Datalab: los pequeños laboratorios que dan lugar a grandes proyectos
Los datos son el nuevo Eldorado de los negocios. Es un fenómeno del que ahora es consciente todo el mundo, desde las GAFAM y las redes sociales hasta las PYME. Los datos pueden ser una fuente de innovación, ingresos y mejora de productos y servicios.
De ahí la aparición en los últimos años, dentro de las organizaciones, de estructuras dedicadas a explotarlos. Más o menos avanzadas, se han ido integrando progresivamente en el organigrama existente. Pueden coexistir varias en paralelo, al igual que las tecnologías que explotan estos datos.
¿Cómo conseguir que los recursos humanos y las infraestructuras colaboren más eficazmente en este tema central que son los Datos? ¿Cómo innovar y poner en marcha nuevas aplicaciones lo antes posible?
Este es el objetivo de un laboratorio interdisciplinar dedicado a los datos: el Datalab. Le explicamos en qué consiste un proyecto de este tipo, cómo puede llevarse a cabo y qué empresas lo están aprovechando.
¿Qué es un Datalab?
Los laboratorios están de moda. En un mundo en el que la agilidad se ha convertido en algo primordial, aportan flexibilidad y capacidad de respuesta a las organizaciones. Y lo hacen sin necesidad de modificar la jerarquía ni el organigrama.
Su objetivo es fomentar la innovación permitiendo la experimentación.
Un laboratorio puede definirse como "una estructura que favorece la aparición de ideas disruptivas, aislando los proyectos inciertos para que puedan ponerse en práctica sin perturbar la organización existente" (Olivier Laborde).
Este concepto de laboratorio adopta muchas formas. Es natural que se haya trasladado al campo de la explotación de datos.
Hoy en día, una empresa puede tener muchos profesionales de Datos. Entre ellos, el Chief Data Officer (CDO), el Data Scientist y el Chief Data Scientist, el Data Analyst, el Big Data Architect and Engineer, el Master Data Manager, el Business Intelligence Manager, el Data Miner, el Data Protection Officer, el Machine Learning Engineer...
Esta lista señala inmediatamente el problema. Todas estas funciones no están adscritas al mismo departamento, no tienen necesariamente el mismo objetivo ni la misma cultura. No utilizan las mismas herramientas de software. No están en contacto permanente.
Además, otras funciones generan, manejan, utilizan o se benefician de los datos. El marketing, por ejemplo.
¿Cómo reunir todas estas competencias y combinar sus conocimientos en una estructura de datos ágil y eficaz? Creando un Datalab.
La creación de un Datalab es también una oportunidad para integrar nuevas competencias y talentos. Algunos proyectos incluyen desde el principio un gran porcentaje de nuevas contrataciones.
El Datalab tendrá la ventaja de funcionar como una start-up, o una incubadora, dentro de la propia organización. No sustituye a lo que ya existe, sino que pretende potenciarlo en un contexto diferente.
Definir de antemano una estrategia
Aunque la idea inicial sea fomentar la flexibilidad y la creatividad, lo mejor es crear un Datalab teniendo en cuenta ciertos requisitos previos.
Estratégicamente, si es posible, hay que definir objetivos prioritarios. Esta tarea corresponde en primer lugar a la dirección. Aunque el objetivo del Datalab sea fomentar la efervescencia intelectual y la aparición de proyectos creativos, es posible orientar sus esfuerzos. Lo mejor es especificar desde el principio si su objetivo es diversificar su negocio, mejorar el servicio al cliente, recopilar nuevos datos, etc.
Sin embargo, la máxima libertad también puede generar un mayor compromiso e innovación disruptiva.
Técnicamente, es probable que tenga que lidiar con la complejidad inherente a la gestión de datos y Big Data. En una empresa a gran escala, puede haber múltiples "silos" independientes que se ocupen de los datos, por razones históricas, geográficas o técnicas. Por tanto, las tecnologías utilizadas para recopilar, almacenar, procesar y utilizar los datos pueden ser múltiples y redundantes, y requerir una adaptación.
Una de las ventajas de un Datalab es que puede fomentar la armonización técnica, quizá incluso de antemano. El Datalab puede conducir a la creación de un lago de datos, si aún no existe. Además, dado que la calidad y la validación de los datos son de vital importancia, puede ser una oportunidad para comprobar estos requisitos previos.
