Los proyectos exitosos de big data tienen cinco requisitos, afirma Amy Gatskins, científica de datos con más de una década de experiencia diseñando e implementando proyectos de datos e inteligencia para el sector privado, las agencias del gobierno y para el ejército de los Estados Unidos.
Durante su presentación e inauguración en la conferencia Apache: Big Data North America en Vancouver, Gatskins habló de cinco factores que pueden determinar el éxito o fracaso de los proyectos de big data:
Convencimiento. A estas alturas, se sabe que los proyectos de big data necesitan convencer al liderazgo senior para tener éxito. Pero Gatskins dice que eso no es suficiente. Uno necesita la aceptación de parte de todos los niveles, incluyendo a la gerencia media y a los propios trabajadores. “Usted necesita conseguirlo de parte de los líderes senior, pero también por parte del nivel medio y por parte del nivel bajo. ¿Por qué estamos haciendo esto? Todos necesitan entenderlo”.
Urgencia. “¿Existe una amenaza existencial contra su negocio o su misión si no hace esto? Pregunta Gatskins.
Transparencia. Las personas dentro y fuera de la organización ¿saben qué estamos haciendo y por qué? ¿Se puede repetir?
La participación de expertos en el tema (SME) ajenos a las ciencias de los datos. Los SME, ajenos a la ciencia de los datos, son los que entienden sus campos en profundidad. Ellos proporcionan un contexto que le permite entender qué están diciendo los datos. Estos SME son los que frecuentemente mantienen unidos a los proyectos de big data, afirma Gatskins. “Son los SME no relacionados a la ciencia de los datos los que evitan que TI y negocios se enfrenten”, afirma ella. “Es como magia, y no estoy exagerando”.
Seguridad psicológica. Esto se trata de confianza. Los miembros del equipo, al igual que los científicos de datos y SME, deben ser capaces de confiar uno en el otro.
“Cuando hablamos de los requisitos para tener éxito, pensamos en la jerarquía de necesidades de Maslow”, afirma Gatskins. “Pero, en realidad, la verdad es que es un sistema y cualquier parte del sistema puede desmoronarse”.
Ahora le compartimos dos ejemplos de éxito de big data y uno donde casi hubo éxito.
Gatskins, que hace poco trabajó como directora del proyecto de big data en la National Oceanic and Atmospheric Administration (NOAA), relató tres experiencias personales para ilustrar su punto: Ayudar a que la Sustainment Brigade Nro. 43 en Afganistán se librara de la corrupción que acabó por hacer que los recursos cayeran en manos del grupo Talibán; ayudar a la oficina de Dubái de MetLife a crear una solución automatizada para detectar fraudes de seguro; y ayudar a NOAA con la apertura y comercialización de sus datos climáticos.
Los primeros dos proyectos cumplieron con los cinco requisitos que ella resaltó y probó exitosamente.
Gatskins, señala que, en Afganistán, quien alguna vez fue una oficial de inteligencia militar, sirvió como una mentora integrada al U.S. Army Intelligence and Security Command (INSCOM). Ella se integró con la Sustainment Brigade Nro. 43 cuando el oficial de inteligencia de esta unidad regresó a Estados Unidos. La brigada les brindaba servicios a cinco mil, pero la unidad de inteligencia solo tenía seis personas. Gatskins ayudó con el programa pionero que usaba a conductores de camión y a otros individuos, para ayudar a recolectar información que la inteligencia pudiese analizar para encontrar evidencia de corrupción y sobornos.
Cuando trabajó con MetLife en Dubái, Gatskins se avocó a realizar ajustes en los reclamos de seguro por medio de los SME para ayudar a construir una solución automatizada de detección de fraudes que resultó en un retorno sobre la inversión de más de 400%.
Para el tercer proyecto se obtuvo algo de éxito, pero no consiguió una adopción por parte de los líderes políticos de NOAA. Como resultado, también le faltó un sentido de urgencia. El proyecto sí abrió muchos de los datos de NOAA al público, aunque las organizaciones que han tenido el mayor éxito usándola hasta la fecha son las que se han usado a los SME de NOAA para entender los datos disponibles.
“Fue un equipo con un estilo igualitario y sin títulos, lo que permitió que todos tomaran decisiones muy fácilmente”, anota Gatskins. “Somos abiertos, transparentes y esto hizo que el equipo se sintiera bastante seguro”.
