Data Mesh: Comprender sus aplicaciones, oportunidades y limitaciones

Publicado por

Los datos han experimentado una metamorfosis en cuanto a la percepción de su valor y la gestión dentro de la esfera empresarial. Antes no eran valorados y muchas veces descartados, los datos solían quedar relegados a informes básicos o que no se miraban por falta de comprensión y gobernanza. Esta visión limitada, combinada con las tecnologías emergentes, dio lugar a unflujo de datos abrumador que no se procesaba. No se sabía qué datos se tenían ni durante cuánto tiempo.

A principios de la década de 2000, las empresas utilizaban principalmente bases de datos aisladas, con accesibilidad limitada. La década de 2010 vio el auge de los almacenes de datos, que reunían conjuntos de datos diferentes que muchas veces provocaban cuellos de botella. Los lagos de datos surgieron como una solución para almacenar grandes cantidades de datos en bruto y rápidamente se convirtieron en pantanos sin una gobernanza adecuada. Los grupos monolíticos de TI e ingeniería de datos se esforzaban por documentar, catalogar y proteger la creciente acumulación de datos. Los propietarios de los productos y los equipos que quisieran o necesitaran acceder a los datos tendrían que solicitar el acceso y esperar. En ocasiones, esas solicitudes acabarían acumulándose y, finalmente, olvidadas.

En esta nueva conciencia sobre los datos, la data mesh emerge como un concepto revolucionario que permite a las organizaciones gestionar, procesar y obtener información de datos de forma eficiente. A medida que las organizaciones se dan cuenta del papel fundamental de los datos en la transformación digital, se hace imperativo pasar de arquitecturas heredadas a soluciones más adaptables, lo que convierte a Data Mesh en una opción atractiva.

Conceptos básicos de una Data Mesh

No hay que subestimar la importancia de las experiencias personalizadas de los clientes. Ahora más que nunca, los consumidores se enfrentan a un sinfín de opciones. Para diferenciarse de la competencia, las empresas deben utilizar los datos y la información sobre el comportamiento de los clientes para crear experiencias personalizadas y dinámicas que satisfagan y conquisten a su público. Analice el historial de compras, los datos demográficos, la actividad web y otros datos para comprender a su cliente, así como tus gustos y aversiones. Utilice esta información para diseñar experiencias de cliente personalizadas que aumenten la conversión, la retención y, en última instancia, la satisfacción.

Cuando se habla de conceptos de arquitectura de datos, los términos "heredado" o "tradicional" implican conceptos centralizados de gestión de datos, caracterizados por arquitecturas monolíticas desarrolladas y mantenidas por una organización de ingeniería de datos dentro de la empresa. A menudo, las unidades de negocio ajenas a TI se sentían abandonadas a su suerte, esperando a que el equipo de datos atendiera tus necesidades específicas, lo que generaba ineficiencias.

Acuñado por primera vez en 2019, el paradigma Data Mesh es un enfoque descentralizado y de autoservicio para la arquitectura de datos. Hay cuatro principios centrales en los que se basa Data Mesh: Propiedad del dominio, tratamiento de los datos como un producto, infraestructura de autoservicio y gobernanza computacional federada.

Con Data Mesh, los equipos (dominios) tienen la capacidad de ser dueños y gestionar sus datos (producto). Esto requiere una administración a nivel de equipo para gestionar eficazmente sus propios recursos para incorporar, conservar y dar servicio de datos a sus usuarios finales. Los administradores de datos son responsables de la calidad, fiabilidad, seguridad y accesibilidad de los datos. Los administradores de datos tienden un puente entre los equipos descentralizados y la gobernanza y supervisión a nivel empresarial.

Aunque los equipos disfrutan de autonomía, se produciría un caos sin un enfoque de gobernanza federada. Esto garantiza que todos los propietarios de productos y administradores de datos siguen las normas, políticas y buenas prácticas.

Implantar Data Mesh requiere una inversión significativa tanto en infraestructura como en brindar a los equipos los recursos y la experiencia necesarios para gestionar sus propios recursos. Requiere un cambio fundamental en la mentalidad de las empresas sobre cómo tratan los datos.

Mientras que un Lakehouse trataría de combinar lo mejor de los Data Lakes y los Data Warehouses, Data Mesh va más allá al descentralizar el dominio y el control de los datos. Mientras que Data Fabric se centra en el acceso sin fisuras a los datos y la integración a través de fuentes dispares, Data Mesh hace hincapié en la propiedad basada en el dominio. Por otra parte, las arquitecturas basadas en eventos dan prioridad al flujo de datos y a las reacciones en tiempo real, lo que puede ser complementario a Data Mesh.

arquitectura descentralizada de Data Mesh

Cuándo y dónde implantar la Data Mesh

Grandes organizaciones con dominios ricos en datos: En las grandes organizaciones, los departamentos a menudo manejan una gran cantidad de datos. Desde Recursos Humanos hasta Ventas, cada equipo tiene sus propios requisitos en cuanto al uso, almacenamiento y acceso a los datos. A medida que los equipos consumen más datos, el tiempo de comercialización y la eficiencia del desarrollo se resiente en las arquitecturas centralizadas. Los recursos externos y las limitaciones de tiempo suelen ser el mayor problema. Al implantar Data Mesh, los equipos pueden trabajar de forma independiente y tomar el control de sus datos, aumentando la eficiencia y la calidad. Como resultado, los equipos pueden optimizar y enriquecer su oferta de productos y reducir costos agilizando los procesos y flujos de trabajo ELT/ETL.

Con un control directo sobre sus datos, los equipos pueden ajustar y adaptar las soluciones de datos para satisfacer mejor las necesidades de los clientes.

Ecosistema complejo: Las organizaciones, especialmente las que operan en entornos dinámicos con interdependencias intrincadas, a menudo enfrentan desafíos en estructuras de datos centralizadas. En tales arquitecturas, existe un control limitado sobre la asignación, utilización y gestión de recursos, lo que puede impedir a los equipos maximizar el potencial de los datos. Los enfoques centralizados pueden frenar la innovación debido a la rigidez de los esquemas, del flujo de datos y la falta de personalización específica del dominio. Data Mesh ofrece a las organizaciones la flexibilidad necesaria para adaptarse a la evolución de las necesidades de datos y utilizar la experiencia específica del dominio para conservar, procesar y consumir datos adaptados a sus necesidades.

Entornos de datos en rápido crecimiento: En la era digital actual, las organizaciones recopilan datos a una escala sin precedentes. El volumen de datos puede ser abrumador por los dispositivos IoT, integraciones de proveedores, interacciones de usuarios y transacciones digitales. Los equipos centralizados a menudo se enfrentan a problemas de escalado, retrasos en el procesamiento y el desafío de la entrega puntual de los datos. Data Mesh aborda esta cuestión distribuyendo la responsabilidad de los datos entre diferentes dominios o equipos. Múltiples unidades descentralizadas gestionan el flujo a medida que aumenta, garantizando un procesamiento puntual y reduciendo el tiempo de inactividad del sistema. El resultado es una infraestructura de datos más resistente y preparada para satisfacer tanto las demandas actuales como las necesidades futuras.

Cuándo no implantar la Data Mesh

Pequeñas y medianas empresas (PYME): Aunque Data Mesh presenta numerosas ventajas, puede no ser adecuado para todas las organizaciones o proyectos. Las organizaciones más pequeñas suelen manejar volúmenes de datos menores y pueden no tener los recursos necesarios para gestionar los datos de forma independiente. En estos casos, una arquitectura de datos centralizada sería más adecuada para minimizar las complicaciones en el diseño y el mantenimiento con menos recursos para gestionarlos.

Arquitecturas centralizadas maduras y estables: Las organizaciones sólo suelen recurrir a nuevas soluciones cuando tienen problemas. Si una arquitectura centralizada bien establecida funciona y se ajusta a las necesidades de la empresa, no es necesario adoptar Data Mesh. Introducir un cambio fundamental en la forma de gestionar los datos es una tarea cara y disruptiva. Construir una nueva infraestructura y ampliar las capacidades de los equipos cambiando la cultura de la organización lleva tiempo.

Proyectos a corto plazo: La implantación de Data Mesh requiere una inversión significativa de tiempo y recursos. Las ventajas de Data Mesh no se apreciarán cuando se construya o diseñe un proyecto de duración limitada o una prueba de concepto. Si la duración de un proyecto no justifica la inversión en una Data Mesh o el alcance no requiere soluciones de datos específicas del dominio, no se aprovecharán las ventajas de Data Mesh. Las arquitecturas de datos tradicionales suelen ser más apropiadas para estas aplicaciones y no necesitan la supervisión/gobernanza que requiere Data Mesh.

Oportunidades que ofrece la Data Mesh

Escalabilidad: Data Mesh permite a las organizaciones escalar sus capacidades de procesamiento de datos de forma más eficaz ya que permite a los equipos controlar cómo y cuándo se procesan los datos, optimizando el uso de recursos y los costos, y garantizando que sigan siendo ágiles mientras se expanden las fuentes de datos y bases de consumidores.

Mayor propiedad de los datos: Tratar los datos como un producto y no como un subproducto o un activo secundario es revolucionario. Al hacerlo, Data Mesh promueve una cultura con un claro sentido de propiedad y responsabilidad. Los dominios o equipos que "poseen" tus datos son más proclives a garantizar su calidad, precisión y relevancia. Esto fomenta un entorno en el que los datos no sólo se acumulan, sino que se conservan, refinan y optimizan para el fin previsto. Con el tiempo, esto conduce a conjuntos de datos más valiosos que sirven realmente a las necesidades de la organización.

Rapidez e innovación: La descentralización es sinónimo de autonomía. Cuando los equipos tienen las herramientas y el mandato para gestionar tus datos, no se ven atascados por depender de equipos o retrasos burocráticos. Pueden innovar, experimentar e iterar a un ritmo más rápido, lo que se traduce en una mayor recopilación de datos y grupos de datos más ricos. Esta agilidad acelera el desarrollo de productos de datos, lo que permite a las organizaciones adaptarse rápidamente a las necesidades cambiantes, aprovechar nuevas oportunidades y mantenerse a la vanguardia del mercado competitivo.

Mejor alineación con arquitecturas modernas: La descentralización no es sólo una tendencia en la gestión de datos; es un cambio más amplio que se observa en las arquitecturas organizativas modernas, especialmente con el auge de los microservicios. Data Mesh se alinea de forma natural con estas estructuras contemporáneas, creando un entorno cohesivo en el que los datos y los servicios coexisten armoniosamente. Esta alineación reduce la fricción, simplifica las integraciones y garantiza que toda la maquinaria organizativa, los servicios y los datos funcionen de forma unificada y racionalizada.

Mayor colaboración: A medida que los dominios se apropian de sus datos, existe una tendencia a colaborar con otros dominios. Esta colaboración interfuncional fomenta el intercambio de conocimientos, mejores prácticas y un enfoque unificado de los desafíos que plantean los datos, permitiendo una visión más holística.

Limitaciones y desafíos

Cambio cultural: Es posible que los equipos no quieran ser dueños de sus propios datos o no tengan la experiencia necesaria para asumir la responsabilidad. Para subsanar estas carencias, pueden ser necesarias iniciativas de formación, workshops e incluso la contratación de expertos externos.

Mayor complejidad: El desarrollo de un entorno compatible con una arquitectura Data Mesh no está exento de dificultades. A medida que se amplía el modelo de Data Mesh, la gestión del creciente número de recursos interconectados y la resolución de los problemas de integración para garantizar una comunicación fluida entre los distintos dominios puede suponer un obstáculo considerable. Planificar adecuadamente el apoyo a los equipos en materia de acceso, formación y gestión de Data Mesh es fundamental para su evolución y éxito. Esto incluye requisitos bien definidos para las API, el intercambio de datos y los protocolos de interfaz.

Implicaciones económicas: La transición a Data Mesh podría implicar importantes costos iniciales, como la contratación de recursos adicionales, la formación del personal, la inversión en nuevas infraestructuras y, posiblemente, la revisión de los sistemas existentes.

Gobernanza: La gobernanza de datos se ha convertido en un tema candente a medida que las arquitecturas de datos crecen y maduran. Garantizar una visión coherente de los datos en todos los dominios puede resultar complicado, especialmente cuando varios equipos actualizan o modifican tus conjuntos de datos de forma independiente. Las herramientas para gestionar la integridad, la seguridad y compliance son un requisito en la Arquitectura de data mesh. La necesidad de que los equipos tengan autonomía en un entorno descentralizado se equilibra con un modelo de gobernanza flexible pero controlado, base de la gobernanza federada. Esto puede ser un desafío cuando se diseña el modelo en función de los requisitos del equipo, pero es un paso importante que hay que dar lo antes posible cuando se construye una plataforma de datos.

Conjunto de competencias: Evolucionar con el paradigma de Data Mesh

Con una mentalidad evolucionada, el paradigma de Data Mesh exige un conocimiento que tal vez no haya sido necesario en los equipos de datos tradicionales. Esta transición de lagos de datos centrales a productos de datos orientados a dominios presenta dificultades que requieren un profundo conocimiento de los datos y de los casos de uso específicos a los que sirven, tanto interna como externamente. Habilidades como la colaboración, la traducción de conocimientos específicos del dominio y la administración de datos se vuelven vitales. A medida que la responsabilidad de los datos se descentraliza, el papel de cada miembro del equipo se vuelve más crítico para garantizar la integridad, relevancia y seguridad de los datos. A medida que evolucionan las soluciones de datos, los equipos deben adoptar una mentalidad de aprendizaje perpetuo, manteniéndose al día de las últimas metodologías, herramientas y mejores prácticas relacionadas con la gestión eficaz de tus datos.

Adoptar Data Mesh

En el ambiente siempre cambiantede la gestión de datos, Data Mesh presenta una alternativa prometedora a las arquitecturas tradicionales. Es un camino de potenciación, eficiencia y descentralización. El creciente apoyo de la comunidad a Data Mesh, visible por el número cada vez mayor de estudios de casos, foros y herramientas desarrolladas, subraya su papel fundamental en el futuro de la gestión de datos. Sin embargo, el éxito depende de la disposición de la organización a aceptar los cambios culturales y operativos que exige. Como ocurre con todas las transformaciones importantes, actuar a tiempo, planear de manera precisa y la comprensión de los principios subyacentes son cruciales para una adopción exitosa. Adoptar Data Mesh es más que un cambio tecnológico: es una transformación de paradigma. Las organizaciones dispuestas a dar este salto no sólo seguirán el rápido ritmo de la evolución de datos, sino estarán a la vanguardia de las soluciones innovadoras basadas en datos.

Comunicate con nosotros

Tendencias de datos: Seis formas en que los datos cambiarán los negocios a partir de 2023

Publicado por

Por Kristina Scott

La cantidad de datos es enorme y crece cada vez más. Hemos rastreado seis grandes tendencias basadas en datos para el año que viene.

Analítica digital visualización de datos, calendario financiero, monitor de pantalla en perspectiva

Los datos son una de las oportunidades más innovadoras y de mayor crecimiento en la actualidad para dar forma a nuestra forma de trabajar y liderar. IDC predice que, para 2024, la incapacidad de llevar a cabo una estrategia basada en los datos y la IA afectará negativamente al 75 % de las mayores empresas públicas del mundo. Y para 2025, el 50% de esas empresas promoverán la toma de decisiones basada en datos mediante la integración de análisis en su software empresarial (frente al 33% en 2022), lo que impulsará la demanda de más soluciones de datos y empleados expertos en datos.

Aquí mostramos cómo cambiarán las tendencias de datos a partir de 2023:

La democratización de los datos impulsa la cultura de datos

Si cree que los datos sólo son relevantes para los analistas con conocimientos avanzados de ciencia de datos, tenemos noticias para usted. La democratización de los datos es una de las tendencias más importantes en materia de datos. El estudio de Gartner prevé que el 80 % de las iniciativas basadas en datos que se centran en los resultados empresariales se convertirán en funciones empresariales esenciales en 2025.

Las organizaciones están creando una cultura de datos mediante la atracción de talentos expertos en datos y la promoción del uso de datos y la educación de los empleados a todos los niveles. Para apoyar la democratización de los datos, estos deben ser exactos, fáciles de digerir y accesibles.

Según un estudio de McKinsey, las empresas con mejores resultados cuentan con un responsable de datos en la dirección ejecutiva y ponen los datos y las herramientas de autoservicio al alcance de todos los empleados de primera línea.

2. La hiperautomatización y los datos en tiempo real reducen los costos

Los datos en tiempo real y su automatización serán las herramientas de big data más valiosas para las empresas en los próximos años. Gartner prevé que, para 2024, la hiperautomatización rápida permitirá a las organizaciones reducir los costos operativos en un 30 %. Y para 2025, el mercado de software de hiperautomatización alcanzará casi los 860.000 millones de dólares.

3. La inteligencia artificial y el Machine Learning (IA y ML) siguen revolucionando las operaciones

La capacidad de implementar IA y ML en las operaciones será un diferenciador significativo. Verta Insights descubrió que los líderes del sector que superan financieramente a tus homólogos tienen más del doble de probabilidades de lanzar proyectos, productos o funciones de IA y han realizado inversiones en IA/ML a un nivel superior que tus homólogos.

Las tecnologías de IA y ML impulsarán el mercado del procesamiento del lenguaje natural (PLN). El PLN permite a las máquinas comprender el lenguaje humano hablado y escrito y comunicarse con nosotros. Según un estudio de MarketsandMarkets, el tamaño del mercado del PLN pasará de 15.700 millones de dólares en 2022 a 49.400 millones en 2027.

Hemos asistido a la oleada de interés por ChatGPT de OpenAI, un software de generación de lenguaje conversacional. Esta tecnología altamente escalable podría revolucionar toda una serie de casos de uso, desde resumir cambios en documentos legales hasta cambiar por completo nuestra forma de buscar información a través de interacciones similares al diálogo, afirma CNBC.

Esto puede tener implicaciones en muchas industrias. Por ejemplo, el sector sanitario ya emplea la IA para recomendaciones de diagnóstico y tratamiento, participación de los pacientes y tareas administrativas.

4. La arquitectura de datos conduce a la modernización

La arquitectura de datos acelera la transformación digital porque resuelve problemas de datos complejos mediante la automatización de procesos de datos básicos, aumenta la calidad de los datos y minimiza los silos y los errores manuales. Las empresas se modernizan apoyándose en la arquitectura de datos para conectar datos entre plataformas y usuarios. Las empresas adoptarán nuevo software, agilizarán las operaciones, encontrarán mejores formas de utilizar los datos y descubrirán nuevas necesidades tecnológicas.

Según MuleSoft, las organizaciones están preparadas para automatizar la toma de decisiones, mejorar dinámicamente el uso de los datos y reducir los esfuerzos de gestión de datos hasta en un 70% mediante la incorporación de análisis en tiempo real en su arquitectura de datos.

5. Las soluciones multi-nube optimizan el almacenamiento de datos

El uso de la nube se está acelerando. Las empresas optarán cada vez más por una nube híbrida, que combina los mejores aspectos de las nubes privadas y públicas.

Las empresas pueden acceder a los datos recopilados por servicios en la nube de terceros, lo que reduce la necesidad de crear sistemas personalizados de recopilación y almacenamiento de datos, que suelen ser complejos y caros.

En el Informe sobre el estado de la nube de Flexera, el 89% de los encuestados tiene una estrategia multi-nube, y el 80% está adoptando un enfoque híbrido.

6. Una mejor gobernanza y regulación de los datos protegen a los usuarios

Una gobernanza de datos eficaz se convertirá en la base de unos datos impactantes y valiosos.

A medida que más países aprueben leyes para regular el uso de diversos tipos de datos, la gobernanza de datos pasa a un primer plano en las prácticas de datos. El GDPR europeo, la PIPEDA canadiense y la PIPL china no serán las últimas leyes que se introduzcan para proteger los datos de los ciudadanos.