Desde el punto de vista jurídico, también es necesario un trabajo en profundidad. Pero siempre es necesario cuando se quieren utilizar datos a gran escala. El origen heterogéneo de los datos significa que no se han recogido en los mismos contextos, con los mismos objetivos y, por tanto, no necesariamente con las mismas limitaciones jurídicas iniciales. Se trata de una dificultad clásica, que no hay que subestimar desde el principio.
No pasar por alto los recursos humanos
Más allá de estos tres pilares a tener en cuenta, queda otra dificultad. Es inherente a la creación de una estructura interfuncional: se trata del factor humano.
De repente vas a reunir, en una entidad a veces informal, a empleados que tienen una cosa en común: los datos. Pero también pueden ser radicalmente diferentes. Nada les predestina a formar una feliz banda de amigos unidos en torno a un objetivo común.
En el Datalab se pueden encontrar perfiles tan diferentes como un marketer, un ingeniero de datos, un comercial y un coder especializado en Machine Learning. En eso consiste un laboratorio.
Por ello, puede ser una buena idea planificar un trabajo previo, o de seguimiento, con un consultor especializado en gestión del cambio.
Tanto más cuanto que puede haber resistencia a este cambio, lo cual es bastante lógico. Los empleados pueden ser más proclives a guardarse sus ideas, competencias y aportaciones para sí mismos, y utilizarlas dentro de su propio departamento. Así que tenemos que asegurarnos de que los resultados de Datalab sean gratificantes para todos.
Un detalle, pero no el único: los locales
Como verá en los ejemplos que siguen, la mayoría de las empresas que crean un Datalab (y probablemente otros tipos de laboratorio) lo hacen en locales específicos1.
Hay varias razones para ello:
- Es importante que los locales reflejen la libertad de la organización. Deben ser abiertos, luminosos, flexibles y divertidos, con un mínimo de limitaciones.
- También puede ser importante que los locales sean multidisciplinares. Esto significa que no deben estar físicamente vinculados a un servicio o departamento (que entonces tendría prioridad sobre los demás).
- Lo ideal sería que los locales elegidos fueran completamente nuevos, diseñados para este proyecto, aunque obviamente esto no esté al alcance de todas las empresas.
Inspirarse en casos de éxito: 3 ejemplos de Datalabs
Según Les Echos, dos tercios de las empresas del CAC 40 ya disponen de un Datalab, por lo que es fácil y útil interesarse por ellos, copiar su modelo o evitar cometer los mismos errores.
He aquí algunos comentarios de diversos sectores.
Axa: una aseguradora en el corazón de los datos
El Data Innovation Lab2 de Axa se diseñó en torno a un equipo de I+D de... 4 personas. Lanzado con 15 empleados, ahora cuenta con más de 70, a los que hay que añadir una treintena de participantes externos o puntuales.
Creado en 2014, uno de los objetivos del Lab era crear pólizas de seguro de automóvil cuyo precio cambiara en función del comportamiento del conductor. Se ha fijado 5 objetivos de investigación: fraude, gestión de siniestros, análisis del comportamiento al volante para reducir las primas de los conductores virtuosos, salud conectada y marketing.
Axa firmó un contrato con Facebook en 2014 en el momento del lanzamiento. Gracias a ello, la aseguradora ya no solo gestiona sus propios flujos de datos, sino también datos externos con Open Data.
Los proyectos que salen de este laboratorio son considerados por Axa como "satélites ágiles", plataformas independientes de las TI al principio. Posteriormente, si son sostenibles y demuestran su ROI, pueden integrarse en el sistema existente.
El proyecto Datalab de AXA es muy significativo porque incluye desde el principio una dimensión de "creación de nuevos talentos". La aseguradora ha liberado un presupuesto de 180 millones de euros para formar a futuros empleados. Esto se ha traducido en la apertura de una cátedra de "Estrategia digital y Big Data" en HEC París y otro curso de "Ciencia de datos para el sector asegurador" en Polytechniques.
Por último, para llevar su enfoque innovador al siguiente nivel, Datalab también ha creado una incubadora. La incubadora se apoya en el fondo de inversión AXA Strategic Ventures (ASV) para apoyar proyectos prometedores.
