Cómo se estructura y gestiona un equipo de analítica de datos

  Quiero resaltar que en la encuesta realizada el año 2020 «Global State of Enterprise Analytics» los encuestados mencionaron las preocupaciones sobre la seguridad y la privacidad como la principal barrera para el uso efectivo de los datos y el análisis, pero otros desafíos principales incluyeron el acceso limitado a los datos aislados, la falta de talento calificado, la capacitación insuficiente de los empleados y la ausencia de una estrategia de análisis. Para ayudar a convertir los datos en información procesable, cada vez más organizaciones están creando equipos de analítica o ciencia de datos para liderar sus esfuerzos en áreas como la minería de datos, el modelado predictivo, el aprendizaje automático y la Inteligencia Artificial.   En este articulo quiero dar una visión resumida de las mejores prácticas para estructurar y administrar un equipo de ciencia de datos y los ejecutivos a los que un equipo puede reportar en una organización.

 
Modelos para estructurar un equipo de Ciencia de Datos

«Hasta cierto punto, construir y mantener un equipo sólido de ciencia de datos es un arte», dijo John Bottega, presidente del EDM Council, una asociación global que se enfoca en las mejores prácticas, estándares y capacitación de gestión de datos.

Las responsabilidades de recopilación, gestión y análisis de datos solían recaer en el CIO (Chief Information Officer), cuyo equipo de TI trabajaba con los usuarios de negocios para implementar almacenes de datos (Data Warehouse) y sistemas de BI (Business Intelligence) para almacenar y organizar datos y realizar análisis e informes básicos. Sin embargo, durante las últimas dos décadas, muchas organizaciones están separando la función de datos en un departamento especializado a medida que crecía la cantidad de información a gestionar, evolucionaban las tecnologías de soporte y las tareas relacionadas con los datos se especializaban aún más.

Sumado a esto, la creciente importancia de la analítica avanzada también ha impulsado la necesidad de un equipo de ciencia de datos con personas capacitadas en los procesos de las áreas más importantes de la organización (Recursos humanos, producción, marketing, etc). Hoy en día, muchas organizaciones tienen un equipo o un departamento completo de ciencia de datos; los más grandes pueden tener múltiples equipos que operan de forma independiente o coordinada.

De aquí que la forma en que las empresas estructuran sus equipos varía según la madurez de su programa de ciencia de datos, así como sus objetivos de análisis de datos, la estructura organizativa general y la cultura empresarial. Sin embargo, han surgido algunos modelos comunes sobre la estructura que debe de tener un equipo de ciencia de datos. Cada una tiene sus ventajas y desventajas. Veamos las más comunes:

• Descentralizado: Los miembros del equipo de ciencia de datos trabajan de forma individual dentro de las unidades de negocios (áreas de negocio) a las que dan soporte. Esto permite que los miembros del equipo colaboren estrechamente con los ejecutivos y los trabajadores en proyectos específicos, pero puede dificultar el uso estratégico de los datos en una organización y requerir más recursos de los que las empresas pueden tener disponibles.

• Centralizado: El equipo de ciencia de datos se consolida a nivel empresarial bajo un solo gerente o director, que asigna miembros del equipo a proyectos individuales y supervisa su trabajo. Este modelo permite con mayor facilidad una visión estratégica de toda la empresa y una implementación uniforme de las mejores prácticas de análisis, pero puede limitar la capacidad de los miembros del equipo para convertirse en expertos en un área particular del negocio. Una de las mejores estrategias utilizadas en la actualidad por algunas organizaciones establecen un centro de excelencia de ciencia de datos formal para albergar un equipo centralizado.

• Híbrido: El equipo de ciencia de datos se administra de forma centralizada, pero los miembros están asignados para trabajar en células o grupos específicos y son responsables de ayudar a esas unidades a alcanzar sus objetivos para tomar decisiones basadas en datos. En estructuras híbridas, un centro de excelencia también puede centrarse en promover las mejores prácticas y estándares de ciencia de datos. Al igual que con el modelo descentralizado, las limitaciones de recursos pueden ser un problema.

 

¿Quién administra y supervisa los equipos de ciencia de datos?

Finalmente me gustaría abordar el tema sobre quien debería dirigir un equipo de analítica o ciencia de datos. Partamos de lo que se considera obvio, es decir, un equipo puede estar dirigido por un director de ciencia de datos, un gerente de ciencia de datos, un científico de datos líder o un puesto gerencial similar. Y sabemos que la estructura de de los equipos también varía. Sin embargo, es cada vez más común que las organizaciones asignan un ejecutivo Tipo «C» (denominados Chief) o un gerente funcional de alto rango para supervisar el equipo de ciencia de datos.

Por lo anterior, el líder de ciencia de datos más visible es el director de datos o CDO (Chief Data Officer). El puesto de CDO se remonta a 2002, con la firma de servicios financieros Capital One ampliamente reconocida como la primera empresa en implementar el puesto. Desde entonces, muchos otros han seguido su ejemplo.

Y si esto fuera poco, otras organizaciones han creado un rol de director de análisis (CAO) para supervisar sus equipos de análisis y ciencia de datos, mientras que algunas han combinado los puestos de CDO y CAO en un solo director de análisis y datos. Además, el jefe de un equipo de ciencia de datos puede reportar a un ejecutivo diferente, por ejemplo, el COO, CFO o CIO, o un puesto como vicepresidente de análisis, vicepresidente de datos comerciales o director de datos y estrategia.

Escrito por

Post Relacionados