Gartner ha pronosticado que en 2023 el 65 % de la población mundial estará sujeta a normativas como el GDPR. A su vez, será más probable que los usuarios confíen tus datos a las empresas si saben que están más reguladas.

Valence trabaja con tus clientes para implementar un marco de gobernanza, encontrar fuentes de datos y riesgos de datos, y activar la organización en torno a este enfoque innovador de la gobernanza de datos y procesos, incluyendo educación, formación y desarrollo de procesos. Más información.

Qué aportan estas tendencias de datos

A medida que transcurre
2023, las organizaciones que comprenden las tendencias actuales de los datos pueden aprovecharlos para ser más innovadoras, estratégicas y adaptables. Nuestro equipo ayuda a los clientes con evaluaciones de datos, diseñando y estructurando activos de datos y creando soluciones modernas de gestión de datos. Integramos estratégicamente los datos en los negocios de los clientes, utilizamos el Machine Learning y la inteligencia artificial para crear perspectivas proactivas, y creamos visualizaciones de datos y cuadros de mando para que los datos tengan sentido.

Ayudamos a nuestros clientes a desarrollar una solución y crear una arquitectura de datos moderna que admita una escalabilidad diferenciada habilitada para la nube, capacidad de autoservicio y un plazo de comercialización más rápido para nuevos productos y soluciones de datos. Más información.

Recursos adicionales:

Tecnología e innovación en el comercio minorista: conversación con Michael Guzzetta

Publicado por

Hace poco pasamos un rato con Michael Guzzetta, un experimentado ejecutivo y consultor de tecnología e innovación en el sector minorista que ha trabajado con marcas como The Walt Disney Company, Microsoft, See's Candies y H-E-B.

Hábleme de su trayectoria. ¿Qué le llevó al comercio minorista?

Como mucha gente, empecé en el comercio minorista en career en el instituto, cuando trabajé en el departamento de caballeros de Robinson's May. También trabajé para The Warehouse (minorista de música) y fui CSR en Blockbuster video - extrañamente, todavía echo de menos la satisfacción de organizar cintas en los estantes.

Inicié mi carrera tecnológica en career en 2001, cuando empecé a trabajar en procesamiento de pagos y tecnología basada en la nube, y luego volví al comercio minorista en 2009, cuando me incorporé a Disney Store North America, una de las marcas minoristas más fuertes del mundo.

Durante mi etapa en Disney, tuve el privilegio de trabajar en la intersección de la innovación creativa, de marketing y móvil/digital. Y aquí es donde me picó el gusanillo de la innovación y comenzó mi trabajo de décadas en proyectos de innovación omnicanal. Busco oportunidades para probar e implantar tecnología en las tiendas con el fin de simplificar las experiencias de clientes y empleados, aumentar las ventas e impulsar la demanda. Desde que comencé este viaje en Disney Store, también he ayudado a See's Candies, Microsoft y H-E-B a avanzar en su transformación digital a través de la innovación en el comercio minorista.

¿Cuáles son algunas de las tecnologías minoristas que le hicieron empezar?

¡Lo he visto todo! He replanteado sitios de comercio electrónico, desplegado balizas y notificaciones push, implementado el conteo de tráfico en la tienda, trabajado en la eficiencia del almacén, automatizado e integrado recorridos del comprador y programas omnicanal, y mucho más. Recientemente he construido un laboratorio de innovación de 20.000 metros cuadrados para realizar pruebas de concepto con el fin de validar la tecnología, probarla y desplegarla en entornos reales. Pago inteligente, cadena de suministro, gestión de inventario, comercio electrónico... lo que se te ocurra.

¿Cuáles son los mayores desafíos de la innovación en el comercio minorista actual?

Algunas de las preguntas que quitan el sueño a ciertos minoristas son: "¿Cómo podemos simplificar la experiencia de compra de los clientes y facilitarles el proceso de salida?", "¿Cómo podemos optimizar nuestra cadena de suministro y las operaciones de inventario?", "¿Cómo podemos mejorar la precisión para los clientes que compran en línea y reducir las tustituciones y los cortos en el cumplimiento?" y "¿Cómo podemos hacer que sea más fácil y más eficiente para los compradores personales comprar en la acera y los pedidos de entrega a domicilio?". Sin olvidar: "¿Cuál es el futuro del comercio minorista y qué tecnologías pueden ayudarnos a seguir siendo competitivos?".

Veo potencial en varias tendencias para abordar esos desafíos, pero mis tres principales son:

Inteligencia artificial/Machine Learning: la IA seguirá revolucionando el comercio minorista. Ha impregnado la mayor parte de la tecnología que utilizamos hoy en día, ya sea SAAS o hardware, como las cajas inteligentes. Puede utilizar la IA, la visión por computadora y el Machine Learning para identificar productos y ponerlos inmediatamente en la cesta. La IA está integrada en nuestra vida cotidiana: impulsa los asistentes inteligentes que utilizamos a diario, supervisa nuestra actividad en las redes sociales, nos ayuda a reservar nuestros viajes y hace funcionar coches autoconducidos, entre otras docenas de aplicaciones. Y como subconjunto de la IA, el Machine Learning permite que los modelos sigan aprendiendo y mejorando, haciendo avanzar aún más las capacidades de la IA. Podría seguir, pero baste decir que el minorista que llegue primero a la IA será el vencedor.

Visión por ordenador. La visión por computadora tiene una gran oportunidad para resolver los problemas de inventario, especialmente para las marcas de comestibles. En la actualidad, existe un desfase entre el inventario en línea y lo que hay en las estanterías, ya que el sistema de inventario no puede seguir el ritmo de lo que se almacena y está en las estanterías para los compradores personales, lo que resulta frustrante para los clientes que no esperan tustituciones o entregas fuera de stock. Con la llegada de las cámaras de visión computerizada, se pueden combinar esas diferencias y ver lo que hay en las estanterías en tiempo real para informar con precisión de lo que está disponible en línea. La gestión de inventarios asistida por visión computerizada será vital para crear una experiencia verdaderamente omnicanal. La visión por computadora también permite utilizar carros de la compra inteligentes, quioscos de autopago, prevención de pérdidas y prevención de robos. Por no hablar del uso que Amazon hace de las cámaras CV con su tecnología Just Walk Out en Amazon Go, Amazon Fresh y determinados establecimientos de Whole Foods. Tiene infinitas aplicaciones para el comercio minorista y ofrece una visión en línea que hoy en día no se puede obtener en las tiendas.

Robótica. En los últimos cinco años, la robótica ha dado un salto sísmico y se ha producido un cambio que se puede ver en los centros de cumplimiento masivos y automatizados como los que operan Amazon, Kroger y Walmart. Una marca puede entregar comestibles en una región sin tener una tienda física, gracias a los centros de cumplimiento y distribución robotizados. Esto cambia las reglas del juego. La robótica tiene muchas funciones más allá del cumplimiento en el comercio minorista, pero esta aplicación realmente destaca.

¿Cuál es la oportunidad perdida que más marcas minoristas deberían aprovechar?

Los datos. Los datos son enormes y su importancia no puede subestimarse. Es una gran oportunidad perdida para los minoristas hoy en día. Mejorar la gestión, la gobernanza y el saneamiento de los datos es una gran oportunidad para los minoristas que quieren innovar.

Las principales áreas de oportunidad en torno a los datos en el comercio minorista incluyen la experiencia del cliente (conozca a su cliente), la comprensión de las tendencias relacionadas con los hábitos de compra de los clientes y la innovación. No se puede innovar a ninguna velocidad con datos sucios.

Los minoristas están llevando a cabo una revolución masiva de la transformación digital e intentan innovar con datos, pero tienen tantos datos que puede resultar abrumador. Están tratando de crear lagos de datos, una única fuente de verdad, y a veces no pueden funcionar debido a las redes de datos dispares. Creo que algunos de los minoristas más prominentes tendrán tus datos juntos en unos pocos años.

Los "datos sucios" son el resultado de que las empresas llevan existiendo mucho tiempo, por lo que han acumulado múltiples conjuntos de datos y proveedores de nube, y tus datos no se han fusionado ni limpiado. Si no tienes los datos correctos, estás tomando decisiones basadas en datos malos o antiguos, lo que podría perjudicarte estratégica o literalmente.

¿Qué le gustaría que entendiera más gente sobre la tecnología y la innovación en el comercio minorista?

La tecnología no tustituirá a las personas. En mi experiencia, la tecnología está pensada para mejorar la experiencia humana, lo que incluye a los empleados. Si la tecnología simplifica tanto el proceso que los empleados se vuelven ociosos, normalmente se les forma para gestionar la tecnología o se les ofrece formación cruzada para que desarrollen tus careers. La tecnología no va a tustituir a la experiencia humana en un futuro próximo, aunque sin duda está cambiando la experiencia laboral existente, idealmente para mejor, tanto para los empleados como para el balance final.

La tecnología no siempre reduce los costos de los minoristas. La innovación en hardware requiere importantes gastos de capital cuando se despliega en toda la cadena. El "Just Walk Out" de Amazon es una tecnología impresionante, pero la infraestructura, los costos de computación en la nube y las cámaras de visión computerizada son increíblemente caros. Dentro de cinco años, eso puede ser diferente, pero hoy en día es un líder en pérdidas. A Amazon le merece la pena porque puede conseguir prensa positiva, demostrar innovación y mostrar liderazgo en el sector. Pero Amazon no ha reducido tus costos operativos con "Just Walk Out". Este es solo un ejemplo, pero hay muchos ahí fuera.

Las compras en línea no eliminarán las compras en tiendas físicas. Si algo nos ha enseñado la pandemia es que las compras por Internet están aquí para quedarse, y que la comodidad es muy atractiva para los consumidores. Pero creo que la gente nunca dejará de ir a las tiendas porque le encanta comprar. La experiencia de recoger algo de forma tangible y relacionarse con los empleados en una tienda siempre existirá, incluso con la llegada del metaverso.

¿Cuáles son las marcas que más le entusiasman ahora mismo por su forma de utilizar la tecnología?

Amazon. La trayectoria con la tecnología Just Walk Out, los carritos de la compra, las estanterías inteligentes y otras tecnologías IoT ponen a Amazon a la cabeza de la innovación. No olvidemos que ha liderado la entrega en el mismo día o al día siguiente innovando con sus centros de distribución automatizados. Tienen el deseo, los recursos y el talento para seguir siendo líder los próximos años.

Alibaba. Esta empresa china es otro minorista que utiliza la tecnología de formas increíbles. tus tiendas de comestibles HEMA están repletas de innovación y tecnología. Disponen de sensores IoT en todas las tiendas, etiquetas electrónicas en las estanterías, cámaras de reconocimiento facial para que puedas pasar por caja con tu cara y cocinas robotizadas en las que tu pedido se prepara y se entrega en cintas transportadoras. También tienen cintas transportadoras por toda la tienda, de modo que un comprador personal puede comprar por zonas y luego enganchar bolsas para llevarlas al almacén para su clasificación y preparación para la entrega: es impresionante.

Walmart y Kroger. El uso que ambas marcas hacen de los centros de distribución automatizados (AFC) y de la tecnología de drones (entre muchas otras) está ampliando los límites de la venta minorista de comestibles en la actualidad. tus AFC lanzan una red mucho más amplia y han ampliado tus mercados existentes, por lo que, por ejemplo, es posible que veamos camiones de Kroger en barrios en los que no hay ninguna tienda a la vista.

Home Depot. Tienen una aplicación inteligente con realidad aumentada en 3D y un sólido sistema de mapeo y orientación en la tienda. Su uso del Machine Learning también es impresionante. Por ejemplo, les ayuda a entender mejor en qué tipo de proyectos podría estar trabajando un cliente basándose en tus hábitos de navegación y compra.

Sephora. Utilizan tecnología de balizas para atraer a la tienda a personas con la aplicación de Sephora y atraerlas. Tienen espejos inteligentes que ayudan a los clientes a elegir el maquillaje adecuado para su tono de piel y ofrecen tutoriales. Los clientes pueden comprar directamente en los espejos inteligentes o trabajar con un maquillador de la tienda.

¿Qué consejo daría a los minoristas que quieren invertir en innovación tecnológica?

Mi primer consejo es incluir la gestión del cambio en la planificación del proyecto desde el principio.

La innovación en el comercio minorista plantea desafíos inherentes, a menudo debidos a problemas de gestión del cambio. Cuando una empresa lleva décadas o incluso más de un siglo funcionando, lo hace con una infraestructura conocida, fiable y a menudo obsoleta. Aunque esa infraestructura no puede sostener a la empresa durante las próximas décadas o siglos, puede existir un miedo al cambio significativo y una preferencia profundamente arraigada por los sistemas existentes. Puede haber miedo a la pérdida de puestos de trabajo debido a la idea errónea de que la tecnología tustituirá a las personas en el comercio minorista.

Incorpore a esas personas resistentes al cambio al proceso de innovación desde el principio y con frecuencia, e invítelas a formar parte de la generación de ideas. Cualquier solución tecnológica debe diseñarse teniendo en cuenta las necesidades del usuario, y este público es un grupo de usuarios básico. piensa el enfoque "lean startup".

