Entrevistas
Siddharth Rajagopal y Sujay Dutta, autores de Data as the Fourth Pillar – Serie de entrevistas
Añade Unite.AI a tus fuentes preferidas en Google
Sujay Dutta es un experimentado líder tecnológico y empresarial con más de 25 años de experiencia global. Cree que el futuro se está moldeando en la intersección de la IA, los resultados empresariales, la cultura y los datos (“A.B.C.D.”). Actualmente trabaja como Líder de Cuenta Global en Databricks.
Siddharth (Sidd) Rajagopal es un Arquitecto Jefe en la Organización de Arquitectos de Campo de Informatica. En su función, se reúne con ejecutivos seniors de empresas para brindar liderazgo en torno a los datos y la gestión de datos, compartiendo sus conocimientos y aprendizajes.
Data as the Fourth Pillar presenta el caso para tratar los datos como un elemento fundamental del éxito empresarial, al mismo nivel que las personas, los procesos y la tecnología. Dirigido a consejos de administración, CEOs y ejecutivos seniors, el libro describe un enfoque estructurado para integrar la estrategia de datos en el núcleo de la toma de decisiones empresariales. Presenta un marco de madurez y métricas prácticas como el Valor Total Abordable (TAV) y el Valor Abordable Esperado (EAV) para ayudar a las organizaciones a cuantificar el impacto de las iniciativas de datos. Los autores también exploran la interacción entre los datos y la inteligencia artificial, destacando cómo cada uno fortalece al otro. Con el respaldo de un caso de estudio de AUDI AG, el libro combina la teoría con la aplicación en el mundo real, convirtiéndolo en una guía práctica para líderes en empresas pequeñas y grandes que navegan en el competitivo y dirigido por datos paisaje actual.
El título de su libro se refiere a los datos como el cuarto pilar. ¿Pueden resumir qué son los tres primeros pilares y por qué los datos deberían considerarse el cuarto pilar?
Los tres pilares tradicionales/existentes son las Personas, los Procesos y la Tecnología. Cada pilar se ha agregado a medida que las empresas han madurado con el tiempo. Históricamente, los datos eran solo un subproducto de estos pilares, gestionados por TI. Ahora, en la era de la inteligencia artificial, los datos ya no son un subproducto. Son el principal impulsor de valor, pero también pueden arriesgar la existencia de una empresa, por lo que nos referimos a los datos como Fuego. Para tener éxito, los datos deben elevarse a un Cuarto Pilar equivalente. Con los datos como el cuarto pilar, cada pilar crea un efecto de volante con los otros pilares, permitiéndolos y beneficiándolos mutuamente. Los datos como el cuarto pilar garantizan que los datos reciban la misma atención a nivel de C-suite y junta directiva que las personas, los procesos y la tecnología, transformándolos de un centro de costos en un activo empresarial medible que impulsa el crecimiento empresarial.
La posición de Director de Datos (CDO) se describe como un papel fundamental, recomendado para coordinar con el CEO, el CTO y otros ejecutivos seniors. ¿Podrían darnos una visión general de alto nivel de lo que implica este cargo y sus responsabilidades clave?
El CDO, como líder del pilar de datos, es un impulsor de valor, acelerando los resultados empresariales; desarrolla la comprensión de la intensidad de los datos (QCS – Calidad, Cumplimiento y Velocidad) para casos de uso empresariales; equilibra y crece continuamente la demanda y el suministro de datos (a través del Modelo Operativo de Datos – DOM); aporta excelencia en la ejecución en términos de personas, procesos y tecnología para el pilar de datos; y es un agente de cambio para planificar y ejecutar el cambio estructural en toda la empresa, con el patrocinio de la Junta y el CEO, y la participación de los líderes de los otros pilares.
¿Por qué es tan crítico recopilar y actuar sobre los datos para aprovechar la IA a gran escala?
Nuevamente, los datos son como el Fuego. Alimentan la IA. Un modelo de IA debe aprender patrones, relaciones y comportamientos directamente de los datos que se le proporcionan, para poder entregar un impacto empresarial. Además, para la IA, los datos no estructurados (como PDF, imágenes y videos) se vuelven críticos. La mayoría de las empresas no son actualmente maduras en el procesamiento de datos no estructurados. Además, los modelos de IA se están convirtiendo/en se han convertido en una commodity – los datos crean la diferenciación del uso de un modelo de IA.
El libro profundiza en el concepto de intensidad de los datos. ¿Podrían explicar brevemente qué significa esto y por qué es tan importante?
La intensidad de los datos es una medida de cuán “aptos para el propósito” son sus datos para acelerar el valor empresarial, especialmente para escalar la IA. Cada caso de uso empresarial requiere datos de manera diferente, con diferentes intensidades. Nuestro libro introduce el Marco QCS para medir la intensidad de los datos en tres dimensiones críticas:
- Calidad: ¿Son los datos precisos, completos, consistentes y confiables? Este es el principio de “basura dentro, basura fuera”. Los datos de baja calidad llevan a análisis defectuosos y a una IA poco fiable.
- Cumplimiento: ¿Se adhieren los datos a todos los estándares legales y éticos, como las regulaciones de privacidad (como el GDPR) y las reglas específicas de la industria? Los datos no cumplidores crean un riesgo masivo.
- Velocidad: ¿Están los datos disponibles lo suficientemente rápido como para ser útiles? Esto se refiere a la velocidad a la que se recopilan, procesan y ponen a disposición los datos para la toma de decisiones (por ejemplo, procesamiento en tiempo real versus procesamiento por lotes). Tradicionalmente, las empresas han madurado para ejecutar en una o dos dimensiones. Un banco podría entregar en las dimensiones Q y C, mientras que una startup se centraría en las dimensiones Q y S. El desafío para las empresas en la era de la inteligencia artificial es ejecutar a un alto nivel en las tres dimensiones (Q, C y S) simultáneamente y de manera consistente.
