Análisis

La analítica colaborativa es útil para analizar los datos de la empresa.

single-image


La colaboración de datos y el análisis colaborativo son todavía un concepto más nuevo. La idea es involucrar a la comunidad en la analítica. Las principales ventajas son que el análisis colaborativo puede aportar experiencia diversa al proceso y promover una comprensión común de los resultados.

Para que estos programas funcionen en la práctica, es necesario lograr un equilibrio entre nuevas herramientas, personas y procesos para fomentar el entendimiento común. En cierto modo, esto es solo una extensión de las tendencias en torno a la integración de datos.

¿Qué es el análisis colaborativo?

El análisis colaborativo es el lado del uso de la transformación de datos, dijo Juan José López Murphy, director técnico y jefe de práctica de ciencia de datos en Globant, una consultora de transformación digital. Esto permite a los equipos evitar los malentendidos que resultan de tomar decisiones de ida y vuelta entre áreas aisladas para alinear mejor los esfuerzos y proporcionar una evaluación coherente de lo que está sucediendo en toda la organización.

La mayoría de los problemas de las grandes empresas a menudo cruzan los límites del dominio, el departamento y la tecnología, lo que los hace difíciles de resolver con un solo tipo de experiencia, dijo Murphy. A menudo, mientras las organizaciones intentan tomar medidas coordinadas para que puedan crecer y mejorar, carecen de una comprensión coordinada de lo que está sucediendo. La analítica colaborativa puede llenar este vacío.

Cómo ayuda a los equipos de datos

«El análisis colaborativo permite una comprensión más rápida», dijo Traci Gusher, socio de datos, análisis e inteligencia artificial en KPMG.

También tiene el potencial de descubrir un inventario más amplio de datos que podrían estar disponibles debido a la variedad de experiencias que tienen diferentes personas con las fuentes de datos. Una perspectiva amplia ayuda a las empresas a encontrar nuevas ideas que de otro modo no podrían surgir.

«No hay un solo científico de datos que lo sepa todo», dijo Rosaria Silipo, científica principal de datos de Knime.

Los problemas que parecen irresolubles para un solo científico de datos pueden separarse y las piezas individuales pueden ser resueltas por un equipo.

También hay una especie de efecto Ikea en el que las personas involucradas en la creación de los modelos de análisis tienen más probabilidades de confiar en los resultados.

«Las organizaciones se benefician del análisis colaborativo al saber que todos los usuarios de datos de la organización contribuyeron a crear, crear y documentar el análisis», dijo Peggy Tsai, vicepresidente de soluciones de datos en BigID, una plataforma de inteligencia de datos.

Que herramientas usar

Una implementación de análisis colaborativo debe tener una interfaz y un espacio de trabajo comunes a través de los cuales los usuarios pueden acceder a los datos y los KPI. Este espacio de trabajo debe facilitar la búsqueda y el acceso a los datos al proporcionar una vista empresarial contextual de la información en un formato familiar para la empresa, dijo Radhakrishnan Rajagopalan, vicepresidente senior y director global de éxito del cliente, datos e inteligencia en Mindtree, una tecnología empresa de consultoría y transformación digital.

Es útil compararlo con un mercado que facilita la creación y el intercambio de productos de datos.

Un espacio de trabajo colaborativo debe permitir una manipulación de datos transparente. Más importante aún, la visualización de datos debe estar habilitada para que los usuarios puedan analizar diferentes facetas de la información. Una vez que se analizan los datos, los equipos de datos deberían poder crear otras versiones y compartirlas con colegas para colaboración, revisión y uso.

El elemento humano

El elemento humano es uno de los aspectos más importantes de la puesta en práctica de un programa de análisis colaborativo. El análisis colaborativo requiere cultivar la alfabetización de datos, la apertura y la voluntad de aprender, dijo Murphy.

La alfabetización de datos ayuda a los participantes a diferenciar entre lo que dicen los datos, lo que les hace creer y qué hipótesis confirmar antes de tomar una decisión. La construcción de la apertura es el proceso de fomentar un sentido de humildad que ayuda a darse cuenta del valor que cada miembro puede aportar en términos de experiencia, conocimientos, enfoques técnicos y perspectivas.

«En contextos de TI en particular, a menudo vemos la idea de que las personas ‘técnicas’ chocan con los programadores o analistas numéricos sin darse cuenta de que cada departamento y perspectiva tiene su experiencia y enfoque técnicos», dijo Murphy.

También es importante fomentar la voluntad de aprender, lo que alienta a las personas a compartir opiniones discrepantes.

«Como seres humanos, a veces dudamos como miembros de un equipo en proponer ideas que sean demasiado arriesgadas o inverosímiles», dijo Gusher.

Las personas también permiten que sus perspectivas sean influenciadas o ajustadas dependiendo del grupo con el que estén trabajando. Los equipos con antecedentes, habilidades y perspectivas fundamentalmente diferentes sobre los problemas pueden, en última instancia, crear ideas y soluciones más integrales.

A Gusher le resultó útil adoptar estructuras, p. Ej. B. métodos consistentes para el análisis de datos, herramientas que apoyan la colaboración efectiva y roles de equipo de plantilla que representan diferentes perspectivas Esto puede incluir conocimiento comercial o de dominio, profundidad analítica y habilidades de adquisición de datos e ingeniería.

«Los miembros del equipo necesitan roles y propósitos definidos; de lo contrario, estos equipos se convertirán en el Salvaje Oeste y chocarán sin generar el valor creativo que se supone que deben impulsar», dijo Gusher.

El elemento AI

Una vez que las herramientas, las personas y los procesos básicos están en su lugar, la IA puede ayudar a obtener información, revisar datos y sugerir los próximos pasos.

«La IA trabaja principalmente entre bastidores al enriquecer el contenido y el alcance de la información disponible», dijo Murphy.

Una forma en que la IA puede ayudar con el análisis colaborativo es sugerir información que podría ser relevante o debería considerarse sobre un tema en particular mediante el uso de algún tipo de recomendación, pero centrándose en fuentes de datos y segmentos o visualizaciones específicas.

La IA también puede llenar los vacíos de datos que los equipos quisieran tener, pero solo recopilarlos cuando es demasiado tarde o demasiado costoso. La IA también puede ayudar a crear escenarios hipotéticos y desarrollar diferentes estrategias y resultados para tomar las mejores decisiones al combinar el conocimiento de todo el equipo involucrado de la mejor manera posible.

También te gustará