Cómo superar los 5 principales errores de la infraestructura de datos

0
48

A pesar del aumento de las inversiones en plataformas y aplicaciones de infraestructura de datos, muchas organizaciones siguen cometiendo errores importantes. Como resultado, se quedan muy lejos de los objetivos de mejora de la eficiencia, aumento de la productividad y mayor rentabilidad.

Hay algunas razones clave. Entre ellas, la falta de agilidad, la falta de adaptación al cambio y la incapacidad de escalar los resultados. En respuesta a estos problemas, Michael Katz, CEO de MParticle, compartió sus ideas sobre por qué las organizaciones son víctimas de estos desafíos, y lo que pueden hacer para superarlos.

Fundada en 2013, a MParticle se le atribuye la creación en gran medida del espacio de la plataforma de datos de clientes. La empresa ofrece una infraestructura de datos de clientes que ayuda a los equipos a unificar su pila de marketing y mejorar el compromiso de los clientes. Katz dice que MParticle no entrega las campañas, «las hacemos mejores mejorando la calidad de los datos y enriqueciendo continuamente el contexto del cliente a través de múltiples canales y socios.»

A continuación se presentan cinco de los principales pasos en falso que Katz ve que los clientes cometen y lo que se requiere para una ejecución exitosa.

Error nº 1: No empezar con una estrategia clara de datos de origen.
«La clave para evitarlo es mejorar la colaboración entre los creadores y los consumidores de datos y alinear los objetivos del negocio y los flujos de trabajo establecidos con los requisitos de recopilación de datos», dijo Katz.

Error nº 2: Asumir un estado estable en la empresa en lugar de resolver la entropía de los datos.
«La clave para evitarlo es, en primer lugar, definir los riesgos e identificar las vulnerabilidades a esos riesgos», explicó Katz. «Lo siguiente es implementar una arquitectura de datos con un marco de observabilidad integrado que pueda ayudar a la empresa a ser más resistente. Por último, la organización necesita establecer flujos de trabajo para la escalada».

Error nº 3: Crear una arquitectura de ELT sin objetivos y requisitos empresariales claros por adelantado.
Katz subrayó que «la clave para evitarlo es comprometerse con un proceso de diseño de datos en colaboración y establecer flujos de trabajo bien definidos en torno al gobierno y el consumo de datos.»

Error #4: Confiar en excesivas transformaciones de dbt como solución rápida a la mala gobernanza y la deuda de datos.
«La clave para evitarlo es tratar los datos como un producto», dijo.

Error #5: Confiar en conductos de datos generalizados para resolver casos de uso complejos de participación del cliente.
«La clave para evitarlo es informarse sobre los requisitos de salida al mercado y los matices relacionados con el marketing, y elegir una canalización más orientada a la opinión pública/concreta, como la infraestructura de datos de clientes», afirma Katz.

Además, Katz subraya que ninguna plataforma o canalización de datos resolverá por sí sola los retos de nadie.

«El éxito requiere la colaboración entre los equipos, una voluntad cultural de aceptar el cambio, los incentivos adecuados y los flujos de trabajo correctos», explicó. «Más concretamente, comienza con la creación de una estrategia de datos de primera parte que alinee los requisitos de recopilación de datos con los objetivos y resultados empresariales. Requiere un compromiso para invertir activamente en la protección y mejora de la calidad de los datos y establecer un marco de gobernanza por adelantado.»

CambioDigital OnLine | Fuente WEB

Custom Text
Artículo anteriorKaspersky: ciberataques afectan la supervivencia de un tercio de PyMES en la región
Artículo siguienteSlack sube sus precios y hace grandes cambios en su plan gratuito