negocios

En la primera parte de este artículo, se introducía el concepto de estrategia del dato como el esfuerzo que hacía la organización para poner los datos necesarios al servicio de su estrategia de negocio. En esta segunda parte, exploraremos algunos aspectos relacionados con la materialización de dicha estrategia como parte del diseño o mantenimiento – en caso de que ya exista- de un sistema de gobierno del dato.

Para la materialización de la estrategia del dato se deberá abordar un entorno de desarrollo recogido y descrito en un acta fundacional que recoge algunos aspectos como la identificación de los principales responsables de la implementación, los resultados esperados, los recursos disponibles y el plazo establecidos para conseguir los objetivos. Además, contendrá un portfolio de programas de gobierno del dato que incluya proyectos individuales o proyectos relacionados específicos para abordar la consecución de los objetivos estratégicos del dato.

Es importante mencionar que la implementación de una estrategia del dato repercute en el desarrollo y mantenimiento de los diferentes componentes de un sistema de gobierno del dato:

• Procesos
• Estructuras organizacionales
• Principios, políticas y marcos de referencia
• Información
• Cultura, ética y comportamiento
• Personas, habilidades y competencias
• Servicios, infraestructuras y aplicaciones.

En este sentido, puede decirse que cada uno de los proyectos incluidos en el programa del gobierno del dato, tiene como objetivo contribuir a desarrollar o mantener uno o varios de estos componentes.

Debe tenerse en cuenta que el diseño final de este sistema de gobierno de datos se consigue de manera iterativa e incremental en el tiempo, en función de las limitaciones y posibilidades de la organización y de su contexto actual de funcionamiento. Consecuentemente, la priorización, selección y secuenciación de los proyectos dentro del programa de gobierno del dato para implementar los objetivos estratégicos del dato tiene también una naturaleza iterativa e incremental[1].

Los tres mayores riesgos que se suelen encontrar en las organizaciones con respecto a los datos son:

• No saber quién tiene que responsabilizarse de implementar la estrategia del dato,
• No tener el conocimiento adecuado de los datos en cantidad y en calidad y
• No ejercer el control adecuado de los datos, por ejemplo, cumpliendo al menos la legislación vigente.

Por eso, en la medida de lo posible, los proyectos deberían abordarse de la siguiente forma:

• En primer lugar, abordar aquellos proyectos relacionados con la identificación, selección o mantenimiento de estructuras organizativas (objetivo del tipo “alineamiento estratégico”), conocido también como marco de gobierno.
• A continuación, acometer proyectos relacionados con el conocimiento de los procesos de negocio y de los datos que se usan (objetivo del tipo “alineamiento estratégico” orientado a la descripción de los datos mediante los metadatos correspondientes, incluyendo los referidos al ciclo de vida de los datos).
• Y finalmente, proceder a la definición de políticas y los controles derivados para distintas áreas de actuación (que pueden ser del tipo “alineamiento estratégico”, “optimización del riesgo” u “optimización de recursos”).  

La aproximación por artefactos y la aproximación por procesos

A la hora de abordar la definición de estos programas de gobierno del dato, algunas organizaciones con un entendimiento de proyecto más orientado a la generación y despliegue de productos tecnológicos, siguen una aproximación por artefactos. Es decir, enfocan los proyectos que forman parte del programa de gobierno del dato como la consecución de determinados artefactos. Así, es posible encontrar organizaciones cuya primera preocupación a la hora de implantar el gobierno del dato es adquirir e instalar una herramienta específica que dé soporte, por ejemplo, a un glosario de términos, a un diccionario de datos, o a un data lake. Además, como por diversas circunstancias, algunas empresas no diferencian adecuadamente entre el gobierno del dato y la gestión del dato esta aproximación suele ser suficiente. Sin embargo, la aproximación por artefactos introduce el riesgo de “la herramienta sin el manual de instrucciones”: se adquiere la herramienta -probablemente tras una prueba de concepto del vendedor- y se despliega de acuerdo con las necesidades de la organización, pero se desconoce para qué se utiliza y cuándo hacerlo, quedándose el artefacto en numerosas ocasiones como un recurso aislado. Esto, a menos que la organización promueva un profundo cambio, puede acabar suponiendo a la larga un desperdicio de recursos al abandonarse el uso de los artefactos generados.