¿Por qué es tan importante definir una estrategia de datos, y por qué a menudo se pasa por alto?
Definir una estrategia de datos es crítico porque sirve como la hoja de ruta que conecta directamente todas las actividades de datos con la estrategia empresarial. Describe la hoja de ruta para desarrollar y aprovechar las capacidades de datos para acelerar los resultados empresariales, como aumentar los ingresos, mejorar la eficiencia y construir una ventaja competitiva.
A pesar de esto, a menudo se pasa por alto una estrategia de datos por varias razones clave. Históricamente, los líderes empresariales han visto los datos como un subproducto de las operaciones empresariales y un problema técnico de TI, en lugar de una función estratégica de C-suite. Sin un propietario claro, como un Director de Datos, este trabajo esencial a menudo cae en un vacío de liderazgo. Esto lleva a las empresas a saltar directamente a proyectos de IA emocionantes sin una base de datos sólida, lo cual es la razón principal por la que muchas de ellas fracasan.
¿Podrían elaborar sobre qué es un marco de gobernanza de datos, cómo difiere de una estrategia de datos y por qué es necesario para mitigar los riesgos asociados con el uso de los datos?
Una estrategia de datos define los objetivos que una empresa quiere lograr con sus datos. En contraste, un marco de gobernanza de datos permite que los casos de uso empresariales utilicen los datos a la intensidad de datos requerida (Q, C y S), para poder entregar el valor esperado.
El marco de gobernanza de datos es crucial para mitigar el riesgo. Sin gobernanza, los datos se convierten en una responsabilidad. Garantiza el cumplimiento de las regulaciones como el GDPR, evitando multas y problemas legales masivos. Establece los estándares de seguridad y privacidad que protegen contra violaciones de datos y el daño a la reputación resultante. La aplicación de la calidad de los datos evita decisiones comerciales costosas basadas en información defectuosa. Y los agentes de IA son útiles solo cuando reciben los datos a la velocidad requerida.
Piénselo de esta manera: su estrategia es el destino en un mapa; su marco de gobernanza es las reglas de tráfico que sigue para llegar allí sin estrellarse.
También discuten el concepto del Modelo Operativo de Datos (DOM). ¿Podrían explicar qué es esto y cómo ayuda a las organizaciones a operativizar su estrategia de datos?
Un Modelo Operativo de Datos (DOM) es el motor que cumple con el suministro de datos para satisfacer la demanda de datos. El DOM opera la estrategia traduciendo objetivos de alto nivel en acciones concretas y reutilizables. Es un marco práctico que industrializa la entrega de datos a la intensidad de datos requerida, que comprende personas, procesos y tecnología.
Mientras que tener la estrategia de datos y la gobernanza correctas asegura buenas intenciones, el éxito a menudo depende de la adopción de datos y la gestión de ingeniería de datos. ¿Podrían discutir brevemente estos dos elementos y por qué los ejecutivos deben prestarles atención?
El éxito con los datos depende de la adopción de datos y la gestión de ingeniería de datos.
La adopción de datos es el lado cultural: con sus equipos utilizando realmente los datos para tomar decisiones diarias. Sin adopción, toda la inversión en el pilar de datos se desperdicia.
La gestión de ingeniería de datos es el espinazo técnico: construyendo y manteniendo la “fábrica de datos” confiable que recopila y procesa los datos para satisfacer los requisitos de intensidad de datos (QCS).
Los ejecutivos deben defender ambos. Una mala adopción significa que la inversión se desperdicia. Una mala ingeniería significa que la empresa opera con datos no aptos (es decir, datos que no cumplen con la intensidad de datos requerida), lo que lleva a errores costosos, erosiona la confianza, crea problemas de cumplimiento y hace imposible cualquier iniciativa de IA.
El libro está escrito con empresas más grandes en mente, donde roles como el de Director de Datos, gestión de riesgos de datos, gestión de acceso a datos y equipos de calidad y observabilidad de datos están bien definidos. ¿Por qué las empresas más pequeñas también deben considerar este libro, y cómo pueden compensar por no tener estos roles en su lugar?
Para una empresa más pequeña, en la mayoría de los casos, los datos son su mayor diferenciador. Es mucho más fácil construir el ADN de “Datos como el Cuarto Pilar” correctamente desde el principio que arreglar una organización tradicional grande más tarde. Obtener la base de datos correcta al principio proporciona una ventaja competitiva masiva para el crecimiento y la adopción de IA en el futuro. Como nos dijo el CEO de una empresa de SMB: para mí, los datos son el primer pilar, y yo también soy el CDO.
Si hay una idea clave que se puede tomar de su libro, ¿cuál sería?
La idea definitiva es que las empresas deben implementar inmediatamente el cambio estructural para establecer los datos como el Cuarto Pilar del modelo operativo, equivalente a las Personas, los Procesos y la Tecnología. Esta es una decisión existencial que las Juntas y los CxOs deben defender, porque los datos son el diferenciador definitivo y la base indispensable necesaria para escalar con éxito la IA y asegurar una ventaja competitiva en el futuro. Las empresas que no incorporen los datos como pilar central arriesgan la irrelevancia y lucharán por competir en la era de la inteligencia artificial. El momento de actuar es AHORA.
Gracias por la gran entrevista, los lectores que deseen aprender más deben leer Data as the Fourth Pillar.
Aviso legal: Las opiniones expresadas en este artículo son las de los autores y no necesariamente reflejan las de sus empleadores actuales o pasados.
