Archivo de la categoría: Cloud Computing

Big Data el próximo gran paso de los Gerentes de Proyecto – Principales retos.

“Aunque los Gerentes de Proyectos aún no abrazan completamente el poder de la BigData los primeros que la hagan aprovecharán sus ventajas”

 

La BigData viene en oleadas. Los primeros en adaptarlas fuerón los militares utilizando modelos de datos para encontrar terroristas en Baghdad, posteriormente lo empleo la policía local para ubicar las casas donde probablemente podían habitar inmigrantes ilegales y donde podían surgir nuevos puntos delicitivos. El comercio minorista desde hace 4 años viene empleando soluciones de BigData para extraer datos y dar respuestas a problemas complejos como el periódo de vida útil de los clientes y los productos más adecuados para ventas cruzadas. El sector producción y de servicios también se ve beneficiado. Por ejemplo las líneas aéreas pueden preveer cuando algunos componentes requieren ser cambiados de modo que los ingenieros puedan programar su reemplazo.

¿Que esta pasando entonces en las empresas y en las Gerencia de Proyectos?  Según el Dr Mathieu d’Aquin de Open University, que es una industria de medios basados en el conocimiento de la BigData: “No existen aplicaciones que muestren la importancia de la Gestión de Proyectos de la BigData en las empresas”, esto debido a que es un sector que recién esta introduciendose y en segundo lugar que por el momento requiere un alto grado de especialización.

Por ejemplo uno de los proyectos de BigData es el del Gigante Energético Centrica, que posee actualmente 3 millones de clientes, y que quiere ampliar su cobertura a 5 millones a fines de año. Para hacerlo necesita maximizar el uso de los datos, de modo de dar a la gente de marketing información de fidelización de clientes y campañas de productos exitosas en las que el personal pueda focalizarse. Pero como participante nuevo en el sector, Centrica no estaba preparado  y sus datos se almacenaban en una gran variedad de islas no compatibles lo que hacia imposible observar la correlación entre los datos. Centrica se asocio con HortonWorks uno de los principales creadores de la tecnología Hadoop y que esta posicionado en los grandes proyectos de BigData.

El proyecto estaba basado en 3 niveles de datos: el primer nivel formado por los datos de facturación y recursos humanos entre otros que son de volumen reducido, el segundo nivel formado por los datos de los centros de contacto e interacciones con la web que son de volumen medio, y finalmente el tercer nivel de datos formado por medidores inteligentes y sensores automáticos que definitivamente son BigData. En total Centrica incorporó 300 Gigabytes de nuevos datos por día, reuniendo toda su información en un solo lugar conocido como DataLake. Esta es una base de datos de 4 PetaBytes. Se agregarón tecnologías de busqueda con sencillas interfaces, y actualmente mas de 500 personas pueden desarrollar consultas y análisis con los datos, creando reportes y cuadros de mando. Los gerentes de proyectos pueden ver el avance de sus proyectos, los gerentes de marketing pueden interactuar con los datos de los clientes, etc.

Mucho mejor aún todos pueden utilizar los datos en forma personalizada, sin necesidad de recurrir a un científico de datos. Los gerentes de proyectos que deseen especializarse en BigData lo pueden hacer sin temor a los cambios acelerados de las tecnologías de BigData. El aprendizaje de códigos complejos de programación y empleo de científicos de datos especializados para convertir datos no estructurados en información como paso necesario es un mito.

Los gerentes de proyectos necesitan tener acceso a herramientas que simplifiquen los procesos como funciones de busqueda semanticas, data discovery, preparación de datos personalizados. En lugar de emplear el 80% del tiempo en la preparación de datos, los gerentes de proyectos deberían aprovechar las soluciones automatizadas para liberar recursos que podrían emplearse para crear conocimiento en la empresa. En su lugar los gerentes de proyectos deberían abocarse a aprender como etiquetar y emplear los datos para entregarselos a los clientes. Los datos deben estar en el corazón del servicio y debería haber una transición suave entre la entrega del proyecto y la administración de parte del cliente. Debemos tener en cuenta que asi como un edificio se construye en 3 años este edificio estará ahí por 30 años mas. Asi pues los gerentes de proyectos deben asegurar a los clientes la obtención del máximo beneficio durante la vida y uso de la plataforma.