Una mejor alternativa, como se ha demostrado ampliamente en el sector del desarrollo del software, es la ejecución del programa de gobierno del dato con una aproximación por procesos. Esta aproximación por procesos permite, no solo desarrollar los artefactos necesarios, sino que, de partida modela la forma de trabajo de la organización con respecto a algún área de actuación, y contextualiza la razón de ser y el uso de los artefactos dentro del proceso, especificando quién debe usar el artefacto, para qué, cuándo, qué debe obtenerse al usar el artefacto, etc.

Esta aproximación por procesos es un instrumento idóneo para captar y modelar el conocimiento que la organización ya tiene con respecto a las tareas cubiertas por el proceso, y hacer que dicho conocimiento sea la referencia para nuevas operaciones que se realicen en el futuro. Además, la definición del proceso permite también particularizar las cadenas de responsabilidad y rendición de cuentas y el establecimiento de planes de comunicación, de modo que cada trabajador sabe qué tiene que hacer, qué artefactos debe usar, a quién tiene que pedir o de quién debe recibir recursos para realizar su trabajo, a quién tiene que comunicar sus resultados, o a quién debe escalar posibles problemas.

Esta forma de trabajar proporciona algunas ventajas, como por ejemplo, un comportamiento predecible de la organización con respecto al proceso; la posibilidad de utilizar esos procesos como componentes básicos para la ejecución de los proyectos de datos; la opción de reemplazar fácilmente un recurso humano; o la posibilidad de medir de forma eficiente el desempeño de un proceso. Pero sin duda, una de las mayores ventajas de esta aproximación por procesos, es que permite a las organizaciones adoptar las buenas prácticas contenidas en cualquiera de los modelos de referencia de procesos para el gobierno del dato, gestión del dato y gestión de calidad de los que existen en el panorama actual, como por ejemplo las especificaciones UNE 0077 (para el gobierno del dato), UNE 0078 (para la gestión del dato) y UNE 0079 (para la gestión de la calidad del dato).

Esta adopción habilita la posibilidad de utilizar marcos de trabajo para evaluación y la mejora de procesos, como el descrito en UNE 0080, que incluye el Modelo Alarcos de Madurez de Datos, en el que se introduce el concepto de madurez organizacional de gobierno del dato, gestión del dato y gestión de calidad del dato como un indicador del potencial de la organización para afrontar con determinadas garantías de éxito la consecución de los objetivos estratégicos. De hecho, suele ser frecuente que muchas organizaciones que adoptan la aproximación por procesos incluyan previamente objetivos específicos del dato (objetivos del tipo “alineamiento estratégico”) destinados a preparar la organización -mediante el incremento del nivel de madurez - para dar un mejor soporte a la ejecución del programa de gobierno del dato. Estos objetivos “preparatorios” se manifiestan fundamentalmente en la implantación de los procesos de gobierno del dato, gestión del dato y gestión de calidad del dato que permitan cerrar la brecha entre el estado de madurez inicial actual (AS_IS) y el estado de madurez final necesario de la organización (TO_BE).

En caso de que se elija la aproximación a procesos, los diferentes proyectos contenidos en el programa de datos generarán incrementos controlados y dirigidos en cada uno de los componentes del sistema de gobierno del dato, que permitirán afrontar la transformación de la organización para que se puedan llevar a cabo los objetivos estratégicos del negocio de la organización.

En definitiva, la implementación de una estrategia de datos se manifiesta en el desarrollo o mantenimiento de un sistema de gobierno del dato, que consigue que los datos de la organización se pongan al servicio de los objetivos estratégicos del negocio. El instrumento para conseguir este objetivo es el programa de gobierno del dato, que deseablemente debe ejecutarse mediante una aproximación por procesos para poder beneficiarse de todas las ventajas que esta aporta.

Son cada vez más las organizaciones que deciden gobernar sus datos para asegurarse de que son relevantes, adecuados y suficientes para los usos previstos, esto es, que tienen un determinado valor organizacional.

Aunque los escenarios suelen ser muy variopintos, una observación detenida de las necesidades e intenciones permite descubrir que muchas de estas organizaciones ya habían comenzado a gobernar sus datos hace tiempo, pero no lo sabían. Quizás, lo único que estén haciendo a partir de esa decisión sea manifestarlo explícitamente. Esto suele ocurrir cuando empiezan a ser conscientes de la necesidad de contextualizar y justificar dichas iniciativas, por ejemplo, para hacer frente a un determinado cambio organizacional – como la ansiada transformación digital-, o para hacer frente a un determinado reto tecnológico como la implantación de un data lake para dar mejor soporte a los proyectos de analíticas del dato.