Mi segundo consejo es dedicar suficientes recursos a la innovación y dar al equipo de innovación el poder de tomar decisiones. El equipo de innovación debe seguir funcionando con pocos recursos, centrándose en productos viables mínimos y pruebas de concepto, para que los fracasos no sean prohibitivos desde el punto de vista de los costos. El equipo de innovación rinde mejor cuando tiene autonomía para probar, aprender y fracasar mientras explora soluciones innovadoras. A continuación, informa de tus conclusiones y recomendaciones a los superiores para calibrar y pivotar cuando sea necesario.

Para terminar, diría que la clave del éxito de la innovación es aceptar la noción de fracaso. El fracaso tiene valor. Dicho de otro modo, el fracaso es la vía rápida del aprendizaje. Aprender lo que no hay que hacer y lo que hay que intentar a continuación puede ayudar a una empresa minorista a acelerar más que la competencia. Piensa en un MVP, no te compliques, obtén rápidamente información validada y repite hasta que consigas un gran avance. Y mantén siempre una mentalidad de crecimiento: nunca dejes de aprender y crecer.

Recursos adicionales:

3 razones por las que las empresas avanzan en su viaje de datos para combatir la presión económica

Publicado por

Por Danny Vally

¿Ha actualizado últimamente el viaje de datos de su organización? Vivimos en la era del Zettabyte, porque el volumen, la velocidad y la variedad de los activos de datos que gestionan las empresas son grandes y cada vez mayores.

Los datos son cada vez más complicados y están más fragmentados. Los datos actuales son más complejos que los que gestionaba una empresa típica hace sólo veinte años. Incluso las pequeñas empresas manejan grandes conjuntos de datos procedentes de fuentes dispares cuyo procesamiento puede resultar complicado. Cada conjunto de datos puede tener su propia estructura, tamaño, lenguaje de consulta y tipo.

Los tipos de datos también están cambiando rápidamente. Lo que antes se gestionaba en hojas de cálculo ahora exige sistemas automatizados, datos de máquinas, datos de redes sociales, datos de IoT, datos de clientes y mucho más.

Existen ventajas económicas reales para las empresas que aprovechan la oportunidad de los datos invirtiendo en transformación digital (a menudo empezando por trasladar los datos a la nube). Las empresas que toman el control de los datos superan a la competencia:

40% más de ingresos por empleado
50% más de ingresos netos medios sobre ingresos
100 millones de dólares anuales de ingresos de explotación adicionales

Entre las situaciones más habituales que motivan las inversiones basadas en datos se incluyen las siguientes:

Comprender y predecir el comportamiento de los clientes en tiempo real
Reduzca costos y libere recursos simplificando el análisis de datos
Explorar nuevos modelos de negocio encontrando nuevas relaciones en los datos
Elimine los gastos sorpresa e innecesarios
Recopile y unifique datos para comprender mejor su negocio

Una estrategia de datos es más que una herramienta, un cuadro de mandos o un informe. Una estrategia de datos madura para cualquier empresa incluye una hoja de ruta para planificar la arquitectura, migración, integración y gestión de los datos de la empresa. La planificación de la gobernanza para garantizar la seguridad, integridad, acceso, calidad y protección de los datos permitirá a la empresa escalar.

Esa hoja de ruta también puede incluir la incorporación de la inteligencia artificial y el Machine Learning, que da rienda suelta al análisis predictivo, el aprendizaje profundo y las redes neuronales. Aunque antes se consideraban herramientas solo al alcance de las empresas más grandes del mundo, la IA y el ML se están implantando con mucho éxito incluso en pequeñas y medianas empresas.

Trabajamos con las organizaciones a lo largo de su viaje de datos, ayudándolas a establecer dónde están, adónde quieren ir y qué quieren conseguir.

Un viaje de datos suele empezar por comprender las fuentes de datos y organizarlos. Muchas organizaciones tienen múltiples fuentes de datos, por lo que crear un almacén de datos común es un punto de partida importante. Una vez organizados los datos, podemos obtener información de los mismos mediante informes y visualización, lo que permite comprender en tiempo real las métricas clave. Garantizar la gobernanza de los datos y la confianza a la hora de compartirlos es otro paso importante, que a menudo se apoya en la seguridad. Por último, los datos avanzados pueden utilizar la inteligencia artificial y el Machine Learning para buscar tendencias en los datos o predecir comportamientos y extraer nuevas perspectivas. Al comprender en qué punto del recorrido de los datos se encuentra su organización, puede empezar a visualizar el siguiente paso.

Recursos adicionales:

Arquitectura de data mesh en almacenes de datos basados en la nube

Publicado por

Los datos son el nuevo oro negro de las empresas. En este post, exploramos cómo los cambios en la tecnología, los procesos organizativos y las personas son fundamentales para lograr la visión de una empresa impulsada por los datos que despliega una Arquitectura de data mesh en almacenes basados en la nube como Snowflake y Azure Synapse.

El verdadero valor de los datos procede de la información obtenida a partir de datos que a menudo están aislados y se extienden por formatos de almacenamiento estructurados, semiestructurados y no estructurados en terabytes y petabytes. La minería de datos ayuda a las empresas a recopilar información fiable, tomar decisiones informadas, mejorar la tasa de rotación y aumentar los ingresos.

Todas las empresas podrían beneficiarse de una estrategia de data-first, pero sin una arquitectura de datos eficaz, las empresas no consiguen alcanzar el estatus de data-first.

Por ejemplo, el equipo de ventas y marketing de una empresa necesita datos para optimizar los canales de venta cruzada y de aumento de ventas, mientras que tus equipos de producto quieren intercambiar datos entre dominios con fines analíticos. Toda la organización desearía disponer de una forma mejor de obtener y gestionar los datos para tus necesidades, como el streaming en tiempo real y los análisis casi en tiempo real. Para abordar las necesidades de datos de los distintos equipos, la empresa necesita un cambio de paradigma hacia la rápida adopción de la Arquitectura de data mesh, que debe ser escalable y elástica.

La arquitectura de Data Mesh supone un cambio tanto en la tecnología como en la organización, los procesos y las personas.

Antes de sumergirnos en la Arquitectura de data mesh, entendamos tus 4 principios básicos:

Propiedad y arquitectura de datos descentralizada y orientada al dominio
Los datos como producto
Infraestructura de datos de autoservicio como plataforma
Gobernanza informática federada

Big data es volumen, velocidad, variedad y veracidad. El primer principio de la Data Mesh se basa en la descentralización y la distribución de la responsabilidad entre las pymes y los expertos en la materia, que son los propietarios del marco de big data.

Este diagrama articula los 4 principios básicos de la Data Mesh y el reparto de responsabilidades a alto nivel.

Azure: Cada equipo es responsable de su propio dominio, y los datos se descentralizan y comparten con otros dominios para el intercambio de datos y los datos como producto.

Copo de nieve: Cada equipo es responsable de su propio dominio, y los datos se descentralizan y comparten con otros dominios para el intercambio de datos y los datos como producto.

