Domingo: En mi experiencia, siendo arquitecto en el pasado y administrando y brindando consultoría para muchos de mis clientes, el gobierno de datos se está considerando principalmente para cumplir con los requisitos reglamentarios en el pasado. Por lo tanto, solía ser un nivel de proceso independiente, pero para cualquier gobierno de datos efectivo allí, debería ser un proceso holístico. Debe hacerse desde la fuente de los datos hasta el consumo de la retroalimentación. Esa es una de las mejores prácticas clave que recomendamos a todos nuestros clientes. Además, el gobierno de datos es un proceso continuo. No es que, “Está bien. Miré los requisitos de los datos hoy”, ya sea un requisito regulatorio o los requisitos de consumo, “Y diseñé un plan para eso y puedo arriesgarme ahora”. No.
Entonces, el gobierno de datos es un proceso continuo. Los requisitos de los datos cambian continuamente. El uso de los datos cambia continuamente. Las regulaciones están cambiando continuamente. Entonces, el proceso de gobierno de datos y la revisión también es muy importante y una comprensión completa de lo que está sucediendo, qué ha cambiado, por qué ha cambiado, cuándo ha cambiado y mantener un registro de eso también es muy importante. Es por eso que el marco de gobierno de datos debe tener un proceso holístico. No es un proceso aislado y debe revisarse continuamente, y también se realiza un seguimiento continuo.
Laurel: Y como mencionaste anteriormente, las personas definitivamente también son parte de este proceso y estrategia. ¿Qué opina sobre la alfabetización de datos como una habilidad crítica que todos deben tener en toda la organización fuera de los equipos de tecnología? ¿Cómo deberían los ejecutivos comenzar a pensar en prepararse y asegurarse de que todos tengan las habilidades adecuadas para consumir datos?
Domingo: Entonces, los datos son el “petróleo nuevo” que se alimenta en todas partes. Si los datos son un nuevo petróleo, la comprensión de cómo usarlos, dónde usar esos datos se vuelve muy, muy crucial. Cómo usarlo y dónde usarlo constituye la parte principal de la alfabetización de datos en cualquier organización. Además, si tenemos que usar algún dato dado, también debemos saber dónde están disponibles los datos. Por lo tanto, la alfabetización de datos se aborda en dos niveles. Uno, sobre proporcionar información sobre cuáles son los datos que están disponibles, qué tan buenos son esos datos que están disponibles, cómo acceder a esos datos, cómo procesar esos datos. Y la segunda es que, especialmente en el mundo actual, los datos también tienen muchas limitaciones. Es muy crítico y tiene mucha información sensible. La línea entre la información confidencial y los datos que se pueden consumir fácilmente es muy delgada en el mundo actual.
Si ese es el caso, entonces la alfabetización de qué datos estamos procesando y qué tan sensibles son, qué queremos usar con eso, esa alfabetización de esa información también es muy crítica. Entonces, cuando los ejecutivos planifican programas de alfabetización de datos en sus organizaciones, también es importante asegurarse de que no se trata solo del uso de datos, sino también de cuál es el uso de los datos y cuál es el resultado de los datos. Entonces, es por eso que la alfabetización de datos y la inversión de la alfabetización de datos en las personas se vuelve muy crítica. Al final del día, las personas son quienes diseñan los sistemas y quienes desarrollan los sistemas que consumen los datos, por lo que la inversión adecuada en alfabetización es primordial en ese aspecto.
Laurel: Entonces, esas son partes muy importantes sobre la alfabetización de datos, especialmente en toda la organización, pero también hemos visto que otra parte de la transformación digital es optimizar y maximizar las inversiones en operaciones en todas las unidades comerciales. Por ejemplo, hace años, los equipos de tecnología hicieron esto al combinar el desarrollo de software y las operaciones para crear devOps, lo que permitió formas de trabajo más ágiles y centradas en los datos. La firma de investigación, Gartner, argumenta que esta filosofía también se puede aplicar a otras áreas del negocio, incluida la inteligencia artificial y el aprendizaje automático para crear MLOps, datos para crear dataOps y finanzas para crear finOps, es decir, finanzas y operaciones. En su conjunto, estos se pueden agrupar en un solo término llamado XOps. Es una forma interesante de tomar varias partes del negocio y unirlas todas bajo un paraguas de operaciones. ¿Qué valor puede aportar XOps a una organización en su conjunto?
Domingo: Sí, como dijiste correctamente, Laurel, XOps es un paraguas que incorpora varias operaciones que impulsan la innovación a través de la tecnología para abordar los requisitos comerciales para llevar el negocio al siguiente nivel. Habiendo dicho eso, las tres operaciones, por ejemplo, que ha mencionado, ya sea devOps, dataOps, MLOps o incluso finOps, la cuarta, en todas partes, las operaciones del denominador común y el requisito para esas operaciones es entregar valor. de la manera más eficiente.
Entonces, lo que aprendimos de devOps es administrar versus desarrollar un producto, cómo combinarlos y extraer esa eficiencia. Los mismos principios se toman en las operaciones de aprendizaje automático y las operaciones de datos. Nuevamente, desde la perspectiva de la tecnología, el factor común es la automatización y la reutilización continua de los procesos para hacer que toda la operación sea eficiente. Es por eso que Gartner combinó los tres y lo llama XOps, por lo que puede verlo como un diagrama de Venn de tres operaciones diferentes, que giran en torno a la automatización y la reutilización con agilidad.