Una estrategia de negocio puede consistir en disminuir los costes necesarios para producir un determinado producto, definir nuevas líneas de negocio, conocer mejor los patrones de comportamiento de los clientes o elaborar políticas que aborden problemas específicos de la sociedad. Para implantar una estrategia de negocio se necesitan datos, pero no cualquier dato, sino datos que sean relevantes y útiles para los objetivos incluidos en la estrategia del negocio. Es decir, datos que se puedan usar como base para contribuir a la consecución de dichos objetivos. Por tanto, puede decirse, que cuando una organización reconoce que necesita gobernar sus datos, en realidad lo que está manifestando es su necesidad de poner determinados datos al servicio de la estrategia del negocio. Y esta es la verdadera misión del gobierno del dato.

Disponer de los datos adecuados para la estrategia de negocio requiere de una estrategia del dato. Es condición necesaria que la estrategia del dato se derive y se alinee con una estrategia de negocio. Por esta razón, es posible afirmar que los proyectos que se están desarrollando (sobre todo los que buscan desarrollar algún artefacto tecnológico), o los que deben desarrollarse en la organización, necesitan de una justificación determinada por una estrategia del dato[1] y, por tanto, formarán parte del gobierno del dato.

Objetivos estratégicos del dato

Una estrategia del dato está compuesta por una serie de objetivos estratégicos del dato, que pueden ser de uno o de una combinación necesaria de los siguientes cuatro tipos genéricos:

• Realización de beneficios: consiste en asegurar que, todos los productores de datos tienen los mecanismos adecuados para producir las fuentes que soporten a la estrategia del negocio, y que los consumidores de datos disponen de aquellos necesarios para poder realizar las tareas precisas para conseguir los objetivos estratégicos del negocio. Ejemplos de este tipo de objetivos puede ser:
  
  • la definición de los procesos de generación de informes (reporting) de la organización;
  • la identificación de la arquitectura de datos más relevante para dar servicio a todas las necesidades de datos en tiempo y forma;
  • la creación de capas de servicios de datos;
  • la adquisición de datos desde terceras fuentes para satisfacer determinadas demandas de datos; o
  • la implantación de las tecnologías de información que dan soporte al aprovisionamiento y consumo de datos
• Alineamiento estratégico: el objetivo es conseguir que los datos se alineen con unos principios o directrices básicas de comportamiento que la organización ha definido, debería haber definido, o que va a definir como parte de la estrategia. Este alineamiento busca homogeneizar la forma de trabajar con los datos de la organización. Ejemplos de este tipo de objetivo pueden ser:
  
  • establecer unas estructuras organizativas que den soporte a las cadenas de responsabilidad y de rendición de cuentas;
  • homogeneizar, reconciliar y unificar la descripción de los datos en diferentes tipos de repositorios de metadatos;
  • definir e implementar las buenas prácticas de la organización con respecto al gobierno del dato, la gestión del dato y la gestión de la calidad del dato[2];
  • readaptar o enriquecer (lo que en terminología DAMA se conoce como operativizar el gobierno del dato) los procedimientos de datos de la organización para alinearlos a las buenas prácticas instauradas por la organización en los diferentes procesos;
  • o definir políticas del dato en cualquiera de las áreas de actuación de la gestión del dato[3] y asegurar su cumplimiento, entendiendo esta como seguridad, gestión de datos maestros, gestión de datos históricos, etc.
• Optimización de recursos: consiste en establecer directrices para asegurar que la generación, uso y explotación de los datos utiliza los recursos de la organización de la forma más adecuada y eficiente posible. Algunos ejemplos de este tipo de objetivos podrían incluir:
  
  • la disminución de costes de almacenamiento y procesamiento de datos a sistemas de almacenamiento mucho más eficientes y eficaces, como las migraciones de las capas de almacenamiento y procesamiento de los datos a la nube[4];
  • la mejora de los tiempos de respuestas de determinadas aplicaciones mediante la retirada de datos históricos; la mejora de la calidad de los datos;
  • la mejora de las habilidades y conocimientos de los diferentes participantes en la explotación y uso de los datos;
  • el rediseño de planes de negocio para hacerlos más eficientes; o
  • la redefinición de roles para simplificar la asignación y delegación de responsabilidades.
• Optimización de riesgos: el objetivo fundamental es analizar los posibles riesgos relacionados con los datos que pueden malograr la consecución de los diferentes objetivos de negocio de la organización, o incluso poner en peligro su viabilidad como entidad, y desarrollar los mecanismos adecuados de tratamiento del dato. Algunos ejemplos de este tipo de objetivo serían:
  
  • la definición o la implantación de mecanismos de seguridad y protección de datos;
  • el establecimiento de los parámetros éticos necesarios; o
  • el aseguramiento de recursos humanos suficientemente cualificados para hacer frente a la rotación funcional.

