Data governance y estrategia corporativa de datos

Si bien a menudo se identifica la gobernanza de datos con el software que técnicamente la habilita, estudiaremos aquí su función corporativa y su relación con una estategia de analítica de datos corporativa.

Data governance, una definición operativa

El Data Governance Institute define la gobernanza de datos como «un sistema de derechos y responsabilidades sobre decisiones relativas a procesos de datos, ejecutados según unos modelos que establecen quién puede tomar qué acciones con qué información, en qué circunstancias y mediante qué métodos».

En la empresa se plasma en un conjunto de procedimientos que concierne, al menos, a:

• propietarios de los datos
• responsables de calidad, precisión, consistencia, accesibilidad, actualización de los datos
• almacenamiento y seguridad de datos
• normas y procedimientos de acceso

Data governance what, why, how, who by Profisee

Función de la gobernanza de datos en la empresa

Específicamente en la empresa, podríamos dar una definición de la gobernanza como un conjunto de procesos orientados a garantizar la fiabilidad de la información utilizada para otros procesos críticos de negocio, desde decisiones estratégicas a logística, marketing, comercial o contabilidad.

Estos procesos aseguran que los datos cumplan con los siguientes requisitos:

• Disponibilidad: Una buena estrategia de gobernanza de datos garantiza que la información se almacene de forma correcta y que esté disponible para los usuarios cuando la necesiten.
• Usabilidad: La información debe permitir a los usuarios lograr sus objetivos de forma eficiente, dentro de sus medios de análisis y gestión de datos.
• Calidad: Los datos deben ser precisos, fiables, pertinentes, fiables y actualizados.
• Seguridad: Los tres aspectos dependen enormemente de la capacidad que tenga la empresa de proteger sus datos. En este caso, la gobernanza de datos se encarga de implementar procesos que controlen el acceso, rastreen cualquier actividad, reduzcan vulnerabilidades, y habiliten respuesta ante usos indebidos.

Beneficios de la gobernanza de datos

Dado que hablamos de procesos altamente tecnificados, que en última instancia contribuyen a múltiples procesos en todas las áreas corporativas, los beneficios directos e indirectos son díficiles de resumir. Intentaré hacerlo en dos niveles.

Beneficios de gobernanza de datos desde el punto de vista técnico

Algunos beneficios que aporta una política de data governance desde la visión de áreas de IT y data analytics:

1. Capacitar a la dirección y al personal en general a adoptar enfoques comunes para problemas de datos
2. Proteger la necesidades del personal usuario de los datos y garantizar su satisfacción
3. Construir procesos estándar, repetibles, revisables y optimizables
4. Reducir costes, aumentar la eficacia unificando procesos
5. Garantizar la transparencia de los procesos

Mientras que, desde una visión funcional, de negocio y de estrategia empresarial, los principales beneficios serían:

• Confianza en la calidad de los datos: la gobernanza de datos crea un plan que garantiza la precisión, exhaustividad, consistencia, actualización de los datos. Especialmente críticos en decisiones de negocio y proyectos de analítica avanzada son los dos últimos, la consistencia de datos a través de los diferentes repositorios corporativos y su nivel de actualización, un metadato a menudo complicado de conceptualizar -indicadores complejos se componen de variables con diferentes fechas de observación-.
• Estructuración, mapa de los datos: todos los usuarios acuden al mismo repositorio a buscar el mismo dato, y entienden la relación entre datos -jerarquías, relaciones, grafos-.
• Una visión única de cada cliente -B2C o B2B-: concierne procesos de normalización, deduplicación, pero también definición funcional del concepto de cliente. Por ejemplo, en B2B un cliente puede ser cada departamento de una gran empresa, o cada delegación territorial, o cada oficina nacional, o bien el conjunto de entidades-razón social que componen un grupo empresarial.
• Cumplimiento normativo: la gobernanza de datos es el marco ideal para homogeneizar y garantizar cumplimiento con legislación relativa a información, como la LOPD, RGPD, LSSI o normativas sectoriales como los PCI DSS (Normas de Seguridad de Datos para Tarjetas de Pago).

Si lo enfocamos desde el desarrollo e implementación de modelos analíticos de datos de alta complejidad, como los que desarrollamos en unica360, la existencia de una gobernanza de datos facilita enormemente tanto los procesos de preparación de datos en las fases de modelización, como la implementación de y puesta en producción de los modelos resultantes.

