Información sobre innovación, productividad y tecnología

Buenas prácticas en la gestión de proyectos

Con justa razón un jefe de proyectos alberga cierto escepticismo cuando se le pregunta si espera que cada paso del plan del proyecto se complete a tiempo y dentro del presupuesto. Incluso si sigue todas las buenas prácticas esenciales de gestión de proyectos, todavía existe la posibilidad de que algo se desvíe. Los proyectos suelen ser difíciles de terminar según lo planificado, pero aún así esto forma parte del desafío.

Para evitar contratiempos en los proyectos se deben hacer muchas cosas bien. No pienses que cada proyecto está condenado al fracaso. Parte de lo que debes hacer es mantenerte actualizado y aprender del conocimiento generado por administrar mejor los proyectos. 

Por lo tanto, esperando ayudar a los gestores de proyectos, sean nuevos o experimentados, veremos a continuación una lista de las 11 mejores prácticas de gestión de proyectos que deben conocerse para tener éxito. No importa en que etapa está tu proyecto, identifica la que necesitas en este momento para lograr el éxito.


1 Construir el caso de negocio del proyecto

Cada proyecto comienza con una simple idea. Pero para pasar a la acción, el proyecto debe estar detallado y especificado antes de comenzar a solicitar recursos. Se debe pensar en los diversos requisitos, recursos, obstáculos potenciales y flujos de trabajo necesarios para cruzar la meta.

Sea tiempo, presupuesto o personas, los proyectos exigen de recursos. Teniendo presente los objetivos del negocio, así como las metas a largo y corto plazo, se comprenderá cómo el proyecto encaja en el panorama general.

Esto ayudará a descubrir si el equipo o la organización tiene los recursos disponibles para completarlo en primer lugar. No es la intención bloquear las nuevas ideas. El objetivo es prepararse para las numerosas preguntas que surgirán del proyecto que se quiere iniciar.

2 Desarrollar un resumen del proyecto

Es un documento breve y conciso que debe brindar una descripción general del proyecto y su alcance. Suele emplearse para obtener aprobaciones rápidamente y la aceptación de todos los involucrados. Sin embargo, debería revisarse a lo largo del proyecto para mantener a todos en la misma página. No es necesario que sea un documento largo y tedioso.

Como mínimo, debería incluir: el nombre del proyecto, la descripción, los objetivos, el alcance, los entregables, los hitos, las métricas de éxito, el presupuesto, el cronograma y los recursos.

3 Crear un plan del proyecto

Recordemos que un plan de proyecto no es lo mismo que un resumen del proyecto. El resumen debe ser breve, una mirada de alto nivel a lo que se desea lograr. Un plan de proyecto explica exactamente cómo se completará el proyecto. En cambio, el plan debe ser un esquema más detallado de cómo se administrará el proyecto, el proceso para el equipo cumpla los objetivos y cómo llegarán a la meta.

Como mínimo, debería incluir: alcance y misión, planificación, presupuesto, equipo de trabajo, evaluación de riesgos y escalamiento, y el control de cambios.

Un plan involucra muchos factores móviles, pero respetar las cargas de trabajo del equipo será esencial al planificar. Una vez finalizado el plan, uno debe asegurarse de contar con las herramientas adecuadas para identificar los cuellos de botella, gestionar las cargas de trabajo y monitorear el progreso.

4 Establecer el alcance y los objetivos del proyecto

Es fundamental establecer el alcance y los objetivos de un proyecto. Es mas, es conveniente obtener la aprobación de todos los involucrados. También es importante establecer el alcance y la lista de objetivos en una etapa temprana del ciclo de vida del proyecto. Donde el alcance debería responder preguntas como: objetivos, entregables, estándares y limitaciones.

5 Tener una reunión inicial del proyecto

En la reunión inicial se debe invitar a todas las partes interesadas del proyecto. Es responsabilidad del lider del proyecto el asegurar que todas las partes estén alineadas. Al reunir a todos y asegurar la misma sintonía desde el inicio del proyecto, será más fácil establecer un plan de comunicación de trabajo para el proyecto.

6 Establecer una comunicación clara y coherente

La comunicación regular es una de las mejores prácticas para los gestores de proyectos. Sea su equipo interno, las partes interesadas o sus clientes, la comunicación debe funcionar de ida y vuelta. De haber un problema en la comunicación, la confianza se verá afectada y por ende la colaboración se conviertirá en una tremenda escalada.

Para las comunicaciones internas, tratar de mantenerlas en un espacio centralizado. Esto limita la confusión de dónde ir para obtener información, entregar documentos u obtener actualizaciones sobre el progreso general. Por ejemplo, la mensajería instantánea (ej. WhatsApp) facilita crear esos espacios para los proyectos, puesto que agiliza la resolución de problemas y la toma de decisiones.

Por otro lado, para dar un sentido de camaradería, no hay sustituto para las comunicaciones cara a cara, aún si se realiza de manera virtual. Es recomendable establecer reuniones periódicas del proyecto para revisar el progreso, impulsar la transparencia y mejorar la rendición de cuentas.

7 Mantener un horario y cadencia

Se trata de cuidar al equipo como el que estos cumplan sus plazos. El objetivo es evitar sobrecargar la carga de trabajo sin dejar de hacer un progreso constante. Debe establecerse un cronograma realista y alcanzable, y que pueda completar el proyecto a tiempo.

Para lograrlo, deben responderse preguntas como: ¿Cuáles son los hitos por alcanzar? ¿Qué tareas? ¿Cuándo deben completarse cada una para evitar retrasos? Y hay que tener cuidado, no solo debemos mirar calendario. Debe tomarse en cuenta la disponibilidad, el presupuesto y los recursos requeridos.

Uno podría al inicio basarse en suposiciones, experiencias pasadas y estimaciones, y está bien. Pero conforme este andando el proyecto será posible obtener información real que nos será muy útil para una mejor toma de decisiones.

8 Planificar los contratiempos y tomar medidas correctivas

Una de las principales razones por las que los proyectos fracasan es por cambios inesperados. Incluso los proyectos mejor planificados inevitablemente tendrán algún problema. Podría ser un reajuste en los plazos, los presupuestos o la gestión de las tareas. Por ello, se necesita un plan para abordar los problemas directamente.

Una forma es mediante un seguimiento a las variaciones en el equipo. Esto ayudaría a entender por qué ocurren y evitarlo a futuro. Por ejemplo, el proyecto está por superar el presupuesto y será necesario revisar el alcance del proyecto. Algunos proyectos pueden tardar más de lo previsto, lo que significa que debería considerarse la reasignación de recursos o actualizar el cronograma. Por lo tanto, no tomar acciones tempranas y decisivas para abordar las variaciones son a menudo la razón por la cual los proyectos cambian demasiado y finalmente fracasan.

9 Supervisar de cerca el proyecto y detectar cambios en el alcance

Uno de los riesgos más comunes en la gestión de proyectos son los ajustes al alcance. Básicamente, la variación del alcance se produce cuando los requisitos o las tareas de un proyecto se modifican tanto que pone el proyecto en riesgo de no terminar en la fecha límite planificada o dentro del presupuesto determinado.

El proyecto puede tener límites claros al principio, pero suelen ajustarse una vez que se ingresa a la ejecución. Antes de que uno se de cuenta, el alcance del proyecto se ha ampliado. Por ello, es importante asegurarse que los clientes y las partes interesadas comprendan las implicaciones de realizar cambios. Y si el alcance debe cambiar, actualizar el plan y avisarle a todos.

10 Realizar un seguimiento de todo lo relacionado al proyecto

Para mantener un proyecto encaminado se necesita: seguimiento de los KPIs, gestionar las variaciones y la toma de medidas correctivas, garantizar la calidad, y finalmente gestionar el riesgo. Por lejos, esta sería una buena práctica que todos deberían seguir. De vigilar estos puntos, se podrán solucionar los problemas antes que se salgan de control.

11 Mantener actualizado los documentos del proyecto

Es necesario mantener actualizada la documentación del proyecto durante todo el tiempo de vida del mismo. Esto ahorrará mucho tiempo (por lo menos los documentos esenciales) y se notará sobretodo al cierre.

