MetaNeuroPlanet

“Cada línea de negocio está impulsando la transformación digital a su manera”, dice Naveen Kamat, director ejecutivo y CTO de servicios de datos e inteligencia artificial en Kyndryl, un proveedor de servicios de infraestructura de TI. “Están configurando sus propias aplicaciones en la nube, que generan datos diariamente. Luego están los datos de la web y de las redes sociales. El patrimonio de datos de la empresa se está volviendo mucho, mucho más grande; se está volviendo mucho más complejo de manejar”.

La industria de seguros proporciona un ejemplo de la complejidad del panorama de datos actual. Un desafío sustancial para una buena gestión de datos en seguros es una plétora de sistemas heredados construidos a lo largo de los años, dice Ali Shahkarami, director de datos de Allianz Global Corporate & Specialty (AGCS). “Eso es especialmente cierto para las empresas internacionales que operan a través de las fronteras con diferentes productos, requisitos reglamentarios y requisitos de informes”, señala. “La capacidad de hacer eso de manera centralizada y consistente es un gran desafío. Afecta todo lo que construyes con datos y análisis”.

Desafortunadamente, mientras que la gestión de datos se ha vuelto más desafiante, las habilidades de gestión de datos se han vuelto más difíciles de conseguir. La cantidad de personal de datos calificado se ha mantenido igual o incluso se ha reducido durante la última década, incluso cuando la cantidad de silos de datos y aplicaciones ha aumentado, dice Gartner. Eso significa que se necesita más tiempo que nunca para satisfacer las necesidades de análisis de datos integrados.

Las consecuencias para las organizaciones que no logran administrar sus datos de manera efectiva y eficiente se están volviendo nefastas. Por un lado, el costo de una gestión de datos inadecuada está creciendo. El costo de los datos deficientes puede representar alrededor del 20 % de los ingresos, estimó Thomas C. Redman, presidente de la consultora Data Quality Solutions, en un artículo del MIT Sloan Management Review en coautoría.

“Casi todo el trabajo está plagado de datos incorrectos”, escriben Redman y Thomas H. Davenport. “El vendedor que corrige errores en los datos recibidos de marketing, el científico de datos que dedica el 80 % de su tiempo a analizar datos, el equipo de finanzas que dedica las tres cuartas partes de su tiempo a conciliar informes, el tomador de decisiones que no cree en los números e instruye a su personal para que los valide”.

Redman y Davenport estiman que menos del 5 % de las empresas utilizan sus datos y la ciencia de datos para obtener una ventaja competitiva. “Las empresas no están aprovechando el potencial estratégico de sus datos”, concluyen.

Cuando se trata de implementar tecnologías avanzadas, como el aprendizaje automático y la inteligencia artificial, la gestión inadecuada de datos representa una barrera sustancial. Los programas de IA no solo podrían ser ineficaces, sino que “sin los datos correctos, construir IA es arriesgado y posiblemente peligroso” si el sesgo de datos, la diversidad y el etiquetado sistemático no son parte de una estrategia de gestión de datos, dice Rita Sallam, distinguida vicepresidenta y analista. en Gartner.

Descarga el informe.

Este contenido fue producido por Insights, el brazo de contenido personalizado de MIT Technology Review. No fue escrito por el equipo editorial de MIT Technology Review.