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

Administrar proyectos de ciencia de datos no es lo mismo que proyectos de TI

  • Predictive Analytics

Proyectos datos

Los proyectos de TI, los proyectos de ciencia de datos y sus resultados se ven muy diferentes entre sí. Manejarlos como si fueran iguales es una receta equivocada.

En un proyecto de TI tradicional, se identifica un caso de negocios se desarrolla un sistema para satisfacer las necesidades del caso de negocios, se elaboran plazos para los entregables y todos los alistados en el proyecto tienen la tarea de cumplir con los requisitos documentados y venir a tiempo.

Este no es siempre el caso en la ciencia de datos, en el que se pueden elaborar casos de negocios, pero llegar a los resultados deseados no siempre es sencillo y predecible. De hecho, la única métrica sólida que parece existir para la mayoría de los proyectos de ciencia de datos es que los resultados derivados de algoritmos que operan con datos deben ser al menos 95% "correctos" en comparación con un estándar aceptado para determinar la corrección.

Esta fluidez puede hacer que parezca imposible gestionar estos proyectos para obtener los mejores resultados. Aquí hay algunas maneras de hacer que la gestión funcione sin problemas.

  • Cree un marco empresarial bien definido para cada proyecto de ciencia de datos

Debe tener una persona que comprenda la misión del negocio y cómo puede ayudar la ciencia de datos. Esta persona puede garantizar que el equipo se mantenga en la tarea y que no exista una deriva del proyecto del caso de negocios original. Para mantener el enfoque en el negocio, es muy probable que esta persona provenga de TI o del negocio final.

  • Concéntrese en abordar el caso de negocios, pero no olvide los beneficios de la deriva del proyecto

La ciencia de datos es una disciplina iterativa. Experimenta con muchos algoritmos y tipos de datos diferentes en el camino para resolver un problema. Pero debido a que su lente de datos es más amplia que la de TI tradicional, siempre existe la posibilidad de descubrimientos auxiliares de los datos que pueden no estar relacionados con el enfoque directo del caso de negocios en cuestión.

  • Construir un equipo de proyecto diverso

Muchas empresas se han centrado en contratar a los científicos de datos más importantes, pero también vale la pena desarrollar el talento interno con una aptitud para la ciencia de datos, o para reclutar nuevos graduados de las universidades.

  • Comunicarse continuamente con las partes interesadas y la alta dirección

La alta dirección y las partes interesadas pueden prestar un servicio de cortesía a la función de ciencia de datos, pero no son expertos en gestión de proyectos, y habrá una inclinación a evaluar el éxito o la falta de éxito en la ciencia de datos de la misma manera que se evalúan los proyectos de TI.

  • No escatime en calidad de datos

Si los datos no son de alta calidad, los resultados que emanan de los algoritmos tampoco lo serán. El resultado puede ser conclusiones erróneas que desvían las decisiones comerciales, y nadie quiere eso. Asegure siempre la mejor calidad para sus datos antes de pasar proyectos de ciencia de datos a producción.

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.