En particular, se sugiere mantener actualizados periodicamente lo siguiente: matriz RACI, riesgos y problemas, solicitudes de cambio, cronograma del proyecto, y los gastos del proyecto. De esa manera, cuando sea momento de cerrar el proyecto, solo se necesitará revisar esos documentos para asegurarse de que no tener problemas pendientes.

Share:

¿Gestión de proyectos ágil o en cascada?

Una pregunta interesante y que en algunas oportunidades suele ser motivo de discusión: ¿qué metodología de gestión de proyectos es la mejor? La respuesta corta sería: dependerá del proyecto. Por ejemplo, para construir una edificio no sería viable la metodología ágil, puesto que si o si deben construirse primeros los cimientos, y luego piso por piso.

Sin embargo, debido a la popularidad de la gestión de proyectos ágiles, cada vez más organizaciones emplean la metodología ágil más allá de algunos equipos y proyectos individuales, aplicandola incluso a proyectos mucho más grandes y complejos. La metodología ágil se ha extendido incluso más allá de los equipos de desarrollo, y ahora la utilizan no solo los equipos de TI, sino también en marketing, recursos humanos, entre otros.

Por lo tanto, una de las primeras decisiones a la que nos enfrentamos cuando comenzamos a enfocar un proyecto es elegir la metodología más adecuada para el mismo. Generalmente no es una decisión sencilla, siendo necesario evaluar los requerimientos del proyecto antes de elegir la más apropiada. Entonces, pasemos a aclarar los conceptos, el alcance, así como las ventajas e inconvenientes de ambas metodologías de gestión de proyectos.

¿Qué es la gestión ágil de proyectos?

La gestión de proyectos ágil es un método iterativo de llevar a cabo proyectos que se basan en realizar publicaciones de forma continua y en integrar el feedback de los clientes. Por tanto, la posibilidad de hacer ajustes durante cada iteración fomenta la velocidad y la adaptabilidad. Este modelo es distinto al de gestión de proyectos lineal o en cascada, que sigue una ruta establecida con desviación limitada.


Los clientes y las empresas actualmente necesitan respuestas y cambios rápidos, por ello la metodología ágil proporciona la flexibilidad para hacer ajustes e iterar durante el proceso de desarrollo. Es aplicable a múltiples ámbitos en una empresa. Particularmente, en tecnología es un pilar de las prácticas de DevOps, en las que los equipos de desarrollo y los de operaciones trabajan en colaboración.

¿Qué es la gestión de proyectos en cascada?

El modelo de gestión de proyectos en cascada implica una secuencia de ejecuciones claramente definida. Son proyectos que no pasan a otra fase sino hasta que la anterior recibe la aprobación final. Una vez finalizada una fase, puede ser difícil y costoso revisar una etapa anterior. Los equipos ágiles pueden seguir una secuencia similar, pero lo hacen en incrementos más pequeños con ciclos de feedback regulares.


El modelo de gestión de proyectos en cascada sigue un enfoque lineal y secuencial. Funciona bien para trabajos que implican procesos predecibles y recurrentes, pero puede dejar a los equipos en mala posición ante los imprevistos y sin la posibilidad de adaptarse más rápido que la competencia.

Cualquier incumplimiento de plazos o cambio en el alcance durante un proyecto en cascada puede tener un gran impacto en las versiones posteriores. Además, puede resultar difícil resolver la deuda técnica o corregir errores si el equipo tiene que centrarse en desarrollar funciones nuevas y avanzar por las distintas etapas del proyecto. Por lo general, los equipos que utilizan el modelo en cascada intentan controlar los cambios al alcance mediante el Control de Cambios.

Ventajas de la gestión de proyectos en cascada

  • Requiere menos coordinación debido a que los procesos son secuenciales, con fases claramente definidas.
  • Tener claramente definidas las fases del proyecto ayuda a definir con precisión las dependencias del trabajo.
  • El costo del proyecto se puede estimar una vez definidos los requisitos.
  • Permite centrarse mejor en la documentación de diseños y requisitos.
  • La fase de diseño es más metódica y estructurada, antes de escribir cualquier software.

Inconvenientes de la gestión de proyectos en cascada

  • Es más difícil dividir y compartir el trabajo debido a que las secuencias de fases son más estrictas y los equipos están más especializados.
  • Hay riesgo de pérdida de tiempo debido a retrasos y contratiempos durante las transiciones de fase a fase.
  • Supone tener en cuenta requisitos de contratación adicionales para configurar equipos de fase especializados, mientras que la metodología ágil fomenta equipos más multifuncionales.
  • Mayor sobrecarga en la comunicación, durante la entrega entre transiciones de fase.
  • Es posible que la propiedad y la implicación en el producto no sean tan sólidas como las que ofrece la metodología ágil, ya que la atención se centra en la fase actual.

Ventajas de la gestión de proyectos ágil

  • Ciclos de feedback más rápidos.
  • Los problemas se identifican más temprano.
  • Mayor potencial de satisfacción del cliente.
  • El tiempo de salida al mercado mejora drásticamente.
  • Mayor visibilidad y responsabilidad.
  • Los equipos dedicados mejoran la productividad con el tiempo.
  • Priorización flexible centrada en la entrega de valor.

Inconvenientes de la gestión de proyectos ágil

  • Es posible que las dependencias críticas entre proyectos y rutas no estén tan claramente definidas como con el modelo en cascada.
  • Coste extra de la curva de aprendizaje organizativa.
  • Implementar una ejecución verdaderamente ágil con una canalización de implementación continua supone muchas dependencias técnicas y costes de ingeniería.

Entonces, ¿cuál elegir?

Decidir la metodología más adecuada para cada caso no es una decisión sencilla, cada proyecto, por sus características intrínsecas, requiere distintas formas de gestión. Es conveniente evaluar el proyecto con detenimiento, así como las circunstancias que lo rodean y el entorno.

La gestión ágil de proyectos es un modelo innovador para todo tipo de proyectos, no solo los de software. Al proporcionar la flexibilidad para responder a los cambios durante el ciclo de vida del desarrollo, la metodología ágil permite a los equipos lanzar productos de mayor calidad que satisfagan las necesidades de los clientes. Además, motiva a los equipos; fomenta la responsabilidad, la innovación y la mejora continua; y permite responder a los cambios sin desbordarse. Y eso le viene muy bien a cualquier proyecto.

Por otro lado, en algunas oportunidades implementar íntegramente una metodología, sea en cascada o ágil, es bastante complejo. Por ello, dependiendo del tipo de proyecto, una alternativa sería un enfoque híbrido. Es decir, el empleo de Scrum para suavizar un poco la curva de adaptación al mismo, sin perder la capacidad de introspección, transparencia e iteración de las metodologías ágiles, a la vez que introduce ciertas características de metodologías más tradicionales. Esto permite que en entornos que tienen escasa formación en enfoques ágiles, los equipos de trabajo y el cliente se sientan más cómodos.

A manera de resumen, estos serían los factores a considerar según la metodología a emplear:


En conclusión, se debe asegurar un tiempo prudente para considerar el mejor camino a seguir antes de empezar. Deben conocerse no solo los objetivos del proyecto, sino también determinar las variables, las dependencias y las actividades que son cruciales. Identificar las métricas y los factores de éxito más críticos, ayudarán a revisar cada enfoque y encontrar la mejor combinación. De ser posible, involucrar al equipo en el proceso de toma de decisiones y evaluar la familiaridad y la experiencia con diferentes enfoques. Finalmente, sea cual sea la elección que se haga, mantenerse firmes, puesto que cambiar a la mitad de cualquier proyecto, rara vez termina bien.

Share:

¿La Consultoría es adecuada para ti?

Como resultado de un par de reuniones que tuve la semana pasada, me pareció apropiado aclarar algunas ideas sobre el trabajo de Consultoría, las actividades asociadas al rol y cual sería el perfil esperado de un Consultor.


Que es la Consultoría

Es un servicio de asesoría especializada e independiente, al que diversas empresas de diferentes sectores recurren para encontrar soluciones a un problema o una necesidad de negocio. Esto se sustenta en la innovación, la experiencia, el conocimiento, las habilidades profesionales, los métodos y las herramientas.

Los cambios son una constante, sea por el entorno, las economías, los gobiernos, la competencia, las tecnologías, así como los negocios. Los cambios también generan nuevas oportunidades, pero también riesgos difíciles de predecir. Por tanto, las empresas deben estar preparadas y adoptar medidas que les permitan anticiparse y aprovechar las oportunidades. Mediante el servicio de Consultoría se ayuda los clientes a alcanzar sus objetivos, comprendiendo sus necesidades y proporcionando soluciones prácticas y efectivas, trabajando colaborativamente.

Como consultor, es posible ofrecer respuestas efectivas a complejos problemas de negocio. En ese sentido, se proporcionarán enfoques innovadores y exitosos en las diferentes interacciones con los clientes. Adicionalmente, permite reforzar e incrementar nuestras propias experiencias y conocimientos a través de la formación y la acción en proyectos e iniciativas.


Que actividades se realizarán 

Es bastante común, cuando uno recién inicia, trabajar con otros Consultores de mayor experiencia, aprendiendo de cada iniciativa y formación, participando en proyectos con una amplia variedad de clientes y dependiendo de la especialización. Sin embargo, a medida que los conocimientos y las habilidades se desarrollan, también lo hará la interacción y las propuestas de solución a los clientes. Para lograrlo, se requiere invertir en investigación, análisis y diseño de propuestas de valor, gestionando proyectos y sobre todo entregando resultados de calidad. La ubicación física podría ser remota, en tu oficina o en la de los clientes, siempre dependiendo del tipo de trabajo.

Perfil del Consultor

Aunque apasionante, la Consultoría requiere gran dedicación. Se deben poseer habilidades técnicas, pero también habilidades blandas, ya que se interactúa con una amplia gama de clientes, proporcionando distintos servicios en diversas empresas, integrándose en equipos con personas de diversos niveles y con alto grado de conocimientos. A manera de resumen, un consultor debe ser creativo, innovador, asertivo, investigador, analítico, pragmático, flexible, comunicativo, con gran capacidad para trabajar bajo presión y aprendizaje permanente. Entonces ¿la Consultoría es adecuada para ti?


Share:

¿Qué es el Gobierno de Datos y porqué es importante para los negocios?


En un post anterior explicaba la importancia de los datos de calidad para la toma de decisiones, es decir, el disponer de datos actualizados, normalizados y confiables para asegurar una correcta toma de decisiones en todo momento. Un ejemplo de lo anterior, es que seguimos atentos a los múltiples indicadores epidemiológicos, los cuales los gobiernos utilizan para tomar decisiones, y nos hacen cambiar nuestro día a día, en ocasiones de manera drástica.

Algunos aspectos que impactan la calidad de la información:

  • Facilidades de acceso a la información y sin ningún tipo de filtro. Por ejemplo, en Internet se multiplica por igual la información fidedigna y errada, convirtiendo al volumen y la veracidad en aspectos críticos.
  • Obstáculos en los sistemas y los procesos. Se generan situaciones de estancamiento o demoras en la información, dejando por fuera ciertos datos para la toma de decisiones.
  • Volúmenes significativos de información. Dejando de lado el aspecto técnico y de presupuesto, implica una adecuada planeación para “saber utilizarla”.
  • Fuentes de información no documentadas. La obtención formal o informal de información debe estar debidamente soportada al momento de utilizarse en la toma de decisiones.

El Gobierno de Datos

Siendo tan imporante la calidad y la oportunidad de los datos, aparece el Gobierno de Datos, que es la capacidad de una organización para gestionar el conocimiento que tiene sobre su información, de forma que pueda responder a preguntas como ¿qué sabemos sobre...? ¿de dónde provienen esos datos? ¿los datos están alineados con nuestra política?. Es decir, la gestión de la disponibilidad, la integridad, la usabilidad y la seguridad de los datos utilizados. Donde, una buena gestión debería incluir un consejo de gobierno, un conjunto de procedimientos definidos, y un plan para ejecutar dichos procedimientos.

Tomando como referencia el framework propuesto en el libro "DAMA-DMBOK: Guía Del Conocimiento Para La Gestión De Datos (Spanish Edition) 2a. Edición", esto se organiza en 10 disciplinas, relacionando las funciones más prácticas del data management alrededor de las funciones estratégicas del data governance.

Es así que el Gobierno de Datos ayuda a disponer de una visión integral de los datos, facilitando una responsabilidad compartida en las decisiones basadas en datos. Por otra parte, una iniciativa para el Gobierno de Datos no es algo estático, sino que se adapta en cada momento a las necesidades del negocio y se enmarca dentro de la misma organización, pasando a formar parte de su operativa.

Los principios para un buen Gobierno de Datos:

  • Los datos deben ser gestionados como un activo. Los activos son valiosos para cualquier organización porque son críticos para el modelo de negocio. Por lo cual, se deben de gestionar con cuidado.
  • Los datos se comparten. Los datos no pertenecen a una persona o función específica, son de toda la organización. Para gestionar los datos se debe pensar y actuar en los procesos de extremo a extremo, e incluso llegando más allá de los límites de la organización.
  • Existe una alta responsabilidad en la calidad de los datos. Los datos incrementan su valor al ser de alta calidad. Garantizarlo debe ser responsabilidad de todos.

Importancia del Gobierno de Datos

El Gobierno de Datos ayuda a conocer el ciclo de vida del dato para dar certeza a la toma de decisiones y asegurar su correcto uso. Por ejemplo, los datos de los clientes pueden aparecer de forma diferente en los distintos sistemas de una empresa, esto complicará la integración de datos y crea problemas que afectan a los informes empresariales y las aplicaciones de los análisis.

El Gobierno de Datos ayuda a definir quién hace qué en la gestión de datos. Determina las actividades que deben emprenderse para gestionar datos como un verdadero activo. Define quién en la organización se ocupa de cada actividad. Y determina las responsabilidades y los derechos de decisión de las personas que se encargan de los datos.

Share:

Datos de calidad para una mejor toma de decisiones


Los datos son un activo clave para alcanzar los objetivos estratégicos y facilitar el proceso de toma de decisiones.  "Los datos son el nuevo petróleo", puesto que con ellos podemos extraer información útil para los negocios mediante diversas técnicas. Mientras más cantidad de datos y de mejor calidad estos, mejores serán las predicciones que generen los algoritmos. Es decir, los datos son un complemento crucial para el desarrollo de cualquier empresa.

Lo deseable es contar con datos precisos, actualizados y completos, pero garantizar la calidad de estos no siempre es tarea sencilla.. Lograr datos de alta calidad obliga a tener una comprensión muy clara del significado, el contexto y la intención de los mismos, donde no existan las ambigüedades y además, de ser posible, contar con definiciones estandarizadas que puedan servir de base para la futura toma de decisiones.

La calidad de los datos no debemos verlo como una acción puntual, como podria ser la generación de un reporte. Debe verse como parte de una planificación de mejora continua, iterativa y con un enfoque más efectivo, que pueda proveer en cuanto a calidad, lo necesario para el éxito del negocio.

Por lo general, se producen errores e incidentes en los procesos de toma de decisiones estratégicas, en parte como resultado de la baja calidad de datos, la información incompleta, desactualizada o inconsistente. Esto impacta en la competitividad de la empresa, originando el aumento de costos de los procesos y en casos extremos a una parálisis en el intercambio de información, la investigación y las iniciativas.

Evitar estas consecuencias tan poco deseables para cualquier negocio pasan por priorizar la calidad de datos. Debe promoverse un gobierno de la información adecuado y velar por que se toman las medidas que favorezcan la integridad de datos en la organización.

Por lo tanto, la información de alta calidad es esencial en todos los ámbitos del ecosistema de una empresa. La mejora de la calidad de datos y, por tanto, de la información derivada de éstos, incluyendo el conocimiento que generan, son aspectos fundamentales para el éxito de cualquier negocio.

Share:

Elección del RPA adecuado


Vivimos la cuarta revolución industrial, la que ha traído consigo una nueva forma de hacer negocios por medio de la automatización y el intercambio de datos, donde los sistemas y las personas colaboran para alcanzar un resultado común. El RPA permitirá a las empresas realizar tareas repetitivas que requieren precisión, con una exactitud del 100%; permitirán la estandarización y la optimización de procesos reduciendo el tiempo de entrega en más de una tercera parte, con el beneficio adicional de una mejora en calidad.

Con ese fin, las organizaciones deberán modificar los roles actuales e implementar nuevos para que se adapten a las necesidades de las nuevas tecnologías. Será necesario que estén abiertas al cambio y la innovación, así como a las nuevas tecnologías, las que paulatinamente serán parte de la vida cotidiana de los negocios.

Criterios para una mejor elección de la herramienta


Respecto a los distintos RPA, las funcionalidades básicas que debería tener cualquiera de estas inicia con la disponibilidad para programar un robot, que debería tener capacidad para interactuar con varios sistemas (por mencionar algunos: capturas de pantalla, API, webservices) y realizar acciones predefinidas en función de los inputs que recibe de otros sistemas. Además, deberá contar con una característica importante que es la posibilidad de contar con una aplicación que planifique, controle y monitorice de for­ma unificada el despliegue y la ejecución de robots.


Por otro lado, estos son los criterios generales que deberían considerarse al evaluar las herramientas:
  • Facilidad de configuración del bot: debe ser posible grabar las acciones y posteriormente agregar código de ser necesario.
  • Capacidades de código bajo: por ejemplo, especificar una regla de negocio que filtre contratos por el monto del mismo
  • Atendido vs. desatendido: eventualmente se necesitarán ambos tipos de bots. Atendidos: se ejecutan bajo demanda. Desatendido: se ejecutan en respuesta a un evento y sin supervisión.
  • Capacidades de aprendizaje automático: hoy en día es bastante común extraer información de documentos no estructurados.
  • Manejo de excepciones y revisión por una persona: aún con la automatización, deberá haber espacio para que pueda revisarse alguna acción por una persona
  • Integración con aplicaciones empresariales: no sería recomendable si es que no puede obtener información de las aplicaciones empresariales que tiene en su empresa.
  • Orquestación y administración: debe poder monitorearse los bots y las excepciones, así como una adecuada gestión de las credenciales que estos empleen.
  • Bots en la nube: aún si la empresa ha invertido poco en en la nube, eventualmente lo hará, por lo que esta capacidad es muy deseable.
  • Descubrimiento y minería de procesos y tareas: cuanto más pueda ayudar el RPA a identificar y construir flujos de tareas mediante la observación, más fácil y rápido será la automatización.
  • Escalabilidad: a medida que se implementa y se manejan más automatizaciones, podrían encontrarse rápidamente con problemas de escalabilidad, especialmente los bots desatendidos. Entonces, será ideal contar con aprovisionamiento de bots adicionales según sea necesario.

Por lo tanto, deberá evaluarse cuidadosamente las distintas herramientas haciendo una prueba de concepto antes de comprometerse con una implementación. Deberán verificarse las funciones básicas, y las diferenciadoras que creen que necesitarán y/o que funcionen en su entorno. Adicionalmente, se recomienda crear algunos scripts y probar una correcta orquestación, incluyendo una prueba de un bot desatendido.

Proveedores líderes según Forrester

Existe una amplia variedad de proveedores de RPA que han desarrollado sus propias herramientas para automatizar procesos de negocio. Sin embargo, de acuerdo al informe "The Forrester Wave: Robotic Process Automation, Q1 2021", se posicionan como líderes por su propuesta de valor actual, estrategia y presencia destacada en el mercado: Workfusion, Automation Anywhere, UiPath, Microsoft, NICE y Kyron.


A continuacion, los pros y los contras de algunas de las herramientas líderes en RPA:

Workfusion

Pros
  • En su web proporciona una versión de prueba gratuita que permite, con algunas limitaciones, tener una plataforma completa de RPA desde el inicio.
  • Academia de formación online y material de aprendizaje gratuito. Para un programador, es relativamente sencillo empezar a adoptar la tecnología.
  • La integración y el funcionamiento de su OCR son muy buenos.
  • Cuenta con tecnología propia de machine learning en su plataforma SPA (smart process automation), por lo que, en aquellos procesos que requieran aprendizaje automático, obtendremos mejores resultados.
Contras
  • Al estar basada en Java, la forma de diseñar y programar los robots está más orientada a un programador que a un usuario de negocio. 
  • En algunas pruebas han habido algunos problemas de rendimiento por el alto consumo de recursos de la plataforma.

Automation Anywhere

Pros
  • La interfaz de usuario es muy intuitiva y facilita al aprendizaje de cualquier programador.
  • Como característica diferenciadora destaca la lectura de datos desestructurados y el procesado de lenguaje natural de forma nativa.
  • Dispone de metabots, un componente que facilita la obtención de objetos de webs y formularios.
  • Dispone de un market place desde donde se pueden descargar funcionalidades y desarrollos hechos por la comunidad.
  • Permite encapsular miniprocesos de negocio, que se pueden utilizar en otros bots y compartir en su market place.
  • Incorpora herramientas y toolkits para hacer testing.
Contras
  • El programa de control está por debajo, en cuanto a personalización, con respecto a otras soluciones. Tiene problemas para la gestión de las ejecuciones fallidas.
  • No funciona tan bien como otras soluciones en la automatización de entornos remotos (Citrix).
  • Está muy orientado a desarrolladores. Tanto la configuración como el diseño de los bots están basados en scripts (no visual).
  • Aunque dispone de grabadores para generar los bots, un alto porcentaje del coste está en el desarrollo.

UiPath

Pros
  • Permite comprar licencias de forma separada, lo que aporta flexibilidad y un menor coste de adopción para los usuarios.
  • Tiene una interfaz de usuario muy sencilla e intuitiva, que facilita el aprendizaje y uso de la herramienta.
  • Dispone de una versión gratuita y los robots atendidos, lo que facilita las pruebas de concepto de la herramienta.
  • Tiene integración nativa con servicios OCR, BPM y ML de terceros, que permiten complementar la automatización.
  • El orquestador convierte el manejo y monitorización de los robots en una tarea fácil. A su vez, gracias a su API, permite realizar las integraciones más complejas.
  • La comunidad es de las más activas, por lo que resulta sencillo encontrar información sobre cómo resolver un determinado problema.
  • Se adapta bien tanto a aplicaciones applets, Web en todos los navegadores, escritorio de Windows, entornos virtuales y terminales AS/400.
  • Dispone de una store donde existen componentes que se pueden comprar e incluir en nuestros robots.
Contras
  • En cuanto al desarrollo, el proceso de debugging se aleja de aquello a lo que están acostumbrados los programadores.
  • Aunque, para procesos medianos o pequeños, su interfaz visual permite que el proceso se vea muy intuitivo, para procesos medianos o grandes puede llegar a ser un problema.
  • Su política de licenciamiento presenta cierta complejidad y puede llegar a ser difícil saber qué es lo que se necesita.


Pros
  • Ofrece una solución de automatización inteligente basada en SaaS muy completa.
  • Provee una plataforma de automatización de código bajo y nativa de la nube que combina la automatización basada en la interfaz de usuario y la API con la inteligencia artificial.
  • Ofrece un conjunto de recursos de capacitación y aprendizaje, además de un amplio ecosistema de socios globales y ayuda a los clientes.
  • Los usuarios pueden comenzar instantáneamente, sin costo, y pueden implementar su primera automatización en minutos.
  • La experiencia de diseño es amplila pero intuitiva.
  • El diseñador tiene acceso a muchos entornos, como AS / 400, Citrix y un conjunto amplio de navegadores.
  • Se ofrece modelos de inteligencia artificial prediseñados y personalizables para obtener y procesar contenido estructurado y no estructurado.
  • Los clientes pueden obtener una oferta sencilla y atractiva que se adapta tanto a los usuarios empresariales como a los desarrolladores novatos y profesionales.
Contras
  • Las funciones de descubrimiento de procesos, ideación de automatización, cálculo de ROI y gestión de carteras son rudimentarias.
  • Las capacidades de implementación y administración de bots son demasiado técnicas para los desarrolladores novatos.
  • La estructura de licencias es simple, pero se sabe de mensajes confusos de los representantes de ventas de Microsoft sobre licencias y precios.


