Con varias unidades de negocio surge a menudo una pregunta que nadie puede responder con exactitud: qué puntos de datos son realmente necesarios, y cuáles se recopilan porque el año pasado también se solicitaron. Sin un registro, la lista de preguntas crece junto con el miedo a pasar algo por alto. Con un registro se hace visible qué entrega realmente cada unidad, de dónde proviene y si la respuesta a la pregunta es el mismo punto de datos que en la unidad vecina.
Un registro de puntos de datos no es una plantilla de informe ni un cuestionario. Es una lista de puntos de datos con, por cada punto: la definición, la unidad, la fuente, el propietario y la regla de calidad a la que debe ajustarse. Para una organización con varias unidades de negocio, esto significa que cada punto de datos se puede rastrear hasta un lugar concreto en un sistema concreto, con una persona responsable concreta. No 'emisiones de alcance 2 por unidad', sino 'consumo en kWh de la factura X, introducido por Y, rastreable hasta Z'.
La pregunta de qué puntos de datos son realmente necesarios no se puede responder de una vez. Se deriva de combinar lo que ya existe. Una visión general de dónde ya existe un punto de datos con varias unidades de negocio muestra qué parte de la pregunta ya responden los sistemas existentes, y qué parte todavía está suelta en hojas de cálculo o no se registra en ningún sitio. Solo cuando existe esa imagen se aclara qué puntos de datos hay que solicitar realmente y cuáles se han vuelto superfluos.
Elaborar un registro no empieza con un sistema, sino con una lista de preguntas: qué puntos de datos se utilizan ahora, por quién, y a partir de qué fuente. Es un ejercicio organizativo, no técnico. Un enfoque paso a paso para elaborar un registro de puntos de datos con varias unidades de negocio describe cómo suele transcurrir ese inventario: por unidad, por punto de datos, con la fuente y el propietario correspondientes.
Durante ese inventario surgen dos problemas recurrentes. El primero es el punto de datos sin una fuente clara: una cifra que se ha transmitido durante años, pero de la que ya nadie puede señalar de dónde proviene. Un enfoque para un punto de datos sin fuente identificable con varias unidades de negocio aborda qué hacer en ese caso: no adoptar el punto de datos sin más, sino primero reconstruir la fuente o marcar el punto de datos como no fiable hasta que eso sea posible.
El segundo problema es el punto de datos duplicado: dos unidades de negocio que, con otros nombres y otras unidades, entregan el mismo dato subyacente. Una manera de reconocer un punto de datos duplicado con varias unidades de negocio ayuda a hacerlo visible, de modo que el registro no recoja dos veces la misma realidad bajo dos etiquetas.
Un punto de datos en el registro solo está completo cuando se cumplen cuatro cosas: la definición es inequívoca, la fuente es identificable, el propietario es conocido y existe una regla de calidad que determina cuándo un valor se considera válido. Si falta uno de esos cuatro elementos, el punto de datos aún no está listo, por muchas veces que ya se haya entregado.
Esto se aplica igualmente a la cuestión de si el registro en su conjunto está terminado. Un registro no está completo porque contenga una larga lista de puntos de datos, sino porque cada punto de datos de esa lista es rastreable y cada unidad sabe qué parte de la lista le corresponde. Una prueba para saber cuándo un registro está terminado con varias unidades de negocio describe ese límite: no la exhaustividad en número, sino la exhaustividad en trazabilidad.
Un indicador útil en este sentido es simplemente cuántos de los puntos de datos ya tienen una fuente. Una medición de cuántos de sus puntos de datos tienen una fuente ofrece una primera imagen de hasta dónde ha llegado realmente la organización, independientemente de cómo se vea el informe o el cuestionario este año.
Es tentador adquirir primero un software que recopile, valide e informe sobre los puntos de datos. Ese orden resulta contraproducente cuando el proceso subyacente aún no está organizado: una herramienta sobre una recopilación de datos desorganizada produce informes más pulcros sobre cifras que aún no son rastreables. El registro —quién entrega qué, desde qué fuente, según qué regla— debe estar primero. Solo entonces una herramienta tiene algo fiable sobre lo que operar.
Una vez que el registro está establecido y por cada punto de datos queda claro quién lo entrega, de qué fuente y según qué regla, se vuelve relevante otra pregunta: qué parte de ese proceso de entrega todavía requiere trabajo humano, y qué parte es suficientemente repetitiva como para dejarla en manos de un sistema. El escáner de trabajo de FTE TO AI calcula, por tarea, qué parte del trabajo puede asumir la IA, y puede indicar, a partir del registro y por punto de datos, dónde la introducción manual, el control o la transferencia dan paso a un proceso automatizado.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.