¿Cuáles son los roles esenciales para los datos y la analítica?
Os dejamos la traducción/adaptación del artículo escrito por los Analista(s): Jorgen Heizenberg, Saul Judah y Alan D. Duncan de Gartner dentro de su iniciativa Chief Data and Analytics Officer Leadership.
Este estudio se realizó para explorar y rastrear el impacto empresarial de la función del CDO y/o la oficina del CDO y las mejores prácticas para crear una organización impulsada por los datos. La investigación se realizó online entre septiembre y noviembre de 2022 entre 496 encuestados de todo el mundo. Los encuestados debían ser el líder de datos y análisis de más alto nivel en la organización: director de datos; director de análisis; el líder de TI de más alto nivel con responsabilidades de datos y análisis; o un ejecutivo de negocios, como director digital u otro ejecutivo de negocios con responsabilidades de datos y análisis. La muestra de la encuesta se obtuvo de diversas fuentes (incluida LinkedIn), y el mayor número procedía de una lista elaborada por Gartner de más de 4.519 CDO y otros líderes de alto nivel en datos y análisis. Descargo de responsabilidad: Los resultados de este estudio no representan conclusiones globales o el mercado en su conjunto, sino que reflejan el sentimiento de los encuestados y las empresas encuestadas.
¡Esperamos que os guste!
Los Chief Data and Analytics Officer deben respaldar las oportunidades y los retos de la empresa digital actual con las competencias adecuadas. Ahora es el momento de crear funciones y competencias analíticas y de datos adecuadas para el futuro.
Supuestos de planificación estratégica
Hasta 2023, el machine learning (ML) será el puesto de mayor crecimiento en el espacio de la inteligencia artificial (IA)/ML, con puestos vacantes para ingenieros de ML a la mitad (50%) que la de los data scientists, frente a menos del 10% en 2019.
Para 2023, el número de personas con discapacidad empleadas se triplicará debido a que la IA y las
tecnologías emergentes reducen las barreras de acceso.
Para 2023, todo el personal contratado para trabajos de desarrollo y formación en IA tendrá que demostrar experiencia en el desarrollo responsable de la IA.
Análisis
El negocio digital no sucederá sin una plataforma digital con datos y análisis (D&A) en el núcleo. La tecnología puede ser un punto de fracaso cuando no se maneja correctamente, pero a menudo no es el mayor obstáculo para el progreso. La aceleración del negocio digital dependerá en igual medida, si no más, de cómo se organice la D&A y de las funciones, competencias y cultura necesarias para impulsar esta transformación.
La escasa alfabetización en datos, la falta de una cultura impulsada por los datos y la escasez de talento son inhibidores prevalentes y persistentes del éxito de la D&A. En consonancia con otras conclusiones de la encuesta de Gartner sobre la agenda de los Chief Data Officer para 2022, el personal, la formación y la cultura deben ser prioritarios para que los Chief Data Officer aumenten la eficacia del equipo de D&A en la participación de las partes interesadas, la influencia y el cambio cultural (véase la figura 1).
Algunas organizaciones se plantean trabajar con un proveedor externo de servicios de D&A porque carecen de los recursos adecuados o son incapaces de desarrollar o mejorar su actual reserva de talento. En un proveedor de este tipo puede ayudar a la organización cubriendo temporalmente el déficit de funciones de D&A y/o mejorando o recualificando los recursos existentes.
Los proveedores deben llevar a cabo estas contrataciones prestando especial atención a la transferencia de conocimientos y a la formación en el puesto de trabajo.
Los Chief Data and Analytics Officer (CDAO) que apoyan la transformación necesaria para el negocio digital deben responder a las siguientes preguntas:
¿Cuáles son las funciones clave de D&A en las que centrarse por ahora?
¿Qué funciones están surgiendo y cómo afectan esas nuevas funciones a las actuales?
La figura 2 y las secciones siguientes ofrecen orientaciones al respecto.
Aspectos destacados de la investigación
Funciones de D&A en las que centrarse ahora. Esta sección destaca los roles que comprende D&A en la actualidad:
Funciones de apoyo: CDAO, D&A Manager, D&A Architect, Business Analyst, D&A Project Manager, Change and Transformation Manager, D&A Manager, Change and Transformation Manager, D&A Tester.