Share:

RPA vs IA, ¿son lo mismo?


RPA (Automatización Robótica de Procesos) y la IA (Inteligencia Artificial), ¿son lo mismo? La respuesta corta es: no. Aunque son términos que se utilizan indistintamente o existan conceptos como Automatización Inteligente, lo cierto es que se trata de tecnologías diferentes. Por otro lado, existen confluencias entre ambas y combinadas ofrecen un increíble potencial.

Pero, ¿a qué nos referimos exactamente cuando hablamos de Inteligencia Artificial o cuando nos referimos a RPA?

La IA aprende de comportamientos pasados y mejora las decisiones de manera autónoma. En combinación con el PNL (Programación Neurolingüística) o el Machine Learning (Aprendizaje automático), usando algoritmos que le ayudarán a mejorar al máximo la comprensión.


La IA está presente en nuestro día a día, por ejemplo quien no conoce los asistentes virtuales de voz, Siri o Alexa,; en la detección facial en los smartphones; o integrados en nuestros dispositivos cotidianos a través de los bots. El objetivo de todas estas soluciones es ayudarnos para hacernos más cómodo nuestro día a día.

Por otro lado, el RPA es un robot software que simula las acciones de una persona realizando una serie de tareas repetitivas y basadas en reglas, interactuando con la interfaz de usuario de un sistema informático. Debe iniciarse con un trigger digital, por ejemplo, cliqueando en un botón y la lógica del bot se basa en datos totalmente digitalizados.


El RPA asume un alto volumen de carga de trabajo, agilizando trámites y eliminando errores, haciendo que los procesos sean más eficientes. Además, se trata de una tecnología poco invasiva y que se integra perfectamente con los sistemas que ya están implantados en la organización.


Entonces, ¿dónde está la diferencia? Digamos que RPA es un software que imita las acciones humanas, mientras que la IA trata de imitar la inteligencia humana. Por tanto, podíamos resumir que la automatización de procesos “realiza”, mientras que la Inteligencia Artificial, como el Machine Learning, “aprende”.

Otra diferencia entre ambas es su enfoque de trabajo. Mientras que RPA se basa en un proceso o conjunto de reglas que hay que definir claramente, la Inteligencia artificial maneja datos, de los que deduce, mediante el entrenamiento del algoritmo, la respuesta adecuada.


Aunque se trata de dos conceptos diferentes, su combinación ofrece un gran potencial, siendo la Automatización Inteligente la que aglutina ambas tecnologías en una misma solución. ¿Cómo sería un proceso de automatización inteligente?

Por ejemplo, en un proceso de gestión del talento en una empresa, se recibirían los documentos de altas y bajas de los colaboradores. Este proceso reúne la información mediante correos electrónicos y actualiza los sistemas de la empresa, obteniendola de lo que se recibe y verificandola con los sistemas de gestión.


Esta solución tiene dos elementos básicos: uno que se encarga de analizar la documentación mediante procesamiento de lenguaje natural, transformar las imágenes en texto, recopilar la información y transformarla en datos estructurados. El otro componente se dedica a ejecutar las transacciones con los sistemas de gestión siguiendo determinadas reglas de negocios. Esta combinación permite llevar a cabo procesos más complejos y abre las posibilidades.

Con RPA sería imposible definir todas las reglas necesarias para procesar información e imágenes incluidas en los documentos que se procesan. ¿Cómo se resuelve? Gracias a la Inteligencia Artificial, que extrae los datos estructurados tal y como lo haría una persona. Por lo tanto, la Automatización Inteligente abarca todo el proceso: descubrimiento, automatización y optimización. Asi, permite permitiendo automatizar procesos de punta a punta y organizar trabajos entre bots y personas. 

Share:

RPA vs BPM: Automatización de procesos

Algo que a veces se escucha es que RPA y BPM son lo mismo. Es decir, que RPA automatiza los procesos de principio a fin como lo hace actualmente BPM. Esta idea equivocada se olvida que RPA es una tecnología y BPM es una disciplina, además que el RPA no está diseñado para hacer eso. Ocurre que aunque BPM y RPA operan con una lógica de proceso similar basada en eventos, acciones, condiciones y bucles, el contexto sobre el que se aplican es diferente.


Las principales diferencias se encuentran en la definición de los flujos de trabajo, ya que para el primero son genéricos y para el segundo son específicos. Además, uno de los objetivos de BPM es involucrar a las personas en los procesos, mientras que RPA pretende reemplazar las tareas humanas repetitivas. Y si hablamos de retorno, en BPM no es inmediato, pero en RPA sí. 

En la siguiente imagen se pueden ver estos aspectos en los que difieren ambos conceptos.


En caso se trate con un flujo sencillo, que no tiene muchas excepciones, un bot podría sustituir a un proceso BPM. Sin embargo, en la otra mayoría de casos, y dado que sus objetivos son similares (aumentar la productividad y la eficiencia), BPM y RPA pueden trabajar de manera conjunta.

En muchas ocasiones, una organización no siempre puede tener los recursos y el tiempo para implementar completamente un proceso, o tener un proceso que no requiera ninguna participación humana. Por lo tanto, la implementación conjunta de BPM y RPA podría generar un valor mucho mayor que un enfoque meramente tecnológico.

En definitiva, RPA y BPM no están en conflicto la una con la otra. Aunque ambas buscan la optimización de procesos, su área de influencia es diferente, y cada caso requerirá mayor presencia de una o de otra, aunque la mayoría de las veces la mejor solución será implementar ambas.

Aunque RPA puede resultar  más llamativo en primera instancia, muchas de la veces lo que una empresa necesita es establecer un flujo de trabajo adecuado entre sus departamentos y empleados, en vez de optimizar una tarea repetitiva en cuestión.

Cómo combinar BPM y RPA

Por lo general, resulta mejor estrategia comenzar estableciendo un flujo de trabajo adecuado a nivel empresarial, y a partir de éste detectar cuellos de botella. BPM es la herramienta ideal para este caso, tanto en producción como con la posibilidad de la simulación estadística para estimar tiempos y recursos. A partir de la detección de cuellos de botella, una optimización del proceso BPM puede resultar suficiente, y si el caso lo requiere, se puede utilizar RPA para solventar el problema.

Share:

¿Qué es RPA y porqué es importante para los negocios?


La automatización robótica de procesos, mejor conocida como RPA por sus siglas en inglés, consiste en el uso de robots de software (bots) para realizar tareas repetitivas de solían encargarse a las personas. La mayoría de este tipo de herramientas se ejecutan en una simple computadora y pueden realizar tareas rutinarias, como pasar registros de una base de datos a un Excel.

Aparentemente los bots trabajarían en tareas simples. Sin embargo, pueden ser muy importantes para que una empresa funcione de manera más eficiente e incluso como parte de una estrategia de gestión de procesos empresariales (BPM). Por otro lado, el RPA forma parte de la tendencia que promueve añadir nuevos niveles de calidad y productividad, en la estrategia de Transformación Digital de toda empresa.

En otras palabras, un software que nos permitirá automatizar una serie de tareas predecibles, medibles y configurables. Es importante enfatizar que el proceso debe contar con las características antes mencionadas, ya que nos permitirán cuantificarlo en el tiempo para calcular su retorno y re-configurarlo si algo cambia en el proceso. Lo anterior es debido a que hasta ahora, la mayoría de los robots no son capaces de tomar decisiones autónomas.


