Organizaciones Data-Driven

En esta conferencia, Miguel Gómez, Senior Manager en Accenture con amplia experiencia en transformación digital, analiza cómo las empresas actuales se organizan para operar de manera eficiente mediante el uso de datos e IA. A lo largo de su intervención, el especialista explora la transición hacia las organizaciones data-driven, detallando no solo la visión estratégica necesaria, sino también los modelos operativos, las capacidades técnicas y los roles profesionales que permiten extraer el máximo valor de la información para la toma de decisiones.

Visión de una organización Data-Driven

El experto explica que el objetivo principal de estas organizaciones es generar una ventaja competitiva que les permita consolidarse como líderes en su mercado. Según Gómez, aunque muchas empresas comparten este mantra, la diferencia radica en cómo aterrizan sus principios rectores.

Entre los motores que impulsan estas estrategias, el ponente destaca la obtención de eficiencias operativas, la mejora del go-to-market para lanzar productos más rápido y el fomento de la innovación. Asimismo, Miguel indicó que la regulación, como el AI Act de 2024, está obligando a las compañías a poner orden en su analítica para cumplir con los marcos legales vigentes.

Modelos operativos y el Centro de Excelencia (COE)

Para orquestar esta transformación, se subraya en la charla la importancia de crear un Centro de Excelencia (COE) o Hub de datos. El ponente detalló tres modelos organizativos posibles: el centralizado, donde un solo departamento gestiona todo; el descentralizado, común en grandes holdings como Alphabet donde cada filial tiene su propia autonomía; y el modelo híbrido o federado.

Miguel afirma que la tendencia actual del mercado es el modelo híbrido, ya que permite equilibrar el control centralizado con la flexibilidad necesaria para los negocios. En este esquema, el Hub central define estándares, herramientas y visión global, mientras que las áreas de negocio mantienen la capacidad de adaptar los datos a sus necesidades específicas y objetivos operativos.

Capacidades clave para el éxito

De acuerdo con la exposición, un departamento de datos robusto debe desarrollar cuatro capacidades fundamentales de forma equilibrada:

1. Analítica avanzada e IA: consiste en el uso de modelos matemáticos y algoritmos de machine learning o IA generativa para predecir escenarios y automatizar decisiones.
2. BI y Reporting: se centra en facilitar la visualización de datos mediante herramientas como Power BI o Looker, permitiendo que los empleados tomen decisiones en forma intuitiva.
3. Gobierno del dato: Miguel resalta que esta es una capacidad crítica, pues asegura que la información sea confiable, de calidad y cumpla con normativas de privacidad como el GDPR.
4. Plataforma de datos: representa la infraestructura técnica (normalmente en la nube o cloud) que soporta todo el ecosistema y permite la gestión eficiente de costes mediante prácticas como FinOps.

Roles y perfiles profesionales

La ponencia detalla una variedad de roles necesarios para conformar células de trabajo multidisciplinares. El Data Product Manager actúa como director de orquesta, traduciendo necesidades de negocio a especificaciones técnicas. Por otro lado, perfiles como el Data Scientist se encargan de programar algoritmos en lenguajes como Python, mientras que los ingenieros de datos construyen las tuberías que permiten la ingesta y calidad de la información. El ponente también mencionó figuras como los arquitectos de datos, encargados de diseñar el mapa tecnológico, y los ingenieros de ML, que aseguran que los modelos lleguen a producción de forma automatizada.

El ciclo de vida de los proyectos y factores de éxito

Finalmente, el ponente describe el proceso de gestión de la demanda, que comienza con el descubrimiento y priorización de casos de uso basados en su valor potencial. Se recomienda el uso de metodologías Agile para el desarrollo (delivery) de soluciones, garantizando que los equipos de negocio y técnicos trabajen de la mano.

Para que una iniciativa sea exitosa, Gómez recalca que no basta con la tecnología; es imperativo asegurar la adopción por parte de los usuarios y medir el impacto económico real. Su consejo final es "empezar en pequeño y escalar rápido", buscando quick wins que demuestren el valor del dato antes de embarcarse en megaproyectos de alta complejidad.

Podemos visualizar una organización data-driven como un sistema de navegación de un barco moderno: los datos son el océano, la plataforma tecnológica es el casco, y los diferentes roles profesionales son la tripulación. Sin un mapa (estrategia) y un timonel que sepa leer las corrientes (gobierno del dato), incluso el motor más potente (IA) podría llevar a la organización hacia un rumbo equivocado.

¿Quién es Miguel Gómez?

Miguel Gómez es Senior Manager en Accenture, dentro del equipo de ‘Enterprise AI Value Strategy’ de la unidad de Data & AI desde el año 2018. Desde esta posición, ha asesorado a directores de Transformación y CDO’s en diversos programas de Estrategia basada en Datos, Analítica e Inteligencia Artificial de compañías líderes en España y Europa.

Su trayectoria profesional abarca más de trece años de experiencia trabajando en el sector de la consultoría, donde ha trabajado en proyectos de Estrategia de Analytics e IA, definición de modelos operativos, adopción y gestión del cambio de cultura del dato, evaluación de iniciativas de IA, generación de nuevos productos de datos, e ejecución de programas complejos de Data e IA.

Además, Miguel lleva colaborando en ISDI durante más de tres años, donde ha impartido formaciones de ‘Data-Driven Consulting’ y desarrollo de casos de estudio a las nuevas incorporaciones de Accenture, así como conferencias orientadas a empresas en torno al tema de ‘Datos, Analítica e IA’.