Una lectura detenida de los ejemplos propuestos puede llegar a hacer pensar que algunos de estos objetivos estratégicos del dato podrían entenderse como si fueran de distintos tipos simultáneamente. Por ejemplo, asegurar la calidad de los datos que se van a usar en determinados procesos de negocio puede buscar, de alguna forma, garantizar que los datos no solo se usen (“realización de beneficios” y “optimización de riesgos”), sino que también contribuyan a garantizar que la organización tenga una imagen de marca seria y responsable con los datos (“alineamiento estratégico”) que evite tener que realizar frecuentemente acciones de limpieza de datos, con el consiguiente desperdicio de recursos (“optimización de recursos” y “optimización de riesgos”).

Habitualmente, el proceso de selección de uno o más objetivos estratégicos del dato debe realizarse no solo teniendo en cuenta el contexto de la organización y el alcance de dichos objetivos en términos funcionales, geográficos o de datos, sino que también se debe considerar la dependencia entre los objetivos planteados y la forma en la que éstos deban secuenciarse. Puede ser habitual que el mismo objetivo estratégico abarque datos que se usan en distintos departamentos o incluso que se aplique a diferentes datos. Por ejemplo, el objetivo estratégico de los tipos “realización de beneficio” y “optimización de riesgos”, llamado “garantizar el nivel de acceso a los repositorios de datos personales”, abarcaría los datos personales que se pueden usar en los departamentos comercial y de operaciones.

Teniendo en cuenta las responsabilidades típicas de gobierno del dato (evaluar, dirigir, monitorizar), se recomienda el uso de la técnica SMART (por sus siglas en inglés: specific, measurable, achievable, realistic, time-bound) para la selección de los objetivos estratégicos. Así, estos objetivos estratégicos deben:

• ser específicos,
• poder medirse y monitorizarse su nivel de consecución,
• que sean alcanzables y realistas dentro del contexto de la estrategia y de la empresa y, por último,
• que su consecución sea limitada en el tiempo.

Una vez que se han identificado los objetivos estratégicos del dato, y que se cuenta con el respaldo y apoyo económico de la directiva de la organización, debe afrontarse su implementación teniendo en cuenta las dimensiones comentadas anteriormente (contexto, aspectos funcionales y dependencias entre los objetivos), mediante la definición de un determinado programa de gobierno del dato. Es interesante resaltar el hecho de que, tras el concepto de “programa”, está la idea de “conjunto de proyectos interrelacionados entre sí que contribuyen a un objetivo específico”.

En definitiva, una estrategia del dato es la forma en la que una organización pone los datos necesarios al servicio de la estrategia del negocio de la organización. Esta estrategia del dato está compuesta por una serie de objetivos estratégicos que pueden ser de uno de los cuatro tipos expuestos o una combinación de los mismos. Finalmente, la implementación de esta estrategia del dato se realizará mediante el diseño y ejecución de un programa de gobierno de datos, aspectos que abordaremos en un próximo post.

______________________________________________

Contenido elaborado por Dr. Ismael Caballero, Profesor titular en UCLM y Dr. Fernando Gualo PhD en Tecnologías Informáticas Avanzadas y – Consultor Gobierno y Calidad de datos 

Los contenidos y los puntos de vista reflejados en esta publicación son responsabilidad exclusiva de sus autores.

Insight View es una solución de analítica avanzada que proporciona información de empresas y trabajadores autónomos en 73 países. Se centra en las áreas de marketing, ventas, finanzas, compras, logística y riesgos. Su valor añadido reside en la toma de las mejores decisiones de negocio en la búsqueda de nuevas oportunidades comerciales, así como minimizar riesgos de impagos.  