RPA es importante para los negocios

Los datos son la materia prima de la economía digital. Dos trillones y medio de datos son generados cada día, que se multiplican cada año, y de los que solo se explota entre el 5% y el 10%, según IDC.

La tecnología es la respuesta para lidiar con esta cantidad ingente de información y permitir a las empresas lograr el máximo potencial, mejorando la experiencia de sus empleados y sus clientes.

Y es que se estima que hasta un 45% de las actividades laborales pueden ser automatizadas en los próximos años y que en 2022 el 72% de las interacciones con clientes se hará a través de tecnologías emergentes.

RPA se puede utilizar en innumerables entornos y procesos. Entre ellos están:
  • Tareas repetitivas que se ejecutan N veces al día.
  • Reportes periódicos para la toma de decisiones y análisis de datos.
  • Envío masivo de correos electrónicos y extracción de información de fuentes alternas.
  • Transformar datos en modelos gráficos y/o de decisión.
  • Transacciones de aplicaciones ERP.
  • Mantenimiento preventivo de sistemas integrales.

En consecuencia, al implementar soluciones basadas en RPA tendremos:

  • Ahorra tiempo y costes: un bot en promedio es de 10 a 15 veces más rápido que un ser humano.
  • 24x7: trabajan ininterrumpidamente durante 24 horas sin necesidad de hacer descansos.
  • Sin errores: la probabilidad de error es nula.
  • Multiplica la eficiencia: la mejora de la eficiencia de los procesos se sitúa entre un 50% y un 90%.
  • Amortización en solo 3 meses: con una solución de automatización robótica de procesos en modo pago por uso se tendrá un rápido retorno. Aparte de no acarrear costes operativos, se venden en bloques de horas sin necesidad de inversión inicial.
  • Integración: las mejores soluciones de RPA pueden combinarse con otras tecnologías como OCR e Inteligencia Artificial y funcionalidades como la firma certificada, la validación de flujos, la trazabilidad, el reporting o la validación de firmas digitalizadas, entre otros.
  • No intrusivo: RPA se puede implementar sin causar disrupción en los sistemas de la organización. Los robots se podrían conectar a las aplicaciones web de forma sencilla, sin necesidad de que intervenga el departamento de TI.


RPA llegó para quedarse

El mercado de robotización RPA está en auge gracias a las mejoras en productividad y de experiencia de usuario y los ahorros que genera la automatización de procesos. Gartner calcula que un 85% de las empresas con ingresos superiores a 1.000 millones de dólares habrán desplegado RPA a finales de 2022, un porcentaje que a finales de 2018 ya era del 60%. Por su parte, la consultora Forrester prevé que el mercado de automatización robótica de procesos crecerá más de un 60% anual, pasando de 250 millones $ en 2016 a 2.900 millones en 2021.

Queda claro. La automatización de procesos con RPA es el complemento ideal para los empleados que, liberados de las tareas repetitivas, pueden centrarse en ser más creativos, aportando así más valor a su empresa.

Share:

Los servicios de recopilación de datos ayudan a las organizaciones a lograr el impacto comercial adecuado

Hoy en día se exige que todos los procesos, las decisiones y las acciones comerciales se alimenten con análisis. Las innovaciones tecnológicas han llevado a una abundante disponibilidad de datos y el análisis de estos se ha convertido en un proceso básico en negocios de todo tamaño y tipo. A medida que las empresas los recopilan para obtener una ventaja competitiva en la industria, las empresas de recopilación de datos se convierten en un facilitador en su búsqueda: agrupar, categorizar y procesar datos para obtener información crítica para el negocio (tal vez el servicio más conocido es Google Analytics). Ayudan a las organizaciones a liderar iniciativas exitosas basadas en datos superando tres desafíos: acumulación, análisis y acción.



La necesidad de servicios de recopilación de datos

Considerar la estadística de la Encuesta global de datos y análisis de PwC que indica que las organizaciones basadas en datos tienen tres veces más probabilidades de mostrar una mejora sustancial en la toma de decisiones. A menos que los datos sean creíbles y estén procesados ​​estratégicamente, cualquier información que se derive de ellos será defectuosa, lo que costará recursos y tiempo. Los servicios de recopilación de datos permiten a las empresas obtener los datos relevantes necesarios para estrategias sólidas y decisiones comerciales. La recopilación rentable de datos precisos y específicos ha sido una piedra angular de la economía del conocimiento, la base de las empresas que van desde empresas emergentes de agregadores hasta corporaciones globales. Los servicios de recopilación de datos ofrecen el enfoque correcto hacia el primer paso de la inteligencia empresarial, ayudando a las empresas a superar a sus pares en la industria.

Casos de uso habilitados para datos

Las empresas de recopilación de datos tienen el potencial de capitalizar lo que los datos tienen para ofrecer. En otras palabras, tienen capacidades técnicas superiores para recopilar, analizar y visualizar los datos a través de procesos automatizados, respaldados por un grupo altamente competente de profesionales de minería de datos. Las estructuras de gestión de datos ágiles y multifuncionales les permiten ayudar a las organizaciones de los clientes a obtener los conocimientos correctos y, por lo tanto, hacerlos pivotar en un panorama altamente competitivo. Las tres formas principales a través de las cuales los proveedores de recopilación de datos ayudan a las organizaciones clientes a acentuar el impacto comercial son:

1. Implementación de un nuevo modelo comercial

La implementación basada en datos de nuevos modelos comerciales alinea los objetivos comerciales con el estado actual y previsto de la oferta y la demanda. Los servicios profesionales de recopilación de datos ayudan a las organizaciones a expandir la cartera de la empresa a una gama más amplia, agregar más valor, respeto y credibilidad que respaldan la propuesta de valor. El proveedor puede ofrecer datos relevantes o conocimientos prácticos o cualquier otra información secundaria valiosa extraída de los datos.

2. Estrategias de experiencia del cliente

La optimización del espacio y las estanterías, la venta cruzada y adicional, la optimización de existencias y reabastecimiento, las estrategias de precios dinámicos y la optimización del surtido son algunas de las actividades que requieren datos sustanciales de los clientes. Aprovechar los resultados impulsados ​​por conocimientos puede ayudar a las partes interesadas a gestionar de forma eficaz tales actividades centradas en el cliente. Las empresas de recopilación de datos proporcionan los datos necesarios en función de los objetivos y procesos comerciales. Básicamente, facilitan que una empresa planifique de manera efectiva la experiencia de sus clientes y ofrezca servicios en consecuencia.

3. Optimización de las operaciones comerciales internas

Los conocimientos basados ​​en datos ayudan a optimizar los procesos internos de una empresa. La optimización de la cadena de suministro, la planificación de la fuerza laboral, el mantenimiento predictivo, la planificación de la demanda y la prevención del fraude son algunos de los procesos que se pueden mejorar con el beneficio de los datos. Las empresas que se ocupan de la recopilación de cantidades masivas de datos pueden subcontratar su recopilación principal a los servicios de recopilación de datos, esencialmente descargando el trabajo para optimizar los costos.

De la información a la acción: convertir datos en valor empresarial

Las preferencias cambiantes de los consumidores ha obligado a las empresas a recopilar y analizar datos para prosperar. Sin embargo, invertir en la recopilación de datos cuando los consumidores tienen expectativas en tiempo real de las marcas y empresas es un desafío.

Millones de datos en forma de aplicaciones, comentarios de los consumidores, publicidad, atribución, etc. hacen que esta tarea sea aún más difícil. Por lo tanto, las empresas que contratan servicios de recopilación de datos emergen como líderes en un panorama en constante evolución. Además, obtienen ventajas en términos de tecnología e infraestructura que permiten el acceso a información derivada de análisis avanzados que generan impacto comercial.

La colaboración con empresas de recopilación de datos de subcontratación experimentadas y consumadas puede ayudar a las empresas a aprovechar el verdadero potencial de los datos. Todos los principales servicios de recopilación de datos en línea que brindan a las empresas pueden integrar fácilmente varias fuentes de datos, aprovechar las tecnologías más avanzadas para brindar análisis más rápidos y profundos, así como extraer información que conduzca a un mejor desempeño comercial. Los conocimientos derivados del aprovechamiento de los datos ayudan a los líderes en las estrategias enfocadas en el futuro que contribuyen al crecimiento de la organización.


Adaptado de:

https://www.datasciencecentral.com/profiles/blogs/data-collection-services-assisting-organizations-to-achieve-the

Share:

Las cinco características clave de una buena pregunta para el análisis de datos

Hay cinco características clave de una buena pregunta para el análisis de datos, que van desde la más básica hasta la más abstracta.


La primera es que sea de interés para la audiencia. Esta dependerá del contexto y el entorno en el que se esté trabajando con los datos. Si fuese algo académico, la audiencia podrían ser otros colaboradores, la comunidad científica, alguna entidad del gobierno, los patrocinadores y/o el público. Si fuese una empresa, la audiencia podrían ser su jefe, los líderes de la empresa y/o los inversores. Por ejemplo, responder a la pregunta de si las ventas de pepperoni son mayores cuando se muestra junto a la salsa de pizza y la masa de pizza o cuando se muestra junto a otros embutidos sería de interés para una cadena de supermercados, pero no para personas de otras industrias.

La segunda es que se ha verificado que aún no ha sido respondida. Con la explosión de datos, la creciente cantidad de datos disponibles públicamente y la aparentemente interminable literatura científica y otros recursos, no es raro descubrir que ha sido respondida. Un poco de investigación y discusión con expertos podrían ayudar a resolver esto. Además, incluso si aún no ha sido respondida, las preguntas relacionadas si podrían haberlo sido y las respuestas a estas son información que podría ayudar a decidir cómo proceder con la pregunta específica.

La tercera es que debería surgir de un marco aceptable. Siguiendo la pregunta anterior, sobre la relación entre las ventas de pepperoni y su ubicación en la tienda, es aceptable porque los compradores que compran ingredientes de pizza tienen más probabilidades que otros compradores de estar interesados en pepperoni y es más probable que lo compren si lo ven al mismo tiempo que están seleccionando los otros ingredientes de la pizza. Una pregunta menos aceptable sería si las ventas de pepperoni se correlacionan con las ventas de yogurt, a menos que se tenga algún conocimiento previo que sugiera que estas deben estar correlacionadas. Si se tiene una pregunta cuyo marco no es aceptable, es probable que se termine con una respuesta difícil de interpretar o en la que no se tenga confianza.

La cuarta es que debería ser respondida. Tal vez no sea necesario indicar esto, pero vale la pena señalar que algunas de las mejores preguntas no se pueden responder, ya sea porque los datos no existen o porque no hay forma de recopilarlos debido a la falta de recursos, viabilidad o problemas éticos. Por ejemplo, se tiene una pregunta sobre un estudio de ciertas células en el cerebro que causan el autismo, pero no es posible realizar biopsias cerebrales para recolectar células vivas para estudiar, las que serían necesarias para responder la pregunta.

La quinta es que es específica. Ejemplo de una pregunta general: ¿Es mejor para uno llevar una dieta más saludable? Por tanto, resulta importante seguir un proceso que refine la pregunta y tener claro qué pasos se tomarán cuando se comience a buscar datos. Siguiendo el ejemplo ¿qué quiere decir una dieta "más saludable"?. Así, el proceso de refinamiento debería conducir a una pregunta final como: "¿Comer al menos 5 porciones al día de frutas y verduras frescas conduce a menos infecciones del tracto respiratorio superior (resfriados)?" Con este nivel de especificidad, el plan a seguir es mucho más claro y la respuesta que se obtendrá al final del análisis de datos será más fácil de interpretar.

Adaptación del libro "The Art of Data Science", de Robert Peng y Elizabeth Matsui.

Share:

La ciencia de datos como arte

El análisis de datos es difícil y parte del problema es que pocas personas pueden explicar cómo hacerlo. No es que no haya personas que realicen análisis de datos de forma regular. Sino que las personas que son realmente buenas en esto aún tienen que iluminar sobre el proceso de pensamiento que siguen.


Imagina que le preguntas a un compositor cómo escribe sus canciones. Hay muchas herramientas a las que puede recurrir. Tenemos una comprensión general de cómo debe estructurarse una buena canción: cuánto tiempo debe durar, cuántos versos, tal vez haya un verso seguido de un coro, etc. En otras palabras, hay un marco abstracto para las canciones en general. De manera similar, la teoría musical nos dice que ciertas combinaciones de notas y acordes funcionan bien juntas y otras combinaciones no suenan bien. Por muy buenas que puedan ser esas herramientas, en última instancia, el conocimiento de la estructura de la canción y la teoría musical por sí solo no lo convierte en una buena canción. Se necesita algo más.

En algún momento, el compositor debe inyectar una chispa creativa en el proceso para unir todas las herramientas de composición y hacer algo que la gente quiera escuchar. Esta es una parte clave del arte de escribir canciones. Esa chispa creativa es difícil de describir, mucho menos de escribir, pero claramente es esencial para escribir buenas canciones. Si no fuera así, tendríamos computadoras creando canciones de éxito con regularidad. Para bien o para mal, eso aún no ha sucedido.

Al igual que la composición de canciones, es importante darse cuenta que el análisis de datos es un arte. Todavía no es algo que podamos enseñarle a una computadora. Los analistas de datos tienen muchas herramientas a su disposición, desde la regresión lineal hasta los árboles de clasificación e incluso el aprendizaje profundo. Y todas esas herramientas se han enseñado cuidadosamente a las computadoras. Pero, en última instancia, un analista de datos debe encontrar una manera de reunir todas las herramientas y aplicarlas a los datos para responder una pregunta relevante, una pregunta de interés para las personas.


Desafortunadamente, el proceso de análisis de datos no es uno que hayamos podido escribir de manera efectiva. Es cierto que hay muchos libros de texto de estadística y tal vez tengamos algunos de ellos. Pero ninguno de estos aborda realmente los problemas centrales involucrados en la realización de análisis de datos del mundo real.

Describir el análisis de datos presenta un enigma difícil. Por un lado, desarrollar un marco útil implica caracterizar los elementos de un análisis de datos utilizando un lenguaje abstracto para encontrar los puntos en común entre los diferentes tipos de análisis. A veces, este idioma es el lenguaje de las matemáticas. Por otro lado, a menudo son los mismos detalles de un análisis lo que hacen que cada uno de ellos sea tan difícil e interesante. ¿Cómo se puede generalizar eficazmente a través de muchos análisis de datos diferentes, cuando cada uno de estos tiene aspectos importantes únicos?

Es así que el proceso de análisis no es una "fórmula" específica para el análisis de datos, algo así como "aplicar este método y luego ejecutar esta prueba", sino que es un proceso general que, con suerte, se puede aplicar en una variedad de situaciones. Finalmente, a través de la experiencia, tanto en la gestión de analistas de datos como en la realización de estos, se observará cuidadosamente qué produce resultados coherentes y qué no produce información útil sobre los datos.


Share:

Transformación Digital no es igual a Innovación

Conversando sobre Transformación Digital, en algún momento surgió el término Innovación donde ambos parecían apuntar a lo mismo. Han sonado tanto y al mismo tiempo en las empresas, que a veces las tratan como una sola cosa y suele haber áreas como "Transformación Digital e Innovación". Pareciera que tuviera sentido ¿verdad? tener un área que se encargue de "todo lo nuevo",  especialmente si la empresa cuenta con el espíritu emprendedor, quiere estar a la vanguardia y transformar a la empresa en innovadora.

Sin embargo, no son lo mismo. Innovación implica modificar cosas, ideas o la forma como hacemos algo actualmente, mejorándolo o creando nuevos productos que impacten de manera favorable en el mercado. No creo que alguien diga "encontramos nuestro producto innovador, ya podemos cerrar el área de Innovación". Por otro lado, la Transformación Digital es un proceso estratégico que busca aprovechar las ventajas competitivas de la empresa para desarrollar competencias tecnológicas nuevas, para así construir valor diferenciado y mantenible en el tiempo. .

