Puntos clave: La segunda encuesta anual Value of Data Survey realizada por BMC y 451 Research explora la madurez de la gestión de datos en las organizaciones, identificando cuatro etapas de madurez distintas. El informe destaca los desafíos en DataOps y la lenta adopción de tipos de datos emergentes, lo que limita los posibles beneficios empresariales.
- La encuesta contó con la participación de 1.100 profesionales de TI y negocios en 11 países.
- La mayoría de las empresas no son aprovechando completamente los datos emergentes para iniciativas críticas.
En la economía global digital-first, los datos están en todas partes—y siempre creciendo. Y la forma en que las empresas gestionan su pipeline de datos y obtienen valor de sus datos puede ser un cambio radical para sus resultados empresariales. Queríamos Ve cómo son gestionados sus datos las empresas y cuál está su nivel de madurez en la gestión de datos, así que una vez más nos hemos asociado con 451 Research, parte de S&P Global Market Intelligence, en una encuesta a 1.100 profesionales de TI, datos y negocios de grandes empresas globales de múltiples sectores en 11 países. Nos complace anunciar que nuestro segundo informe anual, "Poner las "Ops" en DataOps: factores de éxito para operacionalizar datos", está disponible ahora y disponible aquí.
DataOps y madurez de datos
La encuesta y el informe revelan perspectivas sobre cómo las organizaciones y los equipos de datos pueden evaluar y avanzar en su madurez en la gestión de datos para superar desafíos y mejorar su utiliza de los datos con fines de ventaja competitiva. Al determinar su posición dentro de cuatro niveles de madurez discretos, las organizaciones pueden Haz mejores decisiones tecnológicas y empresariales para guiar sus iniciativas DataOps y mejorar la calidad de sus datos al servicio de resultados empresariales tangibles. Los cuatro niveles, tal y como se definen en el informe, son:
- Desarrollo de madurez— La estrategia de gestión de datos está desarrollándose, pero las prácticas y la arquitectura pueden no estar aún estrechamente vinculadas a resultados empresariales críticos; comúnmente asociadas a organizaciones y empresas más pequeñas que son apenas comenzando a establecer y operacionalizar sus prácticas.
- Madurez funcional— La estrategia de gestión de datos están desarrollada en gran medida, con algunas prácticas y arquitectura de alta prioridad vinculadas a resultados empresariales críticos. Este nivel están centrado en el crecimiento, y las empresas son a menudo se centran en expandir sus prácticas.
- Madurez competente— La estrategia está completamente establecida, con casi todas las prácticas y arquitectura vinculadas a resultados empresariales críticos, pero debido al aumento de la conciencia y la complejidad, surgen dudas sobre las capacidades del negocio.
- Madurez excepcional— La estrategia de gestión de datos están optimizada perpetuamente, con prácticas y arquitectura que generan nuevas fuentes de valor. En esta "fase de innovación" de madurez, las prácticas establecidas son mejoradas iterativamente y utilizadas para una mayor diferenciación competitiva.
Además de hablar sobre la madurez en la gestión de datos, el informe incluye hallazgos clave sobre cómo son están las organizaciones ahora y en qué se están centrando.
Adopción lenta de tecnologías emergentes
Aunque las empresas se esfuerzan por capitalizar sus datos para escalar operaciones y mejorar los resultados empresariales, solo una minoría son aprovechando los tipos de datos emergentes. En cambio, la mayoría son ingerir, aterrizar y procesar los tipos de datos más comunes (es decir, a menudo heredados o estructurados). Eso significa que podrían estar perdiendo datos útiles adicionales en formatos no tradicionales que podrían alimentar iniciativas críticas como la inteligencia artificial generativa (Gen AI), FinOps y la sostenibilidad.
Aunque la tasa general de adopción de tipos de datos emergentes es baja, las organizaciones más grandes—especialmente aquellas con 5.000 empleados—son interesadas en aprovecharlos para nuevas iniciativas.
Principales desafíos en DataOps y actividades basadas en datos
Los datos no son útiles si la orquestación de datos no se hace bien, es decir, si los datos no llegan donde más se necesitan, y los desafíos en múltiples capas entre personas, procesos y tecnología pueden suponer un reto para su distribución.
Madurez de datos y estrategia DataOps
Una de las correlaciones más fuertes en la encuesta fue entre el enfoque de una organización hacia la metodología DataOps y su nivel relativo de madurez en la gestión de datos.
Para más información sobre gestión de datos y DataOps, lee el informe completo aquí. Para evaluar el nivel de madurez de datos de tu organización, te puedes realizar una evaluación gratuita aquí. Esta herramienta fue diseñada para ayudar te determinar qué áreas te debes abordar para empezar a avanzar tu práctica en DataOps a niveles "excepcionales".
Estas publicaciones son mías y no representan necesariamente la posición, estrategias u opinión de BMC.