1. Bases de datos actualizadas

Posibilidad de elaborar bases de datos propias a través de 25 filtros en 11 países de Europa, directivos, datos generales, etc. Descarga el Top 500 compañías por facturación de una región, actividad CNAE. También puedes recibir alertas diarias de empresas (constituidas, disueltas o en concurso). Mejora el rendimiento de las campañas de Marketing directo y Telemarketing. 

2. Situación financiera de empresas

Informes dinámicos sobre los principales indicadores financieros, empresariales y comerciales de un sector empresarial o grupo de empresas. Otra de las características es la posibilidad de comparar 5 sociedades para elegir el mejor acuerdo comercial.

3. Disminuye el riesgo de impagos comerciales

Acceso a RAI y ASNEF (solo en España). Información sobre el límite de crédito y el Rating de Morosidad realizando una simulación por importe de venta.

Tags: bases de datos empresas, ASNEF empresas, ratios financieros empresas

La adopción comercial de cualquier nueva tecnología por parte de la industria y por tanto su incorporación a la cadena de valor de los negocios, en forma de innovaciones, sigue un ciclo que puede ser modelado de diferentes formas. Uno de los modelos más conocidos es el hype cycle que utiliza Gartner en sus publicaciones. En lo que se refiere a la inteligencia artificial y la ciencia de datos, la discusión actual se centra en si se ha alcanzado ya el pico de expectativas sobredimensionadas o si, por el contrario, seguiremos viendo como aumentan las promesas de nuevas y revolucionarias innovaciones.

A medida que se avanza en este ciclo lo habitual es que se produzcan nuevos avances en la tecnología (la aparición de nuevos algoritmos en el caso de la Inteligencia Artificial) o en el conocimiento de las posibilidades de aplicación comercial de estos avances (nuevos productos o productos mejorados en precio o funcionalidad). Y por supuesto cuantas más industrias y sectores se ven afectados, mayores son las expectativas que se generan.

Sin embargo los nuevos descubrimientos no se quedan sólo en el plano de la tecnología sino que es habitual que también se profundice en el estudio y comprensión del impacto económico, social, legal o ético derivado de las innovaciones que van llegando al mercado. Para cualquier negocio es esencial detectar y comprender lo antes posible cuál es el impacto que una nueva tecnología va a tener en su cadena de valor ya que de este modo podrá incorporarla entre sus capacidades antes que sus competidores y generar ventajas competitivas.

Una de las tesis más interesantes que se han publicado recientemente para modelar y comprender el impacto económico de la Inteligencia Artificial es la que propone el profesor Ajay Agrawal junto con Joshua Gans y Avi Goldfarb en su libro “Prediction Machines: The Simple Economics of Artificial Intelligence”. La premisa es muy sencilla ya que parte de establecer que desde un punto de vista meramente económico el propósito de la inteligencia artificial es reducir el coste de las predicciones.

Cuando se reduce el coste de una materia prima o tecnología, lo habitual es que la industria comience a utilizarla cada vez más, primero para los productos o servicios para los que fue ideada y más tarde para otros que se resolvían o fabricaban de otro modo. En ocasiones incluso termina afectando al valor de productos sustitutivos (que baja) y complementarios (que sube) o a otros elementos de la cadena de valor.

A pesar de que se trata de tecnologías muy complejas los autores han conseguido establecer un marco económico para entender la IA sorprendentemente sencillo. Pero pensemos en un caso concreto, familiar para todos nosotros, en el que el aumento de la precisión de las predicciones llevado al extremo podría significar, no sólo a automatizar una serie de tareas, sino a cambiar por completo las reglas de un negocio.

Como todos sabemos, Amazon utiliza Inteligencia Artificial para el sistema de recomendaciones de compra que ofrece a sus usuarios sugerencias de nuevos productos que podría interesarles adquirir. Tal y como mencionan los autores en su libro, la precisión de este sistema ronda el 5%. Esto quiere decir que los usuarios adquieren 1 de cada 20 productos que Amazon les sugieren, lo cual no está nada mal.

Si Amazon consiguiese aumentar la precisión de estas predicciones, digamos al 20%, es decir, si consiguiese que los usuarios adquiriesen 1 de cada 5 productos sugeridos, Amazon aumentaría sus beneficios enormemente y el valor de la compañía se dispararía aún más. Pero si nos imaginamos un sistema capaz de tener un precisión del 90% en las predicciones de compra de los usuarios, Amazon podría plantearse cambiar radicalmente su modelo de negocio y enviarnos los productos antes de que decidamos comprarlos ya que sólo devolveríamos 1 de cada 10. La IA no se limitaría a automatizar tareas o a mejorar nuestra experiencia de compra sino que cambiaría radicalmente la forma en la que entendemos la industria del comercio minorista.

