A smarter way to jump into data lakes (lago de datos). Mckinsey


  • En el artículo de McKinsey, A smarter way to jump into data lakes, se recoge el caso de la transformación de un banco a partir de la explotación de la información almacenada en “data lakes“.

  • Transformación en un banco global. Consideremos cómo un banco global aplicó principios ágiles a su desarrollo de un lago de datos. El banco había estado luchando con varios desafíos de datos críticos: información de negocios de baja calidad, falta de especialistas para administrar diferentes conjuntos de datos que llegan en diferentes formatos, envejecimiento de tecnologías de almacenamiento de datos y más de 1.000 fuentes de datos. Los sistemas eran ineficientes. Los datos entrantes tenían que ser estructurados antes de poder ser introducidos en cuatro capas de almacén de datos (entrega de salida, forma normal, capa de asunto y capa de aplicación) y antes de que se pudieran crear informes útiles.Aparte de estos desafíos técnicos, los líderes empresariales y de TI del banco no estaban trabajando en colaboración, lo que agravó los problemas de datos de la compañía. Los datos se almacenaban en sistemas aislados, por lo que la información comercial crítica a menudo permanecía atrapada. Sin embargo, las solicitudes de acceso a ciertos conjuntos de datos tardaron en obtener una respuesta debido a la escasa coordinación y comunicación entre las unidades de negocio y las operaciones de TI. La gestión de datos fue vista como “el trabajo de TI”; Los líderes de la empresa no se involucraron en el tema y luchaban para resolver sus necesidades de datos. Los directivos del banco estaban preocupados por la pérdida de clientes, en parte debido a la incapacidad de la compañía para administrar los datos. Decidieron experimentar con tecnologías de data-lake para tratar de facilitar la extracción, estructuración y entrega de conjuntos de datos. Buscando trabajar tan rápido como sus desarrolladores de software, la compañía utilizó un modelo de desarrollo ágil y desarrolló el proyecto data-lake en fases. Los directivos crearon un equipo de datos ágiles que involucraba a expertos de las unidades de negocio y de la organización de TI para considerar el impacto comercial y para mejorar la calidad de los datos y el acceso antes de determinar qué áreas del banco tendrían acceso inicial a los datos del lago. El equipo de datos ágiles realizó entrevistas en profundidad con usuarios de negocios para identificar debilidades y oportunidades en las prácticas de administración de datos existentes. El plan del equipo era liberar oleadas de nuevos servicios de datos y aplicaciones en periodos de cuatro meses, implementar nuevas herramientas de administración de datos, desarrollar servicios de entrega de datos con las unidades de negocios y afinar procesos basados ​​en la retroalimentación de los clientes.

  • A los pocos meses del lanzamiento inicial del proyecto de datos ágiles, el banco pudo cargar datos relevantes para casos particulares de uso empresarial en un entorno común e identificar elementos críticos necesarios para proporcionar servicios a las unidades de negocio. El éxito en las áreas de elevado potencial del negocio permitió al banco extender el uso del lago de datos a otras áreas en los meses siguientes.

  • El cambio de estructuración de todos los datos fue significativo. El banco fue capaz de romper los silos de datos. La información de los sistemas se podía encontrar ahora en un lugar y los empleados podían acceder a múltiples formas de datos (demográficos, geográficos, sociales, etc.) para obtener una visión de 360 ​​grados de los clientes. La colaboración entre las unidades de negocio y el grupo de TI aumentó, al igual que las puntuaciones de satisfacción de los empleados y clientes. Cada vez más empresas están experimentando con estos lagos de datos, con la esperanza de capturar las ventajas inherentes a los flujos de información que son fácilmente accesibles independientemente de la plataforma y el caso de negocio y que cuestan menos para almacenar que los datos en los almacenes tradicionales. Sin embargo, al igual que con cualquier despliegue de nueva tecnología, las compañías necesitarán reimaginar sistemas, procesos y modelos de gobierno. Habrá preguntas inevitables sobre protocolos de seguridad, grupos de talentos y la construcción de una arquitectura empresarial que asegure flexibilidad no sólo dentro de pilas de tecnología, sino también dentro de las capacidades empresariales.

  • La experiencia de los autores del artículo sugiere que un enfoque ágil para la implementación de lagos de datos puede ayudar a las empresas a subir la curva de aprendizaje de forma rápida y eficaz.

    tags:estrategia_bancaria

Posted from Diigo. The rest of my favorite links are here.

Deja tu comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *