La Inteligencia Artificial ha creado una ventaja inicial para las estrategias de datos que la impulsan y las estrategias empresariales que la aprovechan.
Una estrategia de datos empresariales respalda objetivos empresariales estratégicos como la expansión de las ventas, la mejora de la eficiencia operativa o la reducción del tiempo de comercialización, entre otros. No obstante, actualmente, sólo el 13% de las organizaciones sobresalen en el cumplimiento de su estrategia de datos. Los silos de datos y la duplicación, o los problemas sistémicos de datos limitados, de mala calidad y de difícil acceso, destacan entre los obstáculos habituales, según la encuesta Technology Review Insights Survey del MIT.
Para aquellas compañías que ofrecen servicios de consultoría, los ingresos suelen provenir de proyectos puntuales, y los ingresos medios por ETC están limitados por el tamaño de los proyectos y las tarifas que prevalecen en el mercado
Descubre a continuación, seis imperativos estratégicos que ayudan a las empresas a conectar su hoja de ruta con el negocio.
Alinearse con las estrategias empresariales tecnológicas
La estrategia de datos no sólo debe tener en cuenta las estrategias empresariales y de TI, sino que también debe integrarse en ellas para ayudarlas a generar aún más valor empresarial para la organización.
En este sentido, los CIO deben dar prioridad a una infraestructura tecnológica adaptable que elimine los silos de datos, garantice la seguridad y la gobernanza, y adopte una plataforma horizontal unificada para una gestión de datos racionalizada, reduciendo las complejidades de integración, los requisitos de mano de obra cualificada y los costes.
Vías para monetizar los datos
En muchos sectores, dependiendo de cómo los clientes consuman y extraigan valor de sus productos y servicios, los datos pueden monetizarse a través de múltiples capas de la pila tecnológica, desde los propios datos brutos y los datos con diversas formas de posprocesamiento aplicadas para obtener información adicional, hasta los datos consumidos a través de herramientas de visualización y análisis, y los datos consumidos a través de aplicaciones industriales como los gemelos digitales.
En esta línea, es importante centrarse en considerar todas las formas en que sus clientes consumen datos actualmente, así como las nuevas formas en que podrían querer obtener mejores resultados.
Automatización, análisis de datos y IA/ML
En el contexto actual, muchas de las plataformas de datos modernas van más allá de la base de datos relacional tradicional, el almacén de datos y el mercado de datos para proporcionar soporte integrado para la automatización y la IA/ML.
Además, existen plataformas de ingeniería de datos sin código y de IA/ML para que los usuarios empresariales habituales, así como los ingenieros de datos, los científicos y el personal de DevOps, puedan desarrollar, implementar y obtener valor empresarial rápidamente. Al colocar estas plataformas en el núcleo de su arquitectura de datos, la organización puede obtener un trampolín hacia proyectos de automatización, analítica e IA/ML mientras lo completa con socios e inversiones adicionales para completar su ecosistema.
Integración de distintas fuentes de datos
Otra estrategia para proporcionar conocimientos añadidos a los clientes es la integración de fuentes de datos. Puede lograrse a través de entornos 2D, como cuadros de mando analíticos y SIG, o entornos 3D, como gemelos digitales con capacidades XR para la visualización, como Magic Leap y Apple Vision Pro.
Los datos como valor intrínseco a la cartera de productos y servicios
Los datos y el análisis pueden ser una parte intrínseca de la cartera de productos y servicios de una compañía. En este sentido, resulta valioso medir qué porcentaje del equipo utiliza datos y análisis como parte de la oferta, y hacer un seguimiento de ello a lo largo del tiempo.
Cómo los datos pueden convertir los proyectos en productos
Por último, para aquellas compañías que ofrecen servicios de consultoría, los ingresos suelen provenir de proyectos puntuales, y los ingresos medios por ETC están limitados por el tamaño de los proyectos y las tarifas que prevalecen en el mercado. En este sentido, al incorporar datos a sus productos, las compañías pueden convertir esto en un flujo de ingresos anuales en el que estos proyectos se convierten en productos de software para monetizar a través de un modelo de negocio SaaS.
Asimismo, incluso los activos físicos pueden monetizarse de esta forma. La compra del activo es una transacción única, pero los datos que lo rodean durante su funcionamiento diario pueden monetizarse a lo largo de toda su vida útil. Como destacó la consultora Cognizant, incluso los datos de uso que rodean a un producto cotidiano de 50 dólares o más, como un cepillo de dientes eléctrico, pueden monetizarse de esta manera.
No obstante, cabe destacar que ninguna estrategia de datos estaría completa sin la necesidad de tener en cuenta a las personas, los procesos y la tecnología. Este artículo refleja los imperativos empresariales, pero para que esto sea posible se requiere un conjunto más amplio de imperativos y consideraciones técnicas (como la calidad y la higiene de los datos), así como imperativos y consideraciones de recursos (incluidas las habilidades, competencias y formación en materia de datos).
Fuente: ciospain.es