Los datos de cada dominio están descentralizados en su propia nube de almacén de datos. Este modelo se aplica a todas las nubes de almacén de datos, como Snowflake, Azure Synapse y AWS Redshift.

Un almacén de datos en la nube se construye sobre una infraestructura multicloud como AWS, Azure y Google Cloud Platform (GCP), que permite escalar la computación y el almacenamiento de forma independiente. Estos productos de almacén de datos están totalmente gestionados y proporcionan una plataforma única para el almacenamiento de datos, los lagos de datos, el equipo de ciencia de datos y para proporcionar datos compartidos para consumidores externos.

Como se muestra a continuación, el almacenamiento de datos está respaldado por el almacenamiento en la nube de AWS S3, Azure Blob y Google, lo que hace que Snowflake sea altamente escalable y fiable. Snowflake es único en su arquitectura y capacidades de intercambio de datos. Al igual que Synapse, Snowflake es elástico y puede ampliarse o reducirse en función de las necesidades.

De una arquitectura de datos monolítica heredada a un modelado de datos más escalable y elástico, las organizaciones pueden conectar datos enriquecidos y curados descentralizados para tomar decisiones informadas en todos los departamentos. Con la implementación de Data Mesh en Snowflake, Azure Synapse, AWS Redshift, etc., las organizaciones pueden lograr el equilibrio adecuado entre permitir que los propietarios de dominios definan y apliquen fácilmente tus propias políticas detalladas y disponer de procesos de gobernanza gestionados de forma centralizada.

Recursos adicionales:

Cómo elaborar una política de conservación de datos

Publicado por

por Steven Fiore

Ayudamos a las organizaciones a implantar una solución unificada de gobernanza de datos que les ayude a gestionar y gobernar tus datos locales, en varias nubes y SaaS. La solución de gobernanza de datos siempre incluirá una política de retención de datos.

Al planificar una política de retención de datos, debe ser implacable a la hora de formular las preguntas correctas que guiarán a su equipo hacia resultados procesables y medibles. Al abordar las políticas de retención de datos como parte del esfuerzo unificado de gobernanza de datos, puede crear fácilmente un enfoque holístico y actualizado para la retención y eliminación de datos.

Pasos para crear una política eficaz de conservación de datos

Idealmente, cualquier grupo que cree, utilice o disponga de datos de cualquier forma participará en la planificación de datos. Los trabajadores sobre el terreno que recopilan datos, los empleados de back-office que los procesan, el personal de TI responsable de transmitirlos y destruirlos, los departamentos jurídico, de RRHH, de relaciones públicas, de seguridad (cibernética y física) y cualquiera que tenga un interés en los datos debe participar en la planificación de su conservación y eliminación.

Inventario de datos

El primer paso consiste en saber de qué datos se dispone actualmente. Gracias a décadas de silos organizativos, muchas organizaciones no comprenden todos los datos que han acumulado. Realizar un inventario de datos o un descubrimiento unificado de datos es un primer paso fundamental.

Revisar la normativa sobre conservación de datos

A continuación, debe comprender los requisitos de la normativa o normativas aplicables en su sector y región geográfica para que su política de planificación y conservación de datos tenga en cuenta los requisitos de cuompliance. Independientemente de los valores de su organización, el cumplimiento es obligatorio y debe entenderse.

Reconozca los riesgos de tus datos

A continuación, las empresas deben identificar en qué casos la conservación de datos puede estar costando a la empresa o introduciendo riesgos. Comprender el riesgo y las ineficiencias de los procesos de datos actuales puede ayudar a identificar qué debe conservarse y durante cuánto tiempo, y cómo deshacerse de los datos cuando caduque la retención.

Si el objetivo es aumentar los ingresos o contribuir a los objetivos sociales, entonces debe comprender qué datos ofrecen esa posibilidad y cuántos datos necesita para que el análisis merezca la pena. El Machine Learning requiere grandes cantidades de datos durante largos periodos de tiempo para aumentar la precisión del aprendizaje, por lo que si los resultados del Machine Learning y la inteligencia artificial son clave para su oportunidad de ingresos, necesitará más datos de los que necesitaría para utilizar la inteligencia empresarial tradicional para los cuadros de mando y la toma de decisiones.

¿Qué tipos de datos deben incluirse en la política de conservación de datos?

Los tipos de datos incluidos en la política de conservación de datos dependerán de los objetivos de la empresa. Las empresas deben tener en cuenta qué datos no necesitan incluir en tus políticas. Conservar y gestionar datos innecesarios cuesta tiempo y dinero a las organizaciones, por lo que identificar los datos que pueden eliminarse es importante y, con demasiada frecuencia, se pasa por alto.

Las empresas deben considerar qué tecnologías de innovación se incluyen en su hoja de ruta digital. Si el Machine Learning, la inteligencia artificial, la automatización robótica de procesos y/o la automatización inteligente de procesos están en su hoja de ruta tecnológica, querrá una estrategia de retención y eliminación de datos que alimente los modelos de aprendizaje cuando esté listo para construirlos. El Machine Learning podría influir en las políticas de retención de datos, Internet de las Cosas puede afectar a qué datos se incluyen, ya que tiende a crear enormes cantidades de datos. La automatización robótica o inteligente de procesos es otro ejemplo en el que la comprensión de qué datos son más esenciales para los procesos altamente repetibles podría dictar qué datos se conservan y durante cuánto tiempo.

Una nota final es considerar las fuentes de datos no tradicionales y si deben incluirse. ¿Es necesario incluir los mensajes de voz o las grabaciones de reuniones? ¿Y las fotografías que puedan almacenarse junto con los documentos? ¿Las grabaciones de las cámaras de seguridad? ¿Registros de IoT o de servidores? ¿Metadatos? ¿Pistas de auditoría? La lista continúa, y cuanto antes se tengan en cuenta estos tipos de datos, más fácil será gestionarlos.

Errores comunes en las estrategias de conservación de datos

La paradoja es que los dos mayores errores que cometen las organizaciones a la hora de elaborar una política de conservación de datos son o bien no dedicar suficiente tiempo a la planificación o dedicar demasiado tiempo a la planificación. Dedicar demasiado tiempo a la planificación puede llevar a la parálisis por análisis y a que se produzca una catástrofe de datos antes de que pueda aplicarse una solución. Una forma de mitigar este riesgo es adoptar un enfoque iterativo para poder aprender de los pequeños problemas antes de que se conviertan en grandes.

Un error típico de las organizaciones a la hora de elaborar una política de conservación de datos es que no comprenden tus objetivos desde el principio. Las organizaciones necesitan empezar por establecer claramente los objetivos de su política de datos, y luego construir una política que apoye esos objetivos. Aquí hablamos de la relación entre los objetivos de la empresa y las políticas de datos.