Funciones de datos: Data Engineer, Data Steward, Master Data Management (MDM) manager, Data Modeler.
Funciones de análisis: Analytics and business intelligence (ABI) developer, Data Scientist, AI/ML Developer, Analytics Steward
Funciones de apoyo
Chief Data and Analytics Officer
"Chief Data and Analytics Officer" (CDAO) se refiere a la función de liderazgo empresarial que tiene la responsabilidad principal de la creación de valor por medio de los activos de D&A de la organización, y el ecosistema de D&A. Los títulos equivalentes para esta función son director de datos, director de análisis (si la función de CDAO o equivalente no se encuentra en la empresa), director/jefe de datos y análisis, y otras variaciones.
D&A Manager
El D&A Manager responsable de gestionar el centro de excelencia de D&A y, como tal, necesita apoyar el despliegue de D&A en el resto de la organización. Los D&A Managers contribuyen de manera clave a la estrategia y visión de D&A. Elaboran la hoja de ruta, gestionan a las partes interesadas de alto nivel y supervisan los presupuestos y recursos. Además de medir el rendimiento de su equipo, también deben supervisar y hacer un seguimiento de la contribución de D&A a los objetivos empresariales.
D&A Architect
El arquitecto de datos y análisis refuerza el impacto de la información empresarial y ofrece recomendaciones al respecto. Un D&A Architect necesita identificar, definir y analizar cómo los activos de información impulsan los resultados empresariales para compartir datos coherentes en toda la empresa. Los D&A Architects "poseen" los modelos de datos.
Los D&A Architects comprenden el impacto de los distintos escenarios de D&A, como la ciencia de datos o el aprendizaje automático, en la arquitectura general de la empresa. Trabajan con el arquitecto de la empresa en la estrategia de arquitectura de D&A y las plataformas de apoyo.
Business Analyst
No existe un único tipo de Business Analyst, sino más bien un espectro de analistas. Sus funciones dependen del caso de uso de DyA, varían según la interacción e introducen diferentes responsabilidades y requisitos de competencias. Por ejemplo:
Los Data Analysts tienen conocimientos básicos de análisis estadístico y los utilizan para apoyar áreas empresariales específicas. Son expertos en la materia o colaboran estrechamente con ellos para aplicar sus conocimientos a los procesos o funciones empresariales.
Los Data Translators, entrenadores de datos o facilitadores no sólo salvan la distancia técnica entre los data scientists/Data Engineer y los ámbitos empresariales, sino que también ayudan a impulsar la adopción y la alfabetización en toda la organización. Estas funciones tienen un buen conocimiento de los procesos empresariales y de la demanda de datos y análisis asociada, que traducen en soluciones de datos y análisis. Deben combinar la comprensión técnica con el conocimiento del dominio y tener facilidad para trabajar con diversos públicos en materia de innovación.
D&A Project Manager
El D&A Project Manager es responsable del éxito de todos los proyectos de la cartera de D&A. El gestor de proyectos planifica, ejecuta y entrega todos los proyectos a tiempo, dentro del presupuesto y del alcance, de acuerdo con los profesionales de la empresa. A lo largo del ciclo de vida de cada proyecto, el gestor de proyectos hace un seguimiento de su estado y gestiona los equipos de proyecto para mitigar los problemas y riesgos. El gestor de proyectos es el principal punto de contacto para las iniciativas de D&A y gestiona la demanda de los clientes con los recursos disponibles.
Change and Transformation Manager
El Change and Transformation Manager impulsa los resultados de la organización y los resultados empresariales mediante el desarrollo de estrategias que animan a los empleados a adoptar nuevas formas de trabajar con DyA. Los gestores del cambio y la transformación necesitan el apoyo de los altos directivos de la empresa (como el CDAO) para fomentar cambios en el comportamiento de los empleados y hacer posible una cultura más orientada a los datos. Ayudan a desarrollar nuevas habilidades a través de la educación, y ayudan a establecer la alfabetización de datos mediante la creación de un ajuste adecuado entre las personas, las tareas y las herramientas.
D&A Tester
Los D&A Tester son responsables de gestionar el riesgo asociado a la D&A (por ejemplo, el riesgo operativo o la privacidad). Gestionan el riesgo probando productos de datos (como canalizaciones de datos y calidad de los datos) y productos analíticos (como informes y cuadros de mando) en relación con los requisitos de los usuarios empresariales (pruebas de aceptación del usuario) y los requisitos informáticos (pruebas de integración del sistema).
Funciones de datos
Data Engineer
La ingeniería de datos es la práctica de poner los datos apropiados a disposición de varios consumidores de datos (incluidos data scientists, Data Analysts y de negocio, integradores citizen y usuarios de línea de negocio). Es una disciplina que implica la colaboración entre las unidades de negocio y de TI. Esta disciplina clave requiere Data Engineer cualificados que apoyen tanto a los equipos de TI como a los de negocio.
Los Data Engineer son los principales responsables de la creación, gestión y puesta en marcha de canalizaciones de datos en apoyo de casos de uso clave de D&A. También son los principales responsables de liderar la creación de canalizaciones de datos. También son los principales responsables de dirigir la tediosa (y a menudo compleja) tarea de:
Curating datasets y data pipelines creados por usuarios no técnicos (por ejemplo, a través de herramientas de preparación de datos de autoservicio), data scientists o incluso recursos de TI.
Operacionalizar la entrega de datos para despliegues a nivel de producción.
Por último, apoyan la tarea clave de desplegar los resultados de la analítica y la ciencia de datos en los procesos y aplicaciones empresariales existentes.
Los Data Engineer también garantizan el cumplimiento de los requisitos de gobernanza y seguridad de los datos. Son fundamentales para la misión, ya que saben por dónde empezar con los datos y qué canalizaciones están centradas en el negocio. Como tales, tienen que colaborar con la empresa y educar a la organización en ingeniería de datos, asegurándose de que los usuarios puedan hacer algo de ingeniería de datos por su cuenta. Los Data Engineer deben ser expertos en varias habilidades técnicas y empresariales, entre las que se incluyen:
Trabajar con diversos conjuntos de datos
Analizar y comprender los datos Trabajar con expertos en el dominio, data scientists y analistas en el encuadre del problema de negocio
Aprovisionar datos integrados rápidamente a través de múltiples entornos.
También se espera que los Data Engineer colaboren y actúen como "gurús de los datos" para ayudar a la empresa a integrar los resultados de los modelos de analítica y ciencia de datos en los procesos empresariales y a interpretar los resultados. Esta necesidad ha dado lugar a un subconjunto de Data Engineer conocidos como "analytics engineers".
Analytic Engineer
El Analytic Engineer es similar al Data Engineer, pero se centra en diferentes conductos. El Data Engineer tradicional se centra en el desarrollo de canalizaciones de datos desde las fuentes operativas/transaccionales de la empresa hasta el repositorio de datos de la empresa. Por el contrario, el ingeniero de análisis se centra en desarrollar canalizaciones de datos principalmente para modelos de IA/ML y equipos de ciencia de datos. Los analytics engineers preparan canalizaciones de datos que crean conjuntos de datos con fines analíticos, incluidos conjuntos de datos para que los usuarios finales los importen en herramientas de escritorio y conjuntos de datos para que los desarrolladores de BI los importen en herramientas ABI. Además de las fuentes de datos regionales y locales, el ingeniero de análisis utiliza el área "curated" del repositorio de datos de la empresa como fuente para este tipo de productos de datos.
Sin Data Engineer, las iniciativas de D&A serán más propensas a costes adicionales, retrasos en el despliegue y problemas de integración, calidad y disponibilidad de los datos.
Data Steward
Con Data Stewards muy dispersos por la organización (a lo largo de líneas departamentales/funcionales o líneas de procesos de negocio), existe una necesidad crítica de coordinar las actividades de administración para lograr coherencia y aprovechamiento. El Data Steward principal dirige esta coordinación estableciendo procesos que rigen la forma en que los demás administradores:
Ejecutan sus actividades de aplicación de políticas
Comunican sus acciones a sus pares
Escalan problemas y propuestas al consejo de gobierno de la información.
El Data Steward principal también ayuda a la población de administradores a interpretar las políticas creadas por la junta, con el objetivo de establecer claridad y calidad en la promulgación de políticas. Además, esta función actúa como representante de los stewards jóvenes y homólogos en el consejo de gobierno de la información.
El papel del Data Steward se centra en hacer cumplir las políticas de gobierno de la información y la comunicación creadas por la junta de gobierno de la información y la comunicación. En efecto, el administrador es responsable de aplicar las políticas de gobierno de la información y la comunicación y de supervisar los activos de información y las personas en relación con esas políticas. Cuando se detectan desviaciones de la política, y no se resuelven por medios automatizados, el administrador es el punto focal para la resolución del problema.
MDM Manager
Las empresas difieren en la forma de organizar MDM debido a las amplias variaciones en el alcance, la complejidad, la estructura y el grado de centralización y localización. Sin embargo, algunos principios organizativos básicos pueden describirse como las mejores prácticas para un mayor éxito. Entre ellos se incluyen:
Patrocinio ejecutivo para impulsar una versión compartida de la verdad
Apoyo a la gobernanza de la información en toda la empresa para crear y aplicar políticas de gestión de la información
El MDM Manager se asegura de que los cambios en la organización y la dirección empresarial que afectan al programa de MDM sean evaluados y se actúe en consecuencia, ya sea por un equipo central o dentro de las unidades de negocio, áreas funcionales o geografías. Las responsabilidades de los gestores de MDM incluyen:
Definir una declaración de visión de MDM
Alinear el alcance de cada fase del programa de MDM con la estrategia de gestión de la información empresarial (EIM)
Identificar escenarios de negocio para cada fase del programa de MDM para los que desarrollan un caso de negocio
Identificar los procesos de negocio clave que se verán afectados por el programa de MDM.
El MDM Manager trabaja con TI para la arquitectura, el modelado de datos, la integración, el desarrollo de aplicaciones, las tecnologías de calidad de datos, la gestión de sistemas, la seguridad y la elaboración de informes.
Data Modeler
El modelado de datos se utiliza para describir los tipos de información que son importantes para una empresa. Los modeladores de datos crean modelos de datos aprobados por los usuarios, trabajan con el D&A Architect que "posee" el modelo de datos y desarrollan glosarios y ontologías de datos empresariales. Lo hacen para apoyar la calidad de los datos, la privacidad y seguridad de los datos, el linaje y la integración de los datos, la gobernanza de los datos, los modelos en tiempo de ejecución y los esquemas de bases de datos, todo ello para lograr un consenso en toda la empresa sobre el significado de los datos. El Data Modeler consulta con múltiples expertos en la materia de tantos departamentos y bases de usuarios como sea necesario, modelando los requisitos empresariales con coherencia y coordinación.
Funciones analíticas
Analytics and business intelligence
Los desarrolladores de análisis e inteligencia empresarial mantienen estrechas relaciones con los socios comerciales para proporcionar apoyo analítico y técnico a las actividades de análisis e inteligencia empresarial. Desarrollan informes, cuadros de mando y visualizaciones interactivas, y trabajan con almacenes de datos, integración de datos y modelado de datos para respaldar las decisiones empresariales, aprovechando los datos para obtener información clave sobre las oportunidades empresariales. El desarrollador construye las capacidades ABI de la empresa al tiempo que garantiza la distribución y entrega de soluciones analíticas e informes BI de alta calidad.
Data Scientist
El Data Scientist es responsable de modelar problemas empresariales complejos y descubrir perspectivas empresariales utilizando disciplinas cuantitativas (estadística, algorítmica y minería) y técnicas de visualización. Los data scientists suelen tener un título superior en informática, estadística, economía o campos relacionados. El Data Scientist contribuye a crear y desarrollar la infraestructura de datos de la organización, y apoya a la organización con ideas y análisis para los procesos de toma de decisiones. Los data scientists suelen predecir (análisis predictivo) o clasificar situaciones y desarrollar modelos de acción óptima (análisis prescriptivo).
La función de Data Scientist puede tener diferentes permutaciones, por ejemplo, Chief Data Scientist y Citizen Data Scientist.
Chief Data Scientist
El papel del Chief Data Scientist es cada vez más importante. El Chief Data Scientist trabaja con el director de datos y análisis. Es decir, una función no sustituye a la otra. Un papel separado centrado en la ciencia de datos se ha vuelto casi obligatorio para las organizaciones que se ocupan de la creciente complejidad y la omnipresencia de la IA.
Citizen Data Scientist
Los Citizen Data Scientists son a menudo usuarios empresariales que no han recibido una formación formal como data scientists, pero que pueden ejecutar una serie de tareas de ciencia de datos, con el apoyo de herramientas de análisis aumentadas para la preparación de datos, el descubrimiento de datos y el desarrollo y despliegue de modelos. Los Citizen Data Scientists tienen la capacidad de ampliar sus conocimientos analíticos y aplicar su perspicacia empresarial para obtener información avanzada, trabajando estrechamente con los data scientists principales que a menudo se encuentran en el centro de excelencia de D&A.
Artificial Intelligence/Machine Learning Developer
Los desarrolladores de AI/ML son cada vez más responsables de enriquecer diversas aplicaciones con aprendizaje automático u otras capacidades de AI, como el procesamiento del lenguaje natural, el reconocimiento de imágenes o la optimización. Deben ser capaces de incrustar, integrar y desplegar modelos de IA que sean
Desarrollados por data scientists u otros expertos en IA
Ofrecidos por la nube y otros proveedores de servicios
Desarrollados por ellos mismos utilizando aprendizaje automático aumentado
Además, los desarrolladores de IA/ML deben ser capaces de recopilar y preparar datos como entrada para el entrenamiento y la ejecución de modelos, ya sea por sí mismos o trabajando junto con Data Engineer.
Entre las competencias clave se incluyen las habilidades y los conocimientos técnicos necesarios para la integración y el despliegue, como la gestión de API y la contenedorización. Otras habilidades importantes están relacionadas con la identificación y conexión de activos de datos, la calidad de los datos, la preparación de datos y la integración de datos. Los desarrolladores de IA/ML deben comprender cómo aplicar estas habilidades de datos a la formación y ejecución de modelos. Además, para identificar posibles casos de uso, necesitan al menos una comprensión básica del funcionamiento, los pros y los contras del aprendizaje automático y otras técnicas de IA, como la agrupación, la regresión, los árboles de decisión y el aprendizaje profundo y otras redes neuronales.
Analytics Steward
Esta función es similar a la de Data Steward. Sin embargo, el trabajo en sí se lleva a cabo en una parte diferente de la canalización de D&A, y el enfoque también es diferente. Mientras que el Data Steward opera en las funciones de línea de negocio aplicando la política de datos, el Analytics Steward trabaja en el equipo de análisis, BI y ciencia de datos, ayudando a garantizar que las políticas de D&A se aplican allí. Esta aplicación de políticas abarca, entre otros, los siguientes aspectos:
Entrada de datos en la infraestructura de análisis
Acceso y desarrollo de modelos
Distribución y acceso a informes y conocimientos
Al igual que ocurre con la gestión de datos, la gestión analítica es una función, no un trabajo a tiempo completo. Los administradores de análisis operan de la misma manera que los Data Stewardy elevan los problemas a la junta de gobierno de D&A según sea necesario.
Factores que influirán en las futuras funciones de D&A
La creciente importancia y trascendencia estratégica de la D&A -por ejemplo, en la aceleración del negocio digital- están creando nuevos retos para las organizaciones y sus líderes de D&A. Algunos roles tradicionales de TI se están viendo alterados por el cambio climático. Algunas funciones tradicionales de TI se están viendo alteradas por funciones "citizen" desempeñadas por usuarios empresariales no técnicos. Están surgiendo otras nuevas funciones híbridas que trascienden las funciones y los departamentos, y combinan las competencias de TI con las empresariales.
Varios factores clave están contribuyendo a la aparición de estas funciones:
La mayor importancia estratégica de D&A exige la creación de un líder de D&A a nivel ejecutivo que busque valor y monetización.
El aumento de la analítica orientada al dominio empresarial ha creado funciones a tiempo parcial e híbridas en todos los departamentos y líneas de negocio.
El negocio algorítmico está creando nuevas responsabilidades y funciones para quienes gestionan D&A, y requiere habilidades diferentes y más complejas en áreas como la IA.
La mayor dependencia de la analítica en tiempo real (mediante el uso de datos en streaming) requiere competencias diferentes y una mentalidad distinta.
Más datos se trasladan a la nube, y las organizaciones buscan una infraestructura que soporte la escalabilidad (crecimiento), la agilidad (velocidad) y la optimización de costes.
Las funciones tradicionales de gestión de datos se ven afectadas por la aparición de nuevos usuarios que exigen más autonomía en las actividades de gestión de datos.
Las funciones de gestión de datos deben evolucionar para satisfacer la nueva y creciente demanda de acceso a los datos.
Las nuevas funciones citizen -como el Citizen Data Scientist y el Citizen Data Engineer- complementan las funciones tradicionales, como el desarrollador de extracción, transformación y carga (ETL), y exigen nuevos enfoques de responsabilidad y rendición de cuentas en las actividades de gestión de datos.
La necesidad de crear prototipos de nuevos datos está dando lugar a formas de gobernanza más adaptables, que, a su vez, están creando la necesidad de cambios en la organización y las funciones relacionadas con la D&A.
Un tecnólogo mira lo que se puede hacer con los datos. Un responsable de cumplimiento sabe lo que debe hacerse con los datos, teniendo en cuenta normativas como el GDPR. Pero con innovaciones tecnológicas como la IA, que llevan las posibilidades hasta los límites de la imaginación, y normativas que a menudo siguen el ritmo de la innovación, surge una tercera pregunta: ¿Qué debe hacerse con los datos? Este es el ámbito de la ética de los datos.
La figura 3 muestra cómo la combinación de distintas competencias puede conducir a la creación de nuevas funciones de D&A. La experiencia empresarial también incluye valiosas habilidades de gestión del cambio, a veces denominadas "habilidades blandas", como la creatividad y la comunicación.
Funciones emergentes para D&A
A medida que continúa la transformación hacia el negocio digital y algorítmico, hay que prepararse para desarrollar nuevas funciones. He aquí algunas de las que hay que tener en cuenta:
Data ethicist: El Data ethicist reflexiona sobre las consecuencias no deseadas del uso de datos y determina los riesgos y las oportunidades. ¿Qué valor puede generarse a partir de los nuevos usos de los datos y coincide con los valores de la organización? Como no todas las consecuencias imprevistas de los datos pueden predecirse, el Data ethicist vigila que no se produzcan consecuencias imprevistas que puedan dar lugar a conocimientos desproporcionados sobre la vida de las personas. Por último, el Data ethicist es responsable de concienciar éticamente a todas las partes interesadas. Cuando hay IA de por medio, y los temas clave incluyen la IA explicable y la detección de sesgos, el papel del Data ethicist se vuelve muy técnico y matemático por naturaleza.
Data product manager: Este papel es vital cuando los líderes empresariales y de información acuerdan monetizar los datos para generar ingresos o cosechar otros beneficios financieros. El papel incluye tres funciones clave. La primera es concebir y planificar nuevas formas de monetizar los datos. La segunda es identificar o desarrollar mercados para la información entre socios y otros. Por último, la tercera consiste en coordinarse con los departamentos de TI, marketing, finanzas, jurídico y otros grupos de gestión de productos para ejecutar los objetivos de los productos de información.
Decision engineer: Los Decision engineers apoyan los procesos de toma de decisiones para garantizar que se toman las decisiones más óptimas. Conocen a fondo el funcionamiento de los procesos de toma de decisiones y aportan perspectivas humanas y sociales. Los ingenieros de decisión proponen de forma proactiva mejores formas de tomar decisiones óptimas, utilizando diversas técnicas y automatización.
Knowledge engineer: Esta función se dedica a apoyar al negocio utilizando reglas, gráficos de conocimiento u otros modelos como conceptualización del conocimiento del dominio.
Fuente: Gartner
