¿Cómo estructurar los equipos de datos?

“¿Cómo estructurar el equipo de datos para una transformación digital?” 💭

Yo he encontrado 3 formas de manera fundamental:

  • Centralizada
  • Transversal
  • Matricial

Pros & cons de cada manera de estructurar los equipos en datos

Estructuración de equipos CENTRALIZADA

Acá se busca contratar analistas de datos experimentados. El conocimiento de negocio no es tan determinante y se ve como un plus.

En estas organizaciones el equipo de datos son personas con skillsets técnicos las cuales tienen que aprender del negocio.

Se suelen hacer “levantamiento de requerimientos”, reuniones con personas de negocio para entender la lógica de negocio.

Pros de estructurar los equipos de datos manera centralizada

Esta opción da resultados más rápidos.
Al contratar equipos experimentados y teniendo claro los requerimientos. Estos atienden los requerimientos de las áreas acordes al ancho de banda del equipo de datos.

Cons de estructurar los equipos de datos manera centralizada

  • El equipo de datos se vuelve un silo y se convierte en un cuello de botella mientras más requerimientos llegan.
  • La labor del equipo pasa a ser más operativa y menos estratégica al ser reactivos con los requerimientos.
  • Se genera en la organización la percepción que todo lo de datos, lo debe de atender el equipo de datos.
  • Sin responsabilidades claras. El área de datos puede convertirse en el chivo expiatorio y se cuestiona la fiabilidad en los datos.

Estructuración de equipos TRANSVERSAL

Acá se busca adoptar a nivel negocio el uso de las soluciones de Analítica como Tableau o PBI.

Acá el enfoque no es tener un equipo de datos al cual pasarle tickets & requerimientos. Si no promover el mindset data-driven en todos los niveles.
Mientras se pasa el ownership de la entrega al usuario de negocio, el área de datos sirve como soporte para resolver dificultades técnicas.

Se brinda entrenamiento constante hasta las áreas tácticas/operativas. Se ve el uso de las soluciones de analítica como un skillset más requerido a nivel organizacional.

Pros de estructurar los equipos de datos manera transversal

  • Este mindset, promueve la alineación estratégica en todos los sentidos. Los líderes están alineados y comienzan a solicitar a las áreas a su cargo los reportes e indicadores consolidados en la solución de BI.
  • Existe un ownership por parte de los usuarios de negocio por la entrega del resultado.
  • Al promover a nivel organizacional este nuevo skillset la curva de aprendizaje se reduce y se mejoran los procesos de transferencia de conocimiento.

Cons de estructurar los equipos de datos manera transversal

  • Esta solución no da resultados en corto plazo, requiere invertir en entrenamiento y puede incurrir en altos costos de licenciamiento si no se gestiona correctamente.
  • Es un reto alinear a los principales tomadores de decisiones estratégicas de este nuevo mindset, especialmente si “Siempre lo hemos hecho así” 🦖

Estructuración de equipos MATRICIAL

Esta forma es como un híbrido entre Centralizada & Transversal.

El equipo de datos reporta directamente a un área de datos donde cada miembro del equipo está asignado a un cliente “interno”. Estos trabajan bajo proyectos que tienen entregables dashboards/visibilidad de negocio.

De manera interna se busca identificar a esas personas de negocio “Champions” que busquen crecer al incorporarse al área de datos. Al tener conocimiento del negocio, solo falta fortalecer el conocimiento técnico.

Estos equipos dan prioridad al conocimiento de negocio y puede haber un equipo central de “analistas de datos” quienes apoyen técnicamente a los proyectos de visibilidad que tenga cada área.

Cons de estructurar los equipos de datos manera matricial

  • Al tener un grupo más reducido de personas de negocio quienes buscan fortalecer los skills técnicos, la transferencia de conocimiento es más rápida.
  • Trabajando por proyectos se pueden estimar ahorros y generar impacto con visibilidad organizacional.
  • Los usuarios de negocio que mejor conocen la operación pueden detectar patrones y llegar a insights más valiosos y profundos

Cons de estructurar los equipos de datos manera matricial

  • Si no es transformando usuarios de negocios en analistas de datos, puede ser difícil encontrar analistas de datos con conocimiento en tus procesos/industria, donde necesites el talento.
  • Requiere una planeación estratégica adecuada para priorizar y determinar la cantidad de talento que requiere un área. Especialmente en empresas muy grandes.
  • Se necesita cambiar paradigmas & procesos, puede ser especialmente difícil transmitir el concepto de marcialidad en empresas jerárquicas.

Bonus:

En esta última manera MATRICIAL de estructurar los equipos de datos se puede optar por un “Mindset” donde los equipos asignados a las áreas de negocio trabajen bajo objetivos de proyectos de mejora.

Los sectores industriales conocen muy bien este modelo y le conocen como áreas de proyectos & mejora continua. Donde hay metas económicas y las iniciativas se cuantifican a nivel impacto.

¿Te gustaría que te asesorara para estructurar tus equipos de datos?



IVAN CHAVEZ

Hi there! If you’re into the data world like me, then you’re in the right place.

In this website, we’re going to dive into the exciting world of DataOps & Analytics. From the latest trends and innovations to practical tips and tricks, I got everything you need to stay on top of the game.
So grab a cup of coffee (or your beverage of choice), get comfortable, and let’s get started!

-IC