Preguntas sobre las que se va a responder:
1. ¿Qué componentes estructuran el Modelo DELTA y cómo se relacionan entre sí para fomentar una cultura basada en datos?
4. ¿Qué riesgos o barreras pueden surgir al adoptar este modelo y cómo pueden mitigarse?
El modelo DELTA se compone de cinco elementos esenciales e interconectados que forman un ecosistema circular y en equilibrio. Dichos elementos son los siguientes: datos, empleados y habilidades analíticas, liderazgo, objetivos y analítica:
Datos (Data): Se refiere a la calidad, disponibilidad, gestión e integración de datos precisos y actualizados. No basta con la cantidad; los datos deben ser accesibles, disponibles e insumir satisfactoriamente análisis descriptivos, predictivos y prescriptivos. Por ejemplo, el Ministerio de Inclusión Económica y Social en 2019 luego de trabajar intensamente en la calidad de sus datos logró certificar sus registros administrativos como Operaciones Estadísticas y lograr la certificación de calidad respectiva ante el INEC.
Empleados y Habilidades Analíticas (Enterprise-wide capabilities): Implica que la organización posea las competencias necesarias en todos los niveles para comprender y gestionar los datos; lo que conlleva a la implementación de estrategias de formación y capacitación continua para crear una cultura de datos en toda la empresa. Por ejemplo, instituciones con prestigio internacional como el Banco Mundial garantizan una formación continua de sus consultores y staff para que estén en la capacidad de asesorar adecuadamente a los gobiernos de los países donde opera el Banco.
Liderazgo (Leadership): Hace referencia al respaldo y la visión estratégica de la alta dirección son críticos. Los líderes deben comprender y promover activamente el valor de los datos y su uso en la toma de decisiones, garantizando que la estrategia de datos sea efectiva y que la misma se priorice dentro de los distintos desafíos de mediano y largo plazo de la institución así como también respecto a la coyuntura que esta enfrenta. Por ejemplo, el Ministerio de Inclusión Económica y Social durante el año 2018, tomó la decisión política y abrió camino a su estrategia de fortalecer sus registros administrativos para convertirlos en operaciones estadísticas. Ello no habría sido posible sin la voluntad política de sus autoridades y sin la visión estratégica a largo plazo.
Objetivos (Targets): Representan las metas específicas que la organización busca alcanzar mediante la gestión de sus datos. No es suficiente implementar análisis de datos sin tener metas concretas y claramente definidas. Al respecto los datos son fundamentales pues insumen la formulación de objetivos estratégicos y operativos precisos. Por ejemplo, la Guía Metodológica del INEC ofrece metas y objetivos cuantificables que las instituciones deben cumplir para certificar con calidad a sus registros administrativos. En este sentido, las metas y objetivos sobre el fortalecimiento de los registros administrativos constituyen el horizonte de mediano y largo plazo por el que se ha de transitar para convertir la información en un activo estratégico.
Analítica (Analytics): Esta es la parte operativa del modelo donde los datos se transforman en información procesable mediante técnicas analíticas avanzadas, que pueden incluir desde análisis descriptivos hasta técnicas de aprendizaje automático y modelos predictivos. Por ejemplo, el CEDLAS (Centro de Estudios de Distributivos, Laborales y Sociales (Argentina), consolida la información de estadísticas de hogar de todos los países de Sud-américa, y no se conforma con contar con un repositorio de esta información, si no que aplican sobre ella diversas técnicas econométricas y de análisis para darle valor estratégico y retroalimentar la gestión de los gobiernos en la Región.
El modelo DELTA no funciona adecuadamente si cada uno de sus componentes se gestionan de manera independiente y aislada, pues requiere de la interacción sinérgica entre ellos para generar impactos positivos significativos. Cuando los datos, las habilidades analíticas de los empleados, el liderazgo, los objetivos y las herramientas analíticas están alineados, se genera un ecosistema donde los datos se convierten en un recurso clave que impulsa las decisiones estratégicas de la empresa. Según Davenport y Harris (2007), un factor clave del éxito de la aplicación del modelo DELTA y de la integración de sus componentes es que los líderes de la organización comprendan y promuevan esta sinergia, asegurando que los datos y la analítica se integren en la cultura organizacional.