Es decir, se gestionan distinto, requieren diferentes roles, tienen tiempos y métricas por separado, y apuntan a expectativas y prioridades independientes. No es solo un problema de redacción, sino que esto podría acarrear problemas reales. Gestionar la innovación es algo que debe hacerse permanentemente, en cambio la transformación digital es un proceso. Todas las gestiones de innovación se parecen, en cambio la transformación digital es única por empresa. La Innovación promueve la generación de ideas, en cambio la Transformación Digital de escoger las batallas y ejecutarlas bien.

Habrán por supuesto algunos aspectos donde la gestión de la innovación y la de un proceso de transformación digital coincidan o compartan objetivos. Por ejemplo, la adopción de la agilidad y el cambio cultural necesario para tomar como propia las nuevas ideas y las nuevas tecnologías. Sin embargo, es importante diferenciarlos y definir sus propios criterios de éxito y fracaso. En la medida de que se diferencien ambas podrán recibir los recursos y el talento necesarios, en lugar de hacerlos competir internamente, con el riesgo de que uno de ellos quede desatendido.

Share:

Gobierno Digital

¿Te acuerdas de la última vez que hiciste un trámite? Probablemente no sea un recuerdo feliz. Hoy en día y sobre todo por las condiciones dadas por la pandemia, no serían pocos los ciudadanos interesados en conocer la realidad de sus países y que buscan responder a preguntas como: “¿cuáles son las características y beneficios de un gobierno digital?”, “¿cuáles son los pilares que permiten una transformación digital de gobierno?” y “¿qué casos de buenas prácticas existen en Latinoamérica y en el mundo?”, entre otras.


Un riesgo evidente que corre un gobierno que no se transforme en digital es la pérdida de competitividad. Donde, la pérdida de competitividad afecta la capacidad para atraer inversión, para desarrollar el sector empresarial y por lo tanto, para generar crecimiento económico. Además, existe el riesgo de no poder atender a una población en crecimiento y cada vez más exigente, con los recursos limitados con los que cuentan.

Por otro lado, la digitalización del gobierno tiene una influencia directa en la lucha contra la desigualdad de un país ya que influye en la efectividad de las políticas sociales. Gracias a la captura de información, el análisis de grandes fuentes de datos (big data), el aprendizaje automático o la inteligencia artificial, los gobiernos puede detectar ciudadanos con necesidades aún cuando estos no se hayan comunicado con el mismo.

Finalmente, no optar por las innovaciones que ofrece la sociedad del conocimiento hará que los gobiernos parezcan anticuados ante los ojos de sus ciudadanos, al compararlos con el sector privado. Es difícil que perciban que reciben servicios de calidad si se mantiene la cultura de la interacción presencial y el papel, mientras que el entorno se hace cada vez más digital.

Pero ¿cuáles son los pilares clave que todo gobierno necesita incorporar en una transformación digital? De acuerdo al BID estos son los 5 principales:


1. Servicios Digitales

Los servicios, comúnmente llamados trámites, son mecanismos de interacción entre las personas, las empresas y los gobiernos para acceder a beneficios, cumplir con obligaciones o solicitar algún servicio específico. De modo que un servicio digital es un trámite en el cual el intercambio de información y pagos se hacen a través de internet. Al mejorar algún servicio, hay dos objetivos a considerar: la optimización de la satisfacción y la reducción de los costos. Estos no siempre están alineados y a veces una reducción de costos implica un empeoramiento de la calidad de servicio. Afortunadamente, los servicios digitales permiten alcanzar ambos objetivos.

Sin embargo, debemos tener presente que no todos podrán ser completamente digitales. Esto debido a factores como la naturaleza del servicio (ej. la licencia de conducir requiere un examen práctico), las limitaciones socio económicas (ej. edad, nivel educativo) y las limitaciones tecnológicas (ej. falta de conectividad y/o acceso a Internet).


2. Interoperatibilidad

Se considera como interoperabilidad al marco normativo, la gobernanza y los sistemas informáticos que permite a un organismo A acceder a los datos de un organismo B. Esto ayuda a evitar que un organismo tenga que solicitar estos datos al ciudadano si es que la administración ya cuenta con ellos. También es importante aclarar lo que no es interoperabilidad. Por ejemplo, datos abiertos no es sinónimo de ella. Los datos abiertos se pueden consumir desde fuentes públicas,  mientras que la interoperabilidad está basada en el acceso a datos que están en un determinado organismo competente.

Algunos criterios que se requieren en un sistema de interoperabilidad avanzado: 1. Ser bidireccional. 2. El sistema debe contemplar la gestión de la oferta y la demanda. 3. Debe orientarse a una administración interoperable que no pida datos al ciudadano. 4. La administración pueda realizar los procesos de manera automática. 5. Ser proactiva para que el ciudadano no tenga que iniciar los trámites.


3. Datos

La mayor parte de lo que hacemos genera datos que son almacenados por diversas entidades, tanto públicas como privadas. Las nuevas tecnologías como el Big Data, la inteligencia artificial y el internet de las cosas (IoT por sus siglas en inglés), entre otras, ilustran esta tendencia. Los datos pueden mejorar la calidad de los bienes y servicios que recibimos. En el sector público, por ejemplo, los datos pueden mejorar la eficiencia y la transparencia gubernamental, informar el diseño de políticas públicas y ayudar a monitorearlas y evaluarlas. Además, los datos son un insumo para la innovación digital, fomentando emprendimientos basados en datos y empoderando a la sociedad civil.

Pero para que los datos puedan ser un insumo de las políticas públicas los gobiernos deben generar datos de calidad e interoperables. Los estándares de datos sirven para sistematizar toda la información que generan las distintas entidades de la administración pública y así poder contar con información completa sobre un tema o entidad en particular. Cabe destacar que todo el análisis necesario para aprovechar las oportunidades que ofrecen los datos requiere de una nueva generación de profesionales y talento que suele ser escaso, los llamados "científicos de datos".

4. Identidad y Firma Digital

La identidad digital es una herramienta que permite identificar de forma única y universal a los ciudadanos en el medio digital, asegurando que toda la interacción electrónica que realice tenga un alto nivel de certeza. Es importante contar con una identidad digital única entre los diversos organismos del estado, que permita un proceso de verificación y autenticación eficiente y seguro, evitando la duplicación de información y reduciendo los costos operativos.

Por otro lado, la firma digital es la herramienta que permite la validez jurídica y legal para la suscripción de los documentos en el ámbito virtual. Que la persona pueda identificarse adecuadamente y que pueda dar su conformidad con lo estipulado en ciertos documentos, como lo haría de manera presencial. No implica herramientas sofisticadas ni costosas, sino que se cuente con una regulación y una normativa legal que indique los principios básicos de la identidad y la firma digital.


5. Ciberseguridad

La tecnología forma parte de la vida de todas las personas y la utilizamos a diario. Por ejemplo, para hacer compras por internet o para organizar nuestra agenda. Nos facilita la vida, pero también incorpora riesgos de ciberseguridad que tanto los ciudadanos como los gobiernos deben tener en cuenta. En el caso de los gobiernos, los servicios podrían ser atacados, siendo los riesgos de confidencialidad, integridad y disponibilidad de la información. La ciberseguridad no es una tarea fácil pero es una condición necesaria para el desarrollo digital.

La confidencialidad significa que solo las personas debidamente autorizadas pueden acceder a la información. La integridad implica que si mi información es alterada yo voy a darme cuenta, y la disponibilidad implica que la información está disponible cuando se la necesita. Sin embargo, la ciberseguridad no se consigue de la noche a la mañana, es un proceso que toma tiempo y por lo tanto, es fundamental contar con una estrategia y planes de acción bien definidos.


Finalmente, en caso necesites conocer más acerca de los gobiernos digitales, puedes consultar estos recursos provistos por el BID:

Wait No More: Citizens, Red Tape, and Digital Government

De la Información a la Inteligencia: ¿cómo adaptar las instituciones para el análisis de datos en el gobierno?

La gestión de la identidad y su impacto en la economía digital



Share:

Recent Posts

Popular Posts