Dado que el principal sustituto de las predicciones que nos proporciona la inteligencia artificial son las predicciones que realizamos los humanos, parece claro que nuestro valor como herramienta predictiva seguirá bajando. El avance de la ola de automatizaciones basadas en inteligencia artificial y ciencia de datos ya nos permite ver el comienzo de esta tendencia.

Por el contrario los datos de las compañías se convertirían en un activo cada vez más valioso, ya que son el principal producto complementario necesario para generar  predicciones correctas. Asimismo, los datos públicos, necesarios para enriquecer los datos de las compañías, y así hacer posibles nuevos casos de uso también aumentarían su valor.

Siguiendo esta línea de razonamiento podríamos atrevernos a establecer métricas para medir el valor de los datos públicos allí donde se utilizasen. Tan sólo tendríamos que responder la pregunta: ¿cuánto mejora la precisión de una determinada predicción si enriquecemos el entrenamiento con determinamos datos abiertos? Estas mejoras tendrían un valor concreto que nos podría dar una idea del valor económico de un conjunto de datos públicos en un escenario determinado.

El repetido mantra “los datos son el nuevo petróleo” está pasando de ser una afirmación política o de marketing a estar sustentada por la ciencia económica ya que los datos no dejan de ser la materia prima necesaria e indispensable para hacer buenas y valiosas predicciones. Y parece claro que para que el coste de las predicciones siga bajando, el valor de los datos deberá aumentar. Simple economía.

Contenido elaborado por Jose Luis Marín, Head of corporate Technology Strategy en MADISON MK y CEO de Euroalert.

Los contenidos y los puntos de vista reflejados en esta publicación son responsabilidad exclusiva de su autor.

Los datos abiertos son una materia prima ideal para lanzar un negocio. La información que ofrecen en abierto los distintos organismos públicos abarca temáticas y sectores de lo más diverso, desde la salud y la educación hasta el turismo y la economía, pasando por las infraestructuras urbanas o el medio rural, por lo que las oportunidades son casi inabarcables.  Además, dicha información suele ser gratuita (o proporcionarse bajo un coste marginal), lo que limita los riesgos a la hora de empezar un negocio desde cero. Por ello son cada vez más las empresas que apuestan por poner en marcha negocios basados en datos abiertos.

¿Cómo evolucionan los negocios basados en datos en España?

El potencial económico que supone la reutilización de datos abiertos en nuestro país quedó patente en la última edición del informe anual de ASEDIE (Asociación Multisectorial de la Información), que analiza la situación del sector infomediaro en España. De acuerdo con el informe, los ingresos por ventas y prestación de servicios de las empresas que “utilizan datos públicos y privados para crear productos y servicios de valor añadido para la sociedad” fue de 1.720 millones de euros en 2016, lo cual supone un crecimiento del 2% con respecto al año anterior. Los tipos de datos más reutilizados fueron la información geográfica y la económico-financiera.

Estas cifras ponen de manifiesto que estamos ante un sector ya asentado en nuestro país. Casi un tercio de las empresas infomediarias tiene más de 20 años de antigüedad. Se trata de negocios sólidos, con grandes plantillas, que contribuyen al crecimiento económico de las regiones donde se ubican. Pero también es un sector que cada vez atrae a más emprendedores. Concretamente, un 23% de las empresas infomediarias ha sido fundada en los últimos 5 años.

Muchas de estas nuevas empresas buscan hacerse con un nicho de mercado poco explotado, aunando datos abiertos con nuevas tecnologías como Big data, inteligencia artificial – y sus vertientes de machine learning y Deep learning- o realidad virtual, entre otras. Sin embargo, para alcanzar el éxito en estos campos también tienen que superar una serie de retos. De acuerdo con el informe de ASEDIE, las principales barreras a las que tiene que hacer frente el sector infomediario son la fragmentación de la información, la dificultad de acceso a los datos y la existencia de formatos poco adecuados para la reutilización.

¿Cómo ayudan las administraciones públicas?