Entre los desafíos que comúnmente encuentran las empresas para implementar el modelo DELTA se encuentran los siguientes: a) Seguridad de la información, b) Costo de implementación y mantenimiento de la infraestructura, c) Talento Humano Especializado:
Seguridad de la información: Uno de los principales desafíos en la implementación del Modelo DELTA es la privacidad y la seguridad de la información y el potencial incumplimiento normativo y potencial vulneración de los derechos de los ciudadanos que se deriva de ello. Esto ocurre porque para que la información se convierta en un activo estratégico requiere mejorar su desagregación y especificidad, y ello conlleva a trabajar con información personal de los usuarios. En consecuencia, las empresas forzosamente se encuentran trabajando y gestionando gran cantidad de datos sensibles. A esto se le suma que los países en el mundo y la Región están fortaleciendo su normativa sobre protección de datos personales y progresivamente las exigencias de protección y seguridad de información se vuelven más exigentes. En Ecuador por ejemplo, la Ley de Protección de Datos Personales, el Esquema Gubernamental de Seguridades de la Información (EGSI), así como los Reglamentos de DINARP constituyen referentes importantes que obligan a fortalecer las políticas de seguridad de los datos a las empresas.
Al respecto, la solución es que las empresas prevean la implementación progresiva de estos marcos y las exigencias que implica en su organización, la normativa existente. Por ejemplo, deben contar con un Coordinador Institucional ante DINARP, con un Oficial de Seguridad de la Información y con un catálogo de Clasificación de su Información para dotar de políticas de tratamiento específicas a su información sensible, información reservada o información secreta. Así mismo, es clave que las empresas fortalezcan sus procesos de gestión documental y sobre todo registren lo correspondiente a autorización de sus usuarios para el tratamiento de información personal, pues les permitirá estar mejor preparadas para controles o auditorías sobre seguridad de la información.
Costo de la infraestructura: El creciente volumen, desagregación y velocidad de generación de información implica que las empresas deban trabajar con infraestructuras de Big Data. Sin embargo, el costo de implementación de esta infraestructura puede ser alto y suponer una barrera de entrada muy significativa para la micro y pequeña empresa sobre todo. Ello hace que quienes sean capaces de superar estas barreras generalmente sean las empresas de gran tamaño, lo que conlleva a la concentración de la generación del conocimiento.
Sin embargo, la solución es que sobre todo la micro y la pequeña empresa empiecen a vencer esta barrera de entrada haciendo uso de las soluciones en la nube que actualmente se ofrecen, pues los costos asociados a este tipo de infraestructura son menores y permiten democratizar el acceso a la tecnología. Así por ejemplo la micro y la pequeña empresa no tienen presión para desembolsar grandes cantidades de dinero para construir una infraestructura física, si no que pueden gestionar la asignación de un presupuesto mensual menor para suscripciones de infraestructura en la nube.
Talento humano especializado: El modelo DELTA requiere de profesionales capacitados y con habilidades en el análisis de datos y tecnologías de Big Data, lo que constituye un desafío relevante para empresas que no cuentan con personal calificado en esta materia. Este es un factor aún más grave en economías como la ecuatoriana en la que aún no existe en el mercado laboral una cantidad suficiente de científicos de datos para satisfacer las necesidades de innovación de las empresas, por lo que las mismas deben relegar sus objetivos de innovación para únicamente administrar la información generada sin poder optimizarla o evolucionarla. Considero que la solución al respecto pasa por crear un Colegio de Científicos de Datos dentro de la provincia o en el país. Ecuador es un país que al día de hoy no cuenta con un órgano colegial para impulsar la profesión de ciencia de datos. En este sentido, los científicos de datos existentes no cuentan con incentivos para acceder a formación continua dentro de la materia. Así mismo, el pensum de las universidades no está suficientemente fortalecido pues no existen estos espacios de reflexión que podrían derivarse de la existencia de un cuerpo colegiado, como si existe en otras profesiones como en la arquitectura o en la economía.
Referencias Bibliográficas:
Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 35(2), 137-144.
Davenport, T. H., Barth, P., & Bean, R. (2012). How big data is different. MIT Sloan Management Review, 54(1), 43-46.