Utilice este marco para predecir el éxito de su proyecto de Big Data

Los proyectos de datos a menudo fallan porque los ejecutivos no pueden evaluar los riesgos desde el principio.
Utilice este marco para predecir el éxito de su proyecto de Big Data
Gerasimov174/Getty Images

Proyectos de big data que giran en torno a la explotación de datos para optimización de negocio y el desarrollo de negocios son lo más importante para la mayoría de los ejecutivos. Sin embargo, hasta 85% de los proyectos de big data fracasan, a menudo porque los ejecutivos no pueden evaluar con precisión los riesgos del proyecto desde el principio. Argumentamos que el éxito de los proyectos de datos está determinado en gran medida por cuatro componentes importantes —datos, autonomía, tecnología y responsabilidad— o, simplemente, por las cuatro preguntas de la A.T.A. Estas preguntas se originan en nuestro proyecto de investigación de cuatro años sobre comercialización de big data.

Los componentes necesarios para el éxito con big data pueden posicionarse a lo largo de dos dimensiones: (1) el enfoque de las actividades (la idea o la implementación del proyecto, como la idea de un proyecto de big data frente a la implementación real del proyecto) y (2) el enfoque de la transformación (digital o obtener el apoyo de las personas, como construir la arquitectura de TI necesaria para crear una estructura básica digital suficiente o asegurarse de que los empleados puedan y vayan a aplicar los datos y que esta aplicación esté en consonancia con las opiniones de la sociedad sobre lo que debe y no debe hacerse con los datos). Estas dos dimensiones crean una matriz de componentes de D.A.T.A. y las preguntas clave que los ejecutivos deben hacer al contemplar nuevos proyectos de big data, como se ve a continuación.

Las preguntas de la D.A.T.A. que debes hacer

Las cifras que figuran a continuación proporcionan una visión general de los componentes de la D.A.T.A., las preguntas relacionadas y la justificación de los mismos, así como ejemplos. Además, el cuadro muestra la secuencia en la que deben tenerse en cuenta los diferentes aspectos en los proyectos de datos. A continuación, ofrecemos una descripción detallada de cada componente.

Centro de información

Datos: El acceso a los datos es obviamente una condición previa para cualquier iniciativa centrada en el crecimiento impulsado por los datos. Sin embargo, no todos los datos disponibles son útiles, ni son únicos y exclusivos. Además, no todos los datos están disponibles. La pregunta que los ejecutivos deben hacer es: «¿Podemos acceder a datos que son valiosos y raros?» Sólo cuando se cumplen estos criterios, los ejecutivos pueden esperar obtener un ventaja competitiva temporal basado en datos.

Considere la aplicación danesa de seguimiento de fitness social Endomondo. En 2015, la compañía estadounidense de ropa atlética Under Armor compró Endomondo por $85 millones en un intento de construir «la comunidad digital de salud y fitness más grande del mundo». Endomondo tenía más de 20 millones de usuarios y más del 80% de ellos se encontraban fuera de los Estados Unidos. Por lo tanto, Under Armour esperaba que la adquisición no solo proporcionara acceso a datos que consideraba valiosos y raros, sino que también proporcionara a la empresa «escala inmediata y mayor presencia internacional», como se indica en el comunicado de prensa. El precio que Under Armor estaba dispuesto a pagar ilustra el valor que asignó a los datos de Endomondo. En consecuencia, los datos se están convirtiendo en un recurso que aumenta su potencial comercial con su valor de usuario y su singularidad en el mercado.

Autonomía: La autonomía, o la toma de decisiones descentralizadas, da a los empleados el mandato de idear soluciones habilitadas para datos que puedan iniciar por sí mismos. Lo es. un paso esencial en la fase de ideación, y también se ocupa del componente humano de las transformaciones digitales. En este sentido, la pregunta que los ejecutivos deben hacer es: «¿Pueden los empleados usar los datos para crear soluciones por su cuenta?» Liberar el potencial comercial de los datos requiere la participación de muchas personas de varios niveles y departamentos.

Google sirve como ejemplo de este componente clave. Google ha sido famoso por permitir la toma de decisiones descentralizadas y por hacer recursos dedicados disponible para iniciativas en toda la organización. Google tiene un «20% de tiempo», donde permite a los ingenieros trabajar en proyectos propios eligiendo el 20% del tiempo. Además, Google hace que sus recursos informáticos y datos a disposición de sus ingenieros 20% proyectos. Un proyecto que se originó como resultado de la política de tiempo del 20% y que hizo un uso extensivo de una variedad de datos fue « Google Ahora» (un asistente móvil que proactivamente entrega de información a los usuarios basado en los hábitos de búsqueda). Aunque Google Now ya no existe, la funcionalidad subyacente se sigue utilizando. La autonomía no sólo es importante para la creación y puesta en marcha de nuevas iniciativas, sino también para el aprendizaje y la adaptación de los procesos existentes. En consecuencia, los empleados necesitan poder utilizar los datos para iniciar, crear y adaptar sus propias soluciones.

Tecnología: La tecnología es igualmente esencial para el éxito con los datos. Se trata de un primer paso importante en la fase de implementación, así como de un componente esencial para la red troncal digital. Aquí, la pregunta que los ejecutivos deben hacer es: «¿Puede nuestra tecnología ofrecer la solución?» Puede tener todos los datos e ideas del mundo, pero si su tecnología solo puede entregar un prototipo, una versión beta o un volumen no escalable, en última instancia no se creará ningún valor real para su empresa.

Un ejemplo de la importancia de la tecnología se ilustra en la colaboración blockchain entre Maersk e IBM. Maersk había querido mucho tiempo agilizar y simplificar los obstáculos administrativos del comercio mundial. Sin embargo, no pudo hacerlo antes de la aparición de blockchain, que proporcionó la columna vertebral técnica para crear una solución al problema. Como Maersk podría decirse que no tenía las capacidades de blockchain necesarias internamente, se asociado con IBM para crear Tradelens, una plataforma comercial mundial diseñada para minimizar los costos y aumentar la transparencia del transporte marítimo mundial. En otras palabras, habilitado por la tecnología blockchain, Tradelens digitaliza la cadena de suministro global y proporciona información a todos los actores. En consecuencia, es necesario que cualquier solución habilitada para datos cuente con tecnología suficiente para entregarla.

Rendición de cuentas: Responsabilidad se refiere a obtener permisos regulatorios y sociales para su solución de datos, así como poder demostrar este cumplimiento. Se trata de un paso importante en la fase de implementación y es una parte esencial del componente humano de las transformaciones digitales. La pregunta que los ejecutivos deben hacer a este respecto es la siguiente: «¿Nuestra solución cumple con las leyes y la ética?» Se puede crear poco valor si su solución viola la ley. Además, si los usuarios piensan en la solución como « espeluznante», es posible que se enfrente a una reacción violenta de los medios.

Los impactos de descuidar la rendición de cuentas se pueden ver en el escándalo de Facebook/Cambridge Analytica. Como se muestra en el documental de Netflix « El Gran Hack,» Cambridge Analytica cosechó datos personales de Facebook para identificar y apuntar a «persuadables» (es decir, personas que probablemente sean persuadidas por ciertos mensajes) con el objetivo de cambiar de opinión en las elecciones presidenciales de 2016 en Estados Unidos. El uso indebido alegado de los datos personales preguntas planteadas de ambos jurídico yético puntos de vista. El caso ha tenido consecuencias graves para el partes involucradas, y ha hecho que tanto usuarios y legisladores más consciente de el legal yético desafíos de los datos colección y uso. Por consiguiente, no debe esperarse que ninguna solución se convierta en un éxito a largo plazo si no cumple con la ley, la ética social y las normas.

Utilice este marco para predecir el éxito de su proyecto de Big Data

Calificación de su próximo proyecto de big data

Como probablemente habrás notado, estas preguntas de la D.A.T.A. piden respuestas simples sí/no. Esto significa que puede determinar la probabilidad de que su próximo proyecto de big data sea un éxito mediante el recuento de sus respuestas a las preguntas. En otras palabras, si respondes «sí» a tres preguntas y «no» a una, tu proyecto tiene una puntuación de 3.

Utilice la tabla siguiente para anotar su próximo proyecto. Como se desprende de la tabla, necesitará una puntuación de 4 para estar seguro del éxito con su proyecto de datos. Una puntuación de 3 significa que el proyecto aún requiere un trabajo sustancial para tener éxito, ya que los cuatro componentes son esenciales para los proyectos de big data. En consecuencia, puede pensar en los componentes como necesita tener en lugar de agradable tener.

Un ejemplo ilustra la necesidad de los cuatro componentes. Facebook tiene datos personales únicos y valiosos, como datos sobre el estado de la relación de los usuarios. De hecho, Facebook es capaz de predecir con precisión si una relación dada durará. Si bien esto puede incluir datos únicos y valiosos («sí» a pregunta 1) que los empleados de Facebook son libres de construir soluciones en torno a («sí» a pregunta 2), y a pesar de que Facebook tiene la tecnología para ofrecer tal solución («sí» a pregunta 3), tal solución parecería un poco poco ético para la mayoría de las personas («no» a pregunta 4). Por lo tanto, a un proyecto de esa índole se le asignaría una puntuación de 3, ya que para que tenga éxito es necesaria una labor crítica en materia de rendición de cuentas.

Los proyectos de big data necesitan un enfoque más orientado a los datos para predecir su éxito. Si bien las expectativas con respecto al potencial empresarial de los big data son astronómicas, hasta ahora los rendimientos han sido débiles. Parte del problema es, sin duda, que los ejecutivos no saben predecir el éxito de los proyectos de datos, ya que existen pocos enfoques estructurados para hacerlo. Con nuestro marco D.A.T.A., los ejecutivos pueden finalmente comenzar a tomar decisiones informadas sobre proyectos de big data.


Carsten Lund Pedersen Thomas Ritter
Via HBR.org

Related Posts
La curva de aprendizaje de ventas

La curva de aprendizaje de ventas

Debido a que los lanzamientos de nuevos productos a menudo toman más tiempo y cuestan más de lo esperado, muchas ofertas prometedoras se abortan prematuramente. Las empresas inteligentes se entregan el tiempo y el dinero lo suficiente como para escalar la curva de aprendizaje de ventas antes de aumentar la fuerza de ventas.
Leer más
Utilice la política de oficina para su ventaja

Utilice la política de oficina para su ventaja

No importa cuál sea su empresa, probablemente haya encontrado políticas organizativas. Una de las quejas más frecuentes que escucho de gerentes es lo difícil que es hacer las cosas frente a las agendas conflictivas, las prioridades desalineadas, la búsqueda de objetivos personales y los problemas no resueltos, a menudo se agruparon bajo el paraguas de "política". Recientemente, […]
Leer más
Lecciones del largo viaje de Toyota

Lecciones del largo viaje de Toyota

A medida que Toyota se convierte en el mayor fabricante de automóviles del mundo, la compañía encuentra que sus formas de gestión de muchos anuncios de administrar a largo plazo son más importantes, y bajo una mayor presión, que nunca antes.
Leer más

Newsletter

Avanza tu carrera profesional, con el resumen semanal de las publicaciones, un libro de negocio resumido en 10 minutos y entrevistas con líderes de negocio