El Grupo de Trabajo Data Governance & Metadata de DAMA ESPAÑA en pleno debate sobre KPIS y métricas de iniciativas de Gobierno del Dato
En este debate coordinado por Alfonso Fernández Revenga y Angel Lopez Garcia, participaron Nuria Sanchez, Francisco Javier Cano Bailen, Patricia Gómez Raña, Raquel Alvear, Jose Carlos Bermejo Rubio, Rubén Arévalo Dosuna y Marta Diaz, donde el reto principal se observa en asociar las métricas de gobierno a los objetivos de negocio.
Surgieron opiniones diversas sobre las métricas, las cuales se podrían agrupar en función del objetivo que persiguen:
Activos gobernados: persiguen la identificación de los activos, qué son, dónde se encuentran, quién los conoce, quiénes los usa, para qué se usan, qué calidad tienen, siendo algunos de los ejemplos: % Activos con Owner vs total activos, %Activos con definición…
Cultura: persiguen conocer como cala la cultura del dato en las organizaciones, pues aunque tengas gran variedad de owners asignados a activos de datos, si dichos owners no creen o todavía no visualizan la importancia de una cultura data driven están como owners porque alguien les ha obligado. Algunos de los ejemplos de estas métricas podrían ser: % de asistencia a formaciones de datos, incremento de consultas en glosario de datos, % de departamentos con expertos de datos, resultados en encuestas data driven…
Time to Market: persiguen identificar la reducción de esfuerzo por tener un gobierno del dato, siendo complicado, debido a que aunque hay un gran consenso en que tener los datos “ordenados”, “clasificados” e “identificados los owners” acelera las iniciativas basadas en datos, pero no hay consenso sobre cómo medir este beneficio, puesto que sería necesario disponer de los tiempos que esas actividades suponían antes de tener los activos gobernados y compararlos contra los actuales.
Negocio: persigue lograr los objetivos marcados por la dirección, por lo que pueden englobar métricas de los apartados anteriores y adaptar el lenguaje del gobierno de datos al lenguaje de negocio para asegurar entendimiento, estando normalmente asociadas a algunos de los siguientes puntos: a) monetización de los datos, b) incremento negocio/ventas/ingresos, c) reducción de gastos / optimización de procesos internos y d) cumplimiento normativo
Otro punto que se trasladó es la necesidad de ponderar y dar más pesos a los ámbitos críticos de negocio, por lo que en todas las métricas se tendrían que definir las ponderaciones necesarias para identificar los activos más importantes.
Por la experiencia de los asistentes, se observa que la publicación de un cuadro de mando de madurez analítica puede ayudar a sacar a la luz las carencias y/u oportunidades de mejora de cada negocio o departamento, lo que sin duda ayudará a potenciar la sana rivalidad entre áreas y beneficiará de forma global a la organización
En lo relativo al time to market, se identificó que se pueden generar métricas ligadas al tiempo que la organización invertía (X horas) en obtener datos para los reportes de la alta dirección y los tiempos utilizados (Y horas) una vez que se ha puesto foco en gobernar todo el flujo de datos, incluyendo también en la ecuación el tiempo que se ha utilizado en modo “proyecto” a poner dicho orden y a realizar las posibles automatizaciones.
Por último, se vio que es crítico para poder definir métricas asociadas a los objetivos de negocio, que estos no sean abiertos. Por ejemplo, “crecer en ventas” habría que acotarlo a “crecer un 20% en ventas de la gama de productos A y en los clientes del segmento B para el próximo año”, poniendo así foco en los activos que están implicados en la consecución de dicho objetivo.
Como resumen se podría indicar que es vital que el Negocio establezca sus objetivos (Specific Measurable Achievable Realistic Time), para que desde la función de gobierno de datos se ayude con métricas específicas que logren dichos objetivos, sin olvidar otras métricas que permitan a la función de gobierno de datos evaluar el cumplimiento de su estrategia de datos.