Como contrapartida debemos indicar que hace 1 año, Gartner estimo que el 60% de los proyectos de BigData fallaban, pero la realidad ha demostrado que la situación es mucho peor. Según Nick Heudecker analista de Gartner la tasa de fallas de los proyectos esta cerca al 85%, debido a la dificultad de integrar estas plataformas modernas de procesamiento de datos masivos, en las infraestructuras y culturas empresariales actuales que no están preparadas para incorporar estas nuevas tecnologías.

main-challenges-implementing-big-dataDe acuerdo a Nick Heudecker que ha trabajado en decenas de proyectos fallidos, las causas principales de estos fracasos residen en la integración de estas plataformas con los procesos y aplicaciones de negocios, el rechazo del personal, las políticas internas, la falta de competencias técnicas y los retos de seguridad y gestión.

Es interesante observar como la Gerencia es la principal barrera de los proyectos de Big Data, considerando que estos proyectos tienen el poder de transformar los negocios y convertirlos en altamente rentables. De otro lado si se les consulta a los Gerentes sobre los resultados de estos proyectos, el 80% contradictoriamente les dira que han sido exitosos y que han entregado grandes resultados de acuerdo a la encuesta de la empresa NewVantage Partners. Sin embargo los equipos de implementación indican que mas del 85% de los proyectos de BigData fallan, como lo ha descubierto Gartner, en gran parte debido a la tendencia de que los gerentes confian en sus instintos mas que en los datos según revela la encuesta de Fortune Knowledge Group.

Si hay alguna tendencia aleccionadora en estos resultados esta reside en la dificultad del cambio cultural y organizacional con relación a las soluciones de BigData. Más del 85% de los encuestados han mencionado que sus empresas han iniciado programas orientados al manejo de la cultura de datos , pero solo el 37% han tenido éxito.

La tecnología no es el problema en los proyectos de BigData,  sino las competencias de administración, el alineamiento organizacional y la resistencia al cambio organizacional. El problema según Heudecker es que las organizaciones necesitan un plan de implementación ya que la mayoría de empresas trata los proyectos de BigData como una terapia de tecnología menor.  Aquí no hay sorpresas ya que los grandes proveedores de datos ofrecen siempre lo mismo: Soluciones caras, complejas, de alta especialización tecnológica y con resultados mágicos en el corto plazo. Es esta la promesa de los nuevos proveedores de BigData, pero es la misma promesa que asegura el fracaso de los proyectos de BigData. La clave es alinear las expectativas.

Esta tambien el problema de avanzar demasiado rápido. Por ejemplo Ronda Swaney de HortonWorks, cree que las empresas deben construir pequeños proyectos y desarrollarlos rápidamente integrandolos en iniciativas mas amplias en la empresa. Aunque los grandes proveedores de BigData desean iniciar proyectos de gran escala la experiencia de fracasos nos indica que el camino mejor es iniciar proyectos reducidos e ir creciendo progresivamente. Dada la tasa actual de proyectos exitosos 15% es hora de probar algo diferente.

Anuncios

Gartner Cuadrante Magico para las Plataformas de Analítica de Marketing Digital 2017

Si desea apoyar la difusión de la Business Analytics dejenos sus referencias: Formulario de Colaborador

Formacion en Analítica e Inteligencia de Negocios con LPI (2017)

Si desea apoyar la difusión de la Business Analytics dejenos sus referencias: Formulario de Colaborador.

Cursos de Inteligencia de Negocios y Analítica con LPI Abril 2017

Si desea apoyar la difusión de la Business Analytics dejenos sus referencias: Formulario de Colaborador.

Implementación de un Modelo de Regresión y Clasificación con SAP Predictive Analytics (Parte III: Análisis del Modelo)

Si desea apoyar la difusión de la Business Analytics escribanos a service@addkw.com

Implementación de un Modelo de Regresión y Clasificación (Parte I: Definición de Parámetros)

Si desea apoyar la difusión de la Business Analytics escribanos a service@addkw.com

 

Cuadrante Mágico de Gartner para las Plataformas de Analítica Avanzada 2016

Si desea apoyar la difusión de la Business Analytics escribanos a service@addkw.com