Cómo superar los cinco principales desafíos de DataOps

¿Qué es DataOps?

DataOps –abreviatura de operaciones de datos (data operations)– es un conjunto de prácticas, principios, tecnologías y puestos de personal destinados a crear un manejo eficiente de los datos.

"El corazón de DataOps es la orquestación. Mover, procesar y enriquecer los datos a medida que pasan por un canal de distribución requiere un flujo de trabajo complejo de tareas con numerosas dependencias", afirmó Neel Shapur, director de asesoría y arquitectura de datos de la firma de servicios profesionales Genpact.

Esta disciplina toma prestados conceptos del mundo del desarrollo de software, como los principios de desarrollo ágil y el enfoque iterativo y colaborativo conocido como DevOps. Su objetivo es ayudar a los responsables de datos de la empresa a entregar de forma segura los datos correctos a los usuarios adecuados en el momento oportuno, eliminando los silos de datos, automatizando y aplicando reglas de gobernanza.

"DataOps ofrece la capacidad de encontrar, confiar y comprender datos de forma rápida y confiable", afirmó JP Romero, líder de prácticas de gestión de datos en Kalypso, una empresa de consultoría y gestión de servicios de TI.

Desafíos de DataOps

Las organizaciones adoptan DataOps para superar varios desafíos relacionados con el uso de sus datos. En un informe de ESG de 2022, los líderes de datos citaron los desafíos relacionados con garantizar el cumplimiento normativo, adherirse a los estándares de gobernanza y obtener acceso oportuno a nuevos datos como los principales impulsores para la adopción de DataOps.

Sin embargo, los líderes de datos empresariales, investigadores y asesores ejecutivos dijeron que las organizaciones también enfrentan múltiples desafíos para adoptar y madurar con éxito la disciplina DataOps.

Los principales desafíos de DataOps para implementar, usar y escalar DataOps dentro de la empresa incluyen los siguientes:

1. Falta de claridad en torno a lo que implica DataOps

El concepto de DataOps existe desde hace casi una década pero –al igual que con su pariente, DevOps– no existe una fórmula única ni una guía completa sobre sus implicaciones. De hecho, los proveedores de tecnología suelen tener su propia visión, ligeramente diferente, de los requisitos de esta disciplina, afirmó Jay Limburn, vicepresidente de gestión de productos de datos e IA de IBM.

En consecuencia, los líderes de datos deben identificar las mejores prácticas que están surgiendo y los enfoques que están comenzando a estandarizarse para crear un programa DataOps que funcione para su empresa, dijo Mike Hendrickson, vicepresidente de productos tecnológicos y de desarrollo en Skillsoft, un fabricante de software y contenido de sistemas de gestión de aprendizaje.

Los líderes de datos también deben ser ágiles, para estar preparados para adaptarse a medida que la disciplina madura y nuevas tecnologías de apoyo ingresan al mercado.

"DataOps aún se encuentra en una etapa temprana de su ciclo de madurez. Se esperan muchos cambios y avances, tanto desde la perspectiva de las herramientas como de los procesos", afirmó Shapur.

2. Incapacidad de encontrar dónde y cómo empezar.

El volumen de datos es asombroso. Según IDC, el volumen de datos creado, capturado y consumido a nivel mundial en 2024 fue de 147 zettabytes, y Statista espera que, para 2028, el volumen total mundial de datos alcance los 394 zettabytes. Aunque ninguna organización tiene a su alcance un volumen similar, la mayoría aún tiene más de lo que puede gestionar. Según los expertos, puede resultarles difícil saber por dónde empezar a aplicar los principios de DataOps y cómo perfeccionarlos.

"Definir qué significa el éxito para ellos" es el punto de partida de las organizaciones, afirmó Ramesh Vishwanathan, director de consultoría práctica de la empresa de gestión de servicios de TI TEKsystems. Es el mismo consejo que ofrece a todas sus empresas clientes.

Las empresas deben identificar áreas donde implementar y practicar una disciplina de DataOps antes de expandirla para abarcar todos los datos y sus usos dentro de la organización. En otras palabras, adoptar el enfoque del producto mínimo viable (MVP, por sus siglas en inglés) y crecer a partir de ahí.

"Céntrese en un MVP de DataOps que aborde un conjunto limitado de casos de uso de datos, desde los elementos fundamentales hasta la entrega de valor", afirmó Hector Rueda, gerente técnico de ciencia de datos de Kalypso. "Una vez que el producto mínimo viable de DataOps haya demostrado su valor, escale horizontalmente ampliando el alcance".

Las organizaciones también deberían encontrar formas de medir la eficacia de sus programas DataOps. "Eso le ayudará a saber si está yendo en la dirección correcta", dijo Vishwanathan.

3. Falta de fundamentos de datos

DataOps integra personas, procesos y tecnología para orquestar el flujo de datos eficaz, eficiente y seguro dentro de una empresa. Para ello, las organizaciones deben contar con componentes clave en las tres áreas.

De manera específica, los expertos dijeron que las organizaciones que buscan aprovechar DataOps deben comprender lo siguiente:

• qué activos de datos poseen y la calidad de esos datos;
• cómo fluyen actualmente esos datos a través de la empresa;
• si siguen existiendo silos de datos y cómo eliminarlos;
• cómo la empresa quiere utilizar los datos;
• qué gobernanza de datos existe; y
• los componentes tecnológicos y el talento que tienen para respaldar todos esos elementos.

"DataOps requiere una combinación de inversión técnica, reestructuración organizacional y gestión del cambio. Existen barreras técnicas, operativas, humanas y culturales", afirmó Shapur.

Sin embargo, muchas organizaciones carecen de algunos o todos estos elementos. También carecen de una cultura de datos y de una estrategia de datos. La ausencia de esos fundamentos puede obstaculizar los intentos de implementar con éxito una disciplina DataOps dentro de la empresa.

Para contrarrestar esto, los líderes de datos deberían centrarse en desarrollar los elementos fundamentales de un programa de datos, de modo que tengan lo que necesitan para adoptar DataOps.

Las organizaciones necesitan colocar los datos y la implementación de hechos de datos en primer plano, en lugar de tratarlos como una "idea de último momento" dentro del ciclo de desarrollo de software, dijo Dan Sutherland, director sénior de la práctica de consultoría tecnológica en Protiviti.

Las organizaciones necesitan estar más atentas a todos los elementos del ciclo de vida de los datos, incluido el diseño y desarrollo de la cadena de suministro de datos, el almacenamiento, el modelado de datos y los patrones de consumo, afirmó Sutherland.

Además, deberán priorizar lo siguiente:

• reemplazar las pilas heredadas de tecnología de datos por otras modernas que brinden visibilidad completa en el flujo de datos;
• invertir en capacitación en alfabetización de datos en toda la empresa; y
• mejorar las habilidades de sus equipos de datos, para que estén preparados para trabajar en este nuevo entorno.

Es clave crear una estrategia de datos sólida que resalte los beneficios de cerrar la brecha entre el estado actual y dónde la organización necesita usar datos para alcanzar objetivos críticos.

"Identifiquen a los altos ejecutivos que puedan apoyar el programa", dijo Romero. "Acérquense a las personas que se verán beneficiadas por la implementación de DataOps. Inviertan en un programa de alfabetización de datos que fomente una cultura de datos saludable".

4. Falta de aceptación del liderazgo

Otro desafío de DataOps que enfrentan las organizaciones es convencer a los líderes para que respalden sus iniciativas. Cuanto más madura sea la cultura de datos de una organización, más fácil será lograrlo. "Es fácil para quienes usan los datos a diario decir: 'Necesitamos esto', pero a veces los líderes no siempre ven la necesidad. No le ven el sentido a DataOps", dijo Romero.

Otros se hicieron eco de ese comentario y señalaron que los ejecutivos de organizaciones sin una cultura de datos madura o ganancias derivadas del conocimiento basado en datos a menudo son reacios a respaldar inversiones en DataOps.

Los líderes de datos pueden superar esa falta de apoyo promoviendo "la creación de una estrategia de datos y destacando los beneficios de cerrar la brecha entre dónde está la estrategia de datos y dónde debe estar", afirmó Romero.

"Las empresas se están dando cuenta poco a poco de que los datos deben considerarse un activo estratégico", afirmó. "Quienes vinculen sus esfuerzos de datos con los imperativos estratégicos de su negocio tendrán más facilidad para extraer valor de sus datos y financiar sus programas de datos".

5. Problemas para gestionar el cambio

DataOps requiere que las personas cambien radicalmente su forma de trabajar. Este tipo de cambio no se logrará de la noche a la mañana, afirmó Shapur.

"No es fácil lograr que el personal adopte nuevas prácticas y métodos de trabajo ágiles", afirmó. "A menudo, carecen de las habilidades y el tiempo necesarios para aprender nuevas habilidades. DataOps también requiere una nueva mentalidad en cuanto a prácticas de software".

Como tal, los líderes de datos deben incorporar principios de gestión de cambios en sus planes de DataOps para asegurarse de que puedan lograr que las personas adopten con éxito una nueva forma de trabajar y pensar sobre los datos.