Estrategia de datos corporativa versus gobernanza de datos

Algo escasamente tratado cuando se describe la gobernanza de datos es su dependencia de una previa estrategia de datos corporativa. Es decir, ¿qué datos tenemos, qué datos deseamos, para qué los usamos ahora, para qué los usaremos en el futuro? Esta proyección a futuro -propia del análisis estratégico- es crítica, siendo la explotación de datos corporativos una disciplina joven, con enorme proyección y que modificará innumerables mercados y cadenas de valor.

Algunos conceptos englobados en esta estrategia corporativa de datos son ya muy comunes:

• Digitalización, en sectores con importante componente «física», logística o servicios personales
• Virtualización, como oportunidad de operar exclusivamente o mayoritariamente online, ni que decir tiene que se ha vuelto crítico durante la epidemia de covid-19 y la necesidad de muchas compañías de «reinventarse»
• Globalización, como «salto» a operar en mercado global, no solo en nacional o local
• Seguridad, en un mundo donde el espionaje industrial parece generalizarse, y las decisiones sobre el hardware no son ajenas a ello. Una buena muestra es la preocupación por una estrategia institucional europea de datos.

Otros son aún emergentes pero tendrán enorme relevancia en un futuro muy cercano:

• Enriquecimiento de datos, datos de segundas y terceras partes. Uso de datos, bien a través de acuerdo directos con otras empresas -2nd party, pueden ser de la misma cadena de valor o de diferentes mercados-, bien acudiendo al mercado de comercializadores de datos -3rd party, muy común en publicidad online programática-
• Monetización de datos, o la otra cara de la misma moneda: reutilización de los datos propios a través de terceros, generando un beneficio económico adicional. Los datos de movilidad que ofertan las operadoras de telecomunicaciones, o los de transacciones con tarjetas que distribuyen los bancos, son dos claros ejemplos que todos conocemos hace años
• Conversión en negocio de datos, como diversificación, pero incluso como reconversión de actividad principal, por entenderse amenazada ésta.Algunos ejemplos de esta conversión en data business ya los tenemos a la vista:

• • un portal inmobiliario online deviene en líder en datos inmobiliarios, urbanísticos, territoriales, para no depender solo de su capacidad de atracción como ‘display’ -que Google Maps podría arrebatarle con facilidad, como ha hecho con restaurantes-
  • un software de intermediación de reservas turísticas explota sus datos para comercializar motores predictivos de upselling, upgrading, cross-selling
  • un software de mapping para GPSs de vehículos se convierte en proveedor de datos espaciales, de movilidad, comercios…
  • una red social de valoración de hostelería se transforma en proveedor de datos de puntos de interés y tráfico (footfall) en establecimientos hosteleros

El gráfico siguiente muestra de manera muy simplificada un esquema de estrategia de adquisición y análisis de datos, en función del origen de los mismos y de visión temporal mencionada arriba. Un distribuidor de Food Service podría comenzar por garantizar la calidad de datos de visitas de su CRM, analizar éstas y modelizar un motor de venta cruzada, recomendación.

A continuación, adquirir datos externos de clientes potenciales, modelizarlos, obtener score de afinidad, lo que mejora el modelo de venta cruzada, pero sobre todo permite un nuevo modelo de territorios comerciales y rutas óptimas, que se nutre a su vez de los datos internos de rutas y costes comerciales. Todo ello se produce «en el futuro» porque estos datos de rutas y costes requieren procesos previos de digitalización, depuración, normalización… -dentro del plan de data governance-.

Finalmente, este enorme conocimiento puede servir para reposicionar el negocio dentro del mercado -o dentro de la multinacional a la que pertenece- como proveedo de modelos analíticos de demanda, venta cruzada y territorios comerciales en Food Service.

Todo esto requiere una visión estratégica corporativa, así como visión analítica -potencial, posibilidades de los datos-, y constituye la hoja de rutaq sobre la que se articulará el plan de gobernanza de datos.

Y, una vez definida la estrategia y el plan de gobernanza de datos, existen multitud de opciones de software, algunas incluso open source, sobre las que implementar los procesos que de ellos se deriven.