Tendencias & Innovación

Riesgos en Proyectos de Big Data

Es obvio que las empresas cada vez más disponen de más datos, gracias a la proliferación de los medios de comunicación social, los dispositivos móviles y los avances en la tecnología, y cuentan con una mayor variedad de medios a su alcance para transformarlos en valor de negocio, en oportunidad y en innovación. Diferenciarse de la competencia es, más que nunca, una cuestión de información. Para embarcarse en un proyecto de este tipo, donde el activo más valioso de la organización entra en juego, es preciso estar bien guiado.

En posts anteriores hemos hablado del Director de Proyectos de Big Data, así como de 5 estrategias relevantes en la implantación de este tipo de soluciones. Pero no podemos quedarnos en esos planteamientos, sino que hay que abordar también la incertidumbre. Sabemos bien en Project Management que la gestión de la incertidumbre es imprescindible para que cualquier proyecto tenga opciones de éxito. Al igual que sucede con cualquier otro sector, un proyecto de Big Data conlleva un nivel de riesgo que hay que conocer y gestionar, con el objetivo de plantear respuestas. Pero aquí, además, el nivel de incertidumbre e innovación es especialmente alto. Evitar las pérdidas de tiempo, los problemas legales, las consecuencias negativas para la imagen del negocio, o los errores que afecten a la rentabilidad de la iniciativa, son algunos de ellos. De hecho me gustaría destacar cinco áreas de riesgo en proyectos de Big Data, que deberían ser tenidos en cuenta en cualquier estrategia que se esté diseñando. Se trata de los siguientes:

  1. Seguridad de datos: los ataques, los accesos no autorizados o el robo de información sensible para su comercialización deben ser tenidos en cuenta cuando se está considerando la logística de recogida y análisis de datos. Técnicas como el enmascaramiento de datos pueden ser la solución para garantizar los niveles de protección adecuados sin afectar al rendimiento en el entorno de proyecto, ni en los niveles operativos.
  2. Privacidad de datos: estrechamente ligado al tema de la seguridad se halla la cuestión de la privacidad. Cumplir lo dispuesto en la normativa de protección de datos aplicable es necesario para evitar los costes derivados de una gestión inadecuada. A este respecto, no sólo hay que preservar la privacidad de los datos de cara a terceros, sino que también es esencial observar estas medidas en los intercambios de información y accesos que se dan en el entorno de la organización, ya sea entre usuarios de negocio o llevados a cabo por subcontratistas o socios corporativos. Para garantizar el nivel de protección adecuado es aconsejable instruir a todo el personal de la empresa, especialmente en el ámbito del proyecto de Big Data, en la importancia de su contribución informando de cualquier irregularidad y observando las políticas de la empresa en esta materia.
  3. Costes excesivos: la recogida de datos, su agregación, almacenamiento, análisis y generación de informes cuesta dinero. Además de esto, habrá costes de licencias, de servicio, de mantenimiento, etc., que se van sumando a un presupuesto que, ya de por sí, puede ser abultado. Teniendo en cuenta que, probablemente, uno de los objetivos del proyecto de Big Data es mejorar la rentabilidad del negocio, sería incoherente que la propia iniciativa incurra en gastos no justificados. Para prevenir este riesgo es vital contar con una estrategia bien desarrollada, fruto de una buena planificación, que ayude a entender las metas a alcanzar y hasta dónde se puede llegar para lograr los fines propuestos. No es necesario adquirir los últimos lanzamientos tecnológicos, ni contratar a varios científicos de datos, ni siquiera es preciso recoger tantos datos como hay disponibles. Conocer cuáles son las necesidades ayuda a prevenir este riesgo tan común, permitiendo ganar un mayor ajuste a los requerimientos del negocio y no perderse en otros aspectos irrelevantes. También hay que tener la mentalidad que, una vez aprobado el presupuesto de costes, ese es nuestro compromiso con el sponsor. De inicio hay que hacer un esfuerzo importante en concreción e identificación de costes, y no irlo dejando a etapas futuras “donde tengamos la información”. No queremos ir consumiendo recursos sin objetivos claros.
  4. Falta de madurez analítica: la incorrecta interpretación de los patrones mostrados por los datos y la elaboración de vínculos causales donde sólo existen coincidencias aleatorias es una trampa en la que no se debe caer. De la misma forma, hay que tener cuidado y evitar el sesgo de confirmación que puede presentarse cuando el análisis se lleva a cabo en base a ideas predeterminadas sobre lo que se debe encontrar. Algoritmos imprecisos, predicciones inconsistentes y falta de personal cualificado son detalles que revelan la insuficiente madurez analítica de la organización y que reducen de manera notable el valor que se podría obtener de un proyecto de grandes datos. Si se descubre que éste es el caso, quizás, como Project Manager, sea el momento de tomar acciones previas a corregir esta situación, antes de lanzarse a dar inicio a un proyecto que, desde el comienzo, cuenta con las probabilidades de éxito bastante mermadas.
  5. Problemas de calidad en los datos: lagunas, inconsistencias y duplicidades pueden llevar un proyecto de Big Data al fracaso. Detrás de estos riesgos se encuentran causas como errores humanos, falta de actualización o ausencia de procedimientos de aseguramiento de la calidad de la información. Una buena estrategia en este área permite erradicar este riesgo y mejorar la posición de la organización, respecto a los competidores, pero, especialmente, en lo que respecta a su sostenibilidad y proyección.

¿Qué más áreas de riesgo añadirías a esta lista? ¿Cuáles son tus principales amenazas en un proyecto de este tipo?

Escrito por Marc Bara 

Compartir este blog