gracias a estos principios compartidos, cada equipo puede contribuir de manera coherente a los objetivos de la organización, asegurando que los datos sean completamente explotables.
Diseñar una estrategia de equipo alineada con la estrategia global no es suficiente. Para lograrlo, los equipos deben ser capaces de priorizar iniciativas, concentrando sus esfuerzos donde el valor agregado sea máximo y donde más contribuyan a los objetivos comunes.
#4 Priorizar según el impacto y el valor de negocio
Cada iniciativa en el Product Management está guiada por el deseo de maximizar el valor del negocio. Una buena priorización permite centrar los esfuerzos en los aspectos más estratégicos. Aplicada a los datos, esta práctica ayuda no solo a elegir proyectos de alto impacto, sino también a determinar los niveles óptimos de uso de datos. La priorización facilita comprender el nivel mínimo necesario para que un conjunto de datos sea utilizable, evitando mejoras costosas que ofrecen poco valor agregado.
Saber ajustar las prioridades en función de las necesidades cambiantes y del mercado es tan importante como tener una visión clara del objetivo final.
El enfoque descentralizado del Data Mesh permite a los equipos identificar y priorizar iniciativas que ofrecen el mayor retorno de inversión para sus actividades, reduciendo la dependencia de los equipos centrales. Kai Hansen lo resume: “La ventaja del Data Mesh es que los equipos trabajan con sus propios datos, que conocen bien. Esto les permite analizarlos mejor y usarlos más eficazmente para tomar decisiones.”
Además de priorizar las iniciativas con el mejor Time-to-Value (TTV), el modelo Data Mesh asegura que cada proyecto de datos ofrezca un retorno de inversión medible, aumentando la capacidad de los datos para generar valor tangible para la empresa.
#5 Adaptarse al cambio
Es fundamental recordar que la adaptabilidad al cambio tiene prioridad sobre seguir un plan rígido. Ajustar las prioridades según las necesidades cambiantes y el mercado es tan crucial como tener una visión clara del destino final. Además de contar con equipos organizados de manera ágil, la plataforma de datos en sí debe estar diseñada para adaptarse a lo inesperado.
Para Kai Hansen, los equipos de datos deberían aceptar las imperfecciones y construir sistemas capaces de adaptarse a errores e imprevistos: “El desafío está en encontrar el equilibrio entre el esfuerzo necesario para que los datos sean perfectos y el valor que se obtiene de ellos. Muchos equipos de datos no siempre logran evaluar este punto medio,” explica. También insiste en que una arquitectura ágil no debe depender de datos perfectos: “Deberían adoptar un enfoque que integre el error, con sistemas adaptables que no requieran datos impecables para funcionar.”
Pensar en los datos como un producto requiere una profunda evolución cultural y tecnológica dentro de las empresas. Aplicar ciertas prácticas propias del Product Management permite adoptar un enfoque centrado en el usuario, maximizando el valor extraído de los datos y respondiendo a las necesidades reales de los equipos y los clientes. Las prácticas que hemos ilustrado no deben considerarse elementos aislados, sino un conjunto integrado y coherente.
Este enfoque no solo permite extraer valor de los datos, sino que también mejora el bienestar de los equipos. Como señala Kai Hansen: “Las personas están más satisfechas cuando trabajan en un entorno autónomo, porque se sienten más cerca de su misión.” Colocando la autonomía en el centro de las prácticas, se fomenta un entorno de trabajo más colaborativo, donde los equipos pueden sentirse más responsables de sus misiones.
Para saber más sobre producto: descarga nuestro libro Las Claves del Product Management