Las administraciones públicas son conscientes de esta situación, y por ello han convertido la promoción de los datos abiertos y la economía de reutilización en uno de sus objetivos. Para solucionar los retos anteriormente mencionados y ayudar a potenciar todavía más este sector, se han puesto en marcha numerosas iniciativas de impulso de la reutilización de los datos abiertos en España, algunas de las cuales se recogen a  continuación:

• La Generalitat de Cataluña ha aprobado el Plan de Gobierno Abierto  dirigido a fomentar la generación de valor social a través del uso de los datos abiertos. Este plan incluye 15 actuaciones específicas encaminadas a mejorar la apertura de datos públicos y acercarlos a la ciudadanía, fomentando  su uso. Entre las actuaciones se incluye la creación de un diccionario de datos abiertos, la migración de datos públicos a una nueva plataforma o la creación de una sección de “consulta en línea” que permita identificar demandas concretas de datos abiertos.

• El Gobierno de Canarias, dentro de su Estrategia Marco de Gobierno Abierto 2017-2019, contempla actuaciones ligadas a mejoras en su catálogo de datos, acciones de formación y compartición de experiencias a través de campañas de sensibilización y concienciación ciudadana en datos abiertos. Alguna de las acciones que proponen son  la “Identificación y apertura de datos de alto valor democrático, social y económico“ o la “implantación de las directrices técnicas para garantizar la reutilización, coherencia, uniformidad, accesibilidad, calidad e interoperabilidad de la información pública en internet”.

• La  Ordenanza de Transparencia de la Ciudad de Madrid, que entró en vigor el 27 de agosto de 2017, regula la reutilización de la información municipal sin autorización previa y de manera gratuita, fomentando el uso de “formatos estándar, de uso libre y abiertos”.

• En febrero de 2018 ha sido aprobado el Plan de Reutilización de la Información del sector público para el Instituto Geológico y Minero de España (IGME). Gracias a este plan, el IGME ha puesto a disposición de los usuarios más de 2.200 conjuntos de datos en condiciones favorables para su reutilización. Estos datos, también están disponibles en datos.gob.es.

Estos ejemplos son solo una muestra, pero hay muchos más. Cada vez más organismos públicos son conscientes del valor económico de los datos abiertos para la ciudadanía, y por ello no buscan solo compartir la información, sino también difundirla en formatos que favorezcan su reutilización. Compartiendo datos únicos, actualizados y  en estándares abiertos podrán ayudar a que surjan nuevos negocios basados en datos, los cuales pueden contribuir a impulsar el crecimiento económico de nuestro país.

La fundación COTEC, una organización privada sin ánimo de lucro que fomenta la innovación como motor de desarrollo económico y social en España, ha publicado recientemente su informe “La Reutilización de Datos Abiertos: una oportunidad para España”.  En este estudio, liderado por los expertos Alberto Abella, María Ortiz de Urbina y Carmen de Pablos, se han realizado diferentes ejercicios de diagnóstico para dibujar un escenario que busca mostrar el conocimiento actual sobre la reutilización de los datos abiertos, para, así, identificar directrices y recomendaciones que ayuden a fomentar el uso de los datos en la generación de negocios.

La realización del estudio ha seguido una metodología que incluye principalmente tres áreas de investigación:

• Estudio de 103 portales nacionales operativos referidos en el mapa de iniciativas de datos.gob.es, y de su madurez según una versión simplificada del modelo establecido por el portal paneuropeo de datos.
• Estudio de los juegos de datos publicados,  sobre un total de 20.026 datasets identificados, tras el filtrado necesario para evitar duplicidades fruto de las federaciones entre portales.
• Estudio de la reutilización de los datos publicados a través de una encuesta realizada a los responsables de los portales open data en España.

Tras los correspondientes análisis, se ha realizado un análisis DAFO que ha permitido poner de manifiesto una serie de evidencias y reflexiones que se resumen en el siguiente gráfico: 

Así, según el informe, aspectos como la falta de homogeneidad y calidad de los datos publicados se presentan como grandes barreras para la creación de negocios innovadores. De hecho, a pesar de que el 87% de los servicios generados a partir del open data son geolocalizados y son en tiempo real en un 67%, el 52% de los datos publicados no contiene ninguna referencia geográfica y sólo el 5% se actualiza al menos una vez a la semana.

Paralelamente, este estudio identifica una serie de barreras estratégicas y técnicas clave. Ente las primeras destacar la falta de mecanismos de  gobernanza interna de los datos que permitan controlar y gestionar cómo se mueven los datos por el interior de la organización y de mecanismos de publicación y actualización sistemática.  En cuanto a las barreras técnicas destaca el escaso uso de herramientas adecuadas para la publicación de datos, lo que limita la automatización del acceso, la publicación sistemática, el aviso de novedades o la adecuada comprensión de la información debido a  la carencia de visualizaciones sobre los datos publicados.

Por último, y a partir del diagnóstico realizado, el informe concluye con una serie de medidas clave para sobrepasar las barreras identificadas, buena parte de las cuales tienen como común denominador la necesidad de coordinación,  la importancia de una estrategia en las organizaciones de generación de servicios basados en datos y de acciones de medición del uso y del impacto.

La publicación de datos no es un ejercicio de transparencia, sino la siembra de unos recursos que deben fructificar en otras entidades (reutilizadores). Ha de cuidarse el campo donde ésta reutilización se produce. - Alberto Abella, 2017-

Herramienta online desarrollada por la empresa CABSA que permite el análisis de mercado y la toma de decisiones comerciales a las pequeñas y medianas empresas gracias a una base de datos que cuenta con más de cinco millones de compañías registradas, de la cuales el usuario puede obtener un informe de negocio gracias a los datos procedentes del registro mercantil.

A través de diferentes mapas y visualizaciones de datos, el usuario puede localizar su mercado potencial o identificar zonas de ventas aplicando filtros geográficos, sectoriales y económicos. Además, gracias a la información que dispone la herramienta, es posible realizar campañas de marketing segmentadas según la tipología de datos: edad, educación, profesión, origen…

Gracias a toda esta masa informativa, el usuario puede utilizar los datos de Marketing Insights para diseñar campañas de mailing que promocionen los servicios o productos comerciales al público objetivo adecuado. 

Esta aplicación se muestra como ejemplo de reutilización de datos abiertos, aunque ya no está operativa. ¡Esperamos que te sirva de inspiración para tus propios proyectos!

Betterplace es una plataforma online que proporciona información geolocalizada para ayudar a las empresas a tomar mejores decisiones. Entre sus prestaciones se encuentra la posibilidad de analizar la información cercana a los puntos de venta, así como el perfil, las características y las tendencias según las diferentes áreas geográficas.

Los casos de uso que tiene esta herramienta son:

• Análisis predictivos y canibalización. Mediante el análisis de los datos de una empresa, se permite encontrar la mejor localización para el negocio, evitando ubicaciones erróneas.

• Búsqueda de gemelos. Identificación de zonas con características similares a las de los mejores puntos de venta del negocio.

• Comparación de zonas según el público objetivo.

• Patrones de consumo. Proporciona información relativa al importe de los ticket de compra, día de más gasto, horarios… etc.

• Buzoneo. Ayuda a la optimización de acciones de publicidad.

La plataforma permite una total personalización en función del tipo de negocio y acceso en cualquier lugar y momento así como la posibilidad de realizar y exportar informes en formato PDF. Actualmente Betterplace está presente en diferentes sectores y cuenta con tres tipos de licencias: Basic, Premium y Enterprise que engloban diferentes usos, por lo que se puede escoger la más adecuada a las necesidades de cada empresa.

Iberinform es la filial de información de Atradius Crédito y Caución, compañía líder en el mundo del seguro de crédito con presencia directa con más de 50 países.

Ayudamos a las empresas a identificar oportunidades de negocio y posibles riesgos de impago. Nuestras soluciones de analítica avanzada y algoritmos predictivos facilitan la toma de decisiones comerciales, con información práctica y útil para las áreas de marketing, finanzas y ventas.

Transforman datos empresariales en información y conocimiento mediante herramientas que facilitan procesos y decisiones de negocio. Principalmente, sus fuentes de información son 500.000 entrevistas al año a empresas, el registro mercantil y otras fuentes públicas.

Su servicio de información empresarial permite la obtención de informes de empresas de cientos de 72 países y proporciona acceso a los mayores ficheros de morosidad bancaria española como son el RAI y ASNEF Empresas. Esta plataforma ofrece bases de datos que ayudan a la identificación de nuevos clientes y herramientas que facilitan la gestión de riesgos, el análisis y el seguimiento de clientes, proveedores o sectores. Además de brindar sus servicios online, Iberinform también tiene doce oficinas en diferentes puntos de España y Portugal.