Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y de análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Obtener más información

La integridad de los datos debe ser parte de la conversación de regreso al trabajo

  • Predictive Analytics

DataCovid

Los modelos de datos que predicen el curso del coronavirus continúan guiando las decisiones de gobiernos y empresas, la calidad de los datos y la gobernanza deberían ser parte de la discusión.

Antes de tomar más decisiones sobre el regreso al trabajo, los ejecutivos de las compañías y los funcionarios del gobierno deben dar tanta importancia a la fuente de datos COVID-19 como al análisis de los datos.

Cada discusión sobre los modelos predictivos de COVID-19 debe incluir advertencias que describan las limitaciones de los datos. La gobernanza y la calidad de los datos son a menudo las primeras cosas que se olvidan, especialmente en una pandemia donde existe la urgencia de sacar la información.

Uno de los primeros problemas de calidad de datos que notó al principio de la epidemia fue que la mayoría de las personas que habían sido analizadas ya estaban en el hospital.

Por eso, se recomienda que las empresas analicen varios modelos que pronostican los escenarios futuros de los casos de Covid-19 para tomar decisiones sobre la reapertura de oficinas y servicios y no depender de un modelo predictivo.

Nuestra mejor defensa son los datos y comprender esos datos y usarlos para tomar las mejores decisiones posibles, aunque sabemos que los datos son limitados.

Al mirar una recopilación de datos o los resultados de un análisis, se recomienda observar cómo se recopilaron los datos, así como las características del conjunto de datos, como la demografía, incluida la edad, el sexo y la raza.

El mejor enfoque es ser honesto sobre los límites de los datos e incluir el contexto apropiado sobre el conjunto de datos, como la forma en que se recopilaron. El otro factor de complicación es que no existe un modelo de datos genérico que pueda reflejar las condiciones en una planta empacadora de carne versus un edificio de oficinas versus un hogar de ancianos. Además, la implementación de normas de gobierno de datos y la estandarización en todo lleva tiempo.

Estas son algunas de las mejores prácticas para guiar la gobernanza de datos:

Centrarse en el modelo operativo

Identificar dominios de datos

Identificar elementos de datos críticos dentro de los dominios de datos.

Definir medidas de control

Descubre la innovación

Para asegurar el éxito empresarial, ahora y a futuro, es imprescindible maximizar el retorno de la inversión existente en software, a la vez que innovar y adoptar nuevas tecnologías. Los retos que hay abordar para competir en un mundo de TI Híbrida incluyen DevOps, Seguridad, Gestión de riesgos y Análisis predictivo. Puedes obtener más información sobre cómo abordar estos retos e innovar en este enlace.