Otro escollo importante en el que caen las organizaciones cuando elaboran una política de conservación de datos es que no comprenden tus datos, dónde viven y cómo están interrelacionados. Conservar datos innecesariamente es tan malo como deshacerse de los datos que se necesitan, y en las organizaciones muy compartimentadas, las interdependencias de los datos pueden no salir a la luz hasta que de repente falten datos necesarios o hasta que los datos que deberían haberse eliminado aparezcan en un descubrimiento legal. Esto se mitiga en parte incorporando a las personas adecuadas al proceso de planificación, de modo que se pueda comprender el panorama completo de las implicaciones de los datos en la organización.

Soluciones de política de conservación de datos de Kopius

El futuro de la eficacia empresarial está impulsado por el análisis avanzado de datos y la información. Empresas de todos los tamaños están incluyendo estrategias de datos en su hoja de ruta de transformación digital, que debe incluir la gobernanza de datos, la gestión de datos, la planificación y el análisis empresarial y la previsión inteligente. Comprenda tus objetivos y valores empresariales y, a continuación, elabore las políticas de retención de datos adecuadas para usted.

Estamos aquí para ayudarle. Comunicate con nosotros hoy mismo para obtener más información sobre nuestros servicios.

Comunicate con nosotros

Recursos adicionales:

La política de conservación de datos adecuada para su organización

Publicado por

por Steven Fiore

Toda empresa necesita una estrategia para gestionar tus datos, y esa estrategia debe incluir un plan de retención de datos. Antes de establecer una política de conservación de datos, es importante comprender su finalidad y cómo puede contribuir a los objetivos de la organización.

Hay cuatro valores que impulsan a la mayoría de las empresas a hacer cualquier cosa:

Ganar dinero y aumentar los ingresos
Ahorrar dinero reduciendo costos
Porque deben cumplir la normativa
Porque quieren utilizar la empresa como plataforma para el bien social

Aunque cada uno de estos valores estará representado en cualquier organización, una investigación suele revelar que uno o dos de ellos eclipsan al resto. Qué valores son los más importantes variará de una organización a otra.

Las organizaciones deben empezar por establecer claramente los objetivos de su política de datos y, a continuación, crear una política que respalde esos objetivos. Ayudamos a las empresas a desenterrar los motores empresariales para que las políticas de datos puedan contribuir a los valores y objetivos de la empresa en lugar de competir con ellos.

En este post, exploramos las mejores prácticas para establecer y mantener una política de retención de datos a través de la lente de estos impulsores empresariales.

¿Cuáles son los objetivos de su política de conservación de datos?

Valor: Ganar dinero

Las empresas que dependen de los ingresos publicitarios, como Google y Facebook, quieren conservar tantos datos como sea necesario para maximizar las oportunidades de ingresos.

Las empresas que explotan tus datos pueden detectar tendencias que les permitan mejorar tus productos, mejorar la experiencia del cliente (fidelizándolo a la marca) y descubrir oportunidades de ingresos que de otro modo habrían permanecido ocultas.

En ambos casos, la política de retención de datos debe centrarse en qué datos pueden contribuir a los ingresos y cuántos de ellos son necesarios. Equilibrar los datos agregados frente a los datos más granulares es la clave para retener suficientes datos para lograr tus objetivos sin retener datos innecesarios que añadan costos, complejidad y riesgos para la seguridad o la privacidad.

Valor: Ahorrar dinero

Muchas empresas se centran en la cuenta de resultados y dan prioridad a la eficiencia para evitar perder tiempo, dinero y energía.

Las empresas que quieren ahorrar dinero pueden utilizar la conservación de datos para que la organización sea más eficiente. Aunque el almacenamiento de datos es barato, no es gratis, y el acceso puede ser más caro que el almacenamiento. Así que, para una organización que quiere que tus políticas de datos ayuden a ahorrar dinero, la política podría centrarse en retener sólo los datos que son necesarios para evitar el almacenamiento adicional y los gastos generales de gestión.

Además, conservar más datos de los necesarios puede suponer una responsabilidad legal. Contar con una política de conservación y eliminación de datos puede reducir los gastos legales en caso de un proceso de descubrimiento legal.

Los datos también tienen un costo de eficiencia: cuantos más datos se tengan, más lento será el proceso de búsqueda y uso de esos datos. Así pues, las políticas de conservación de datos pueden y deben formar parte de una estrategia de gobernanza de datos destinada a hacer que los datos que se conservan sean lo más eficientes posible de gestionar y utilizar.

Valor: Cumplir la normativa

Muchos sectores tienen tus propias normativas, mientras que otras son transversales. Las empresas que deben tener una política de retención de datos pueden necesitarla para cumplir con las leyes que rigen la retención de datos, como la Ley Sarbanes Oxley, la Ley de Portabilidad y Responsabilidad del Seguro Médico (HIPAA) o la IRS 1075. Incluso las empresas con sede en EE.UU. pueden estar sujetas a la legislación internacional, como el Reglamento General Europeo de Protección de Datos (GDPR), y las empresas que tienen clientes en California necesitan entender cómo la Ley de Privacidad del Consumidor de California (CCPA) puede afectar a la retención de datos. Los organismos públicos de Estados Unidos también están sujetos a la Ley de Libertad de Información y algunos estados tienen leyes "Sunshine" que van incluso más allá.

Las empresas motivadas por compliance necesitarán que su política de conservación de datos refleje los requisitos federales, estatales y locales, y deberán documentar el cumplimiento de dichos requisitos.

Valor: La empresa como plataforma para el bien social

Tanto si una organización se estableció como una marca activista como si se ha visto atraída por la responsabilidad social a medida que la demanda de los inversores ha aumentado la responsabilidad social, muchas empresas están encontrando formas de utilizar los datos para comprender su impacto social y medioambiental. A menudo también se informa sobre este impacto a través de informes de Gobernanza Social y Medioambiental (ESG), Proyectos de Divulgación del Carbono y estructuras de información como el GRESB (Global Real Estate tustainability Benchmark).

En estos casos, las organizaciones que utilizan su negocio como plataforma para el bien social pueden identificar métricas clave, como el consumo de energía o los datos de contratación, que pueden utilizarse para elaborar informes sobre responsabilidad social.

Para terminar

Si comprende los valores y prioridades de su organización, podrá asegurarse de que tus políticas respaldan esos valores. Todas las empresas tienen datos que recopilar, gestionar y eliminar, por lo que es fundamental disponer de una hoja de ruta sobre cómo abordar los requisitos de datos actuales y futuros. Este marco es un punto de partida para ese esfuerzo, porque no hay nada peor que esforzarse por aplicar una política compleja, sólo para descubrir que aleja a la empresa de tus objetivos.

Recursos adicionales: