Usar metodologías ágiles como Scrum o Kanban entrega una gran ventaja al utilizarlas en la ejecución de diferentes proyectos comparado con la ejecución de proyectos de manera tradicional, porque el mundo de los datos cambia todo el tiempo: nuevas fuentes, regulaciones que se actualizan de la noche a la mañana o el negocio que de repente necesita otro dashboard. En ejecuciones tradicionales, cuando hay un error, normalmente al final se suele identificar, provocando retrasos y en ocasiones repetir todo el trabajo ; en cambio, con las metodologías ágiles se realiza entregas pequeñas todo el tiempo hasta terminar el proyecto. Por ejemplo, en un proyecto de data warehouse en una empresa, pueden usar Scrum en Jira con sprints de dos semanas: cada sprint entregaban un módulo de ETL con validaciones de calidad, y al final del sprint el negocio lo revisa y se realiza los ajustes sobre la marcha, sin parar todo el proyecto. Con Kanban en el mismo equipo para el mantenimiento diario de los flujos de datos, visualizaban en el tablero columnas como “Extraer→ Transformar → Cargar → Listo” y limitaban el trabajo en curso para no saturarse, bajando el tiempo de corrección de errores de semanas a días. Esto reduce riesgos enormemente, mejora la colaboración entre ingenieros de datos, analistas y stakeholders, y permite adaptarse rápido a cosas como nuevas leyes de datos o volúmenes que explotan.
En cuanto a métricas para medir calidad y gobernanza de datos en entornos ágiles, las más relevantes se integran directo en cada iteración o flujo, no al final como en lo viejo. Tres clave: la completitud (porcentaje de registros con todos los campos obligatorios bien llenos), que evita que salgan reportes con huecos y se trackea en cada “Done” de Jira para que nada pase sin validar; la precisión, importantísima porque detecta duplicados o errores temprano y reduce multas o decisiones malas basadas en datos sesgados; y la cobertura de gobernanza, que se mueve como historias de usuario en Scrum o columna en Kanban para asegurar que todo cumpla regulaciones y sea auditable. Estas métricas se ven en dashboards de Jira, ayudan en las retrospectivas a mejorar continuamente y hacen que la calidad no sea un check final, sino algo vivo en cada sprint o tarjeta. Al final, ágil transforma la gestión de datos en algo más confiable, rápido y menos estresante, perfecto para entornos como el nuestro donde todo evoluciona volando.
Referencias:
Atlassian. (s. f.). Agile data management: Using Jira for data teams. Atlassian Blog. https://www.atlassian.com/blog/jira-software/agile-data-teams
DataKitchen. (s. f.). The DataOps Manifesto. https://dataopsmanifesto.org/