Un compromiso total con la transición digital. La aseguradora está así en condiciones de ayudar a que surjan nuevos proyectos, hacerlos realidad e integrar a empleados formados para estas tareas. Imprescindible.
La SNCF, una empresa de datos que no sabía que existía
¿Habría citado espontáneamente a la SNCF como ejemplo de Datalab? Probablemente no, y sin embargo esta creación está perfectamente justificada.
Fue el 29 de agosto de 2018 cuando los responsables de las distintas entidades del grupo SNCF presentaron la nueva etapa de la estrategia digital: construir la empresa del mañana gracias a los datos3.
La empresa histórica dispone de una gran cantidad de datos. Solo tenemos que ser conscientes de ello y aprovecharlo al máximo. Nuestros activos de datos incluyen datos históricos como horarios, datos de servicio de 15.000 trenes, 30.000 kilómetros de vías y 3.000 estaciones.
Pero más recientemente, también incluye los datos que los clientes nos confían a través de los servicios ofrecidos en las estaciones, y la experiencia a bordo (conectividad 3G/4G, Wifi, etc.). El objetivo es utilizar todos estos datos para apoyar la toma de decisiones, la gestión empresarial, el rendimiento y la seguridad.
Esto ha llevado a la creación de un Datalab. Aquí, el objetivo no es tanto innovar como dar acceso a los datos a todo el mundo. El laboratorio es un vehículo para compartir datos. Potencialmente, cualquier agente puede conectarse al DataLab y acceder a los conjuntos de datos . La potencial creación de valor vendrá de la manipulación por parte de los agentes.
El laboratorio está operativo desde 2018. En 2019, contaba con 350 conjuntos de datos referenciados.
Cabe señalar que, desde 2010, ya se han desarrollado Minilabs con École des Mines Paristech. Algunos de estos Minilabs también están dedicados al uso de Datos. Uno de ellos, por ejemplo, pretende anticipar el impacto del cambio climático en las redes ferroviarias4.
BNP: utilizar la Inteligencia Artificial para innovar
Además de estar dedicado al 100% a los datos, el Datalab también puede ser un acelerador para la Inteligencia Artificial. Y en particular para el desarrollo de proyectos de Machine Learning.
Este es el enfoque adoptado por BNP. En el contexto particular del mercado bancario, fue la necesidad de confidencialidad lo que llevó al Grupo a traer esta estructura internamente. De este modo, la investigación, la manipulación de datos y la creación de nuevas aplicaciones pueden llevarse a cabo con total seguridad.
Entre los proyectos que han salido de este laboratorio se encuentra una sorprendente aplicación de traducción llamada "Translate". Al principio, solo se necesitaron tres científicos de datos para desarrollar la PoC (prueba de concepto). Después fue un equipo reforzado de aprendizaje automático el que ayudó a finalizarla. Esta nueva herramienta, diseñada para la documentación profesional (contratos, informes, documentos técnicos, etc.), se convirtió rápidamente en una de las favoritas de la empresa.
Ya se han puesto en marcha al menos una docena de proyectos más. Entre ellos, un sistema de análisis automático de contratos, un motor de búsqueda, un chatbot, una herramienta de análisis de emociones, análisis de imágenes y reconocimiento de caracteres.
A través de este Datalab, BNP no oculta su ambición de adquirir y desarrollar una amplia experiencia en campos relacionados con la IA. Esto le permitirá posicionarse como un actor creíble en este sector en el futuro.
Puntos clave que hay que recordar
- Un Datalab es una estructura dedicada a la innovación en torno a los Datos.
- Su objetivo es reunir una gran variedad de recursos humanos e infraestructuras.
- Puede ser una estructura transversal, o dar lugar a una creación más integrada en el organigrama.
- Ha sido adoptada por un gran número de empresas del CAC 40.
- Puede extenderse a ámbitos relacionados, como la Inteligencia Artificial.
1. https://dataanalyticspost.com/faut-il-un-datalab-pour-innover-dans-la-data/ 2. https://octopeek.com/fr/blog-bigdata-datascience/big-data-axa-5-ans-de-dispositifs-strategiques/
3. https://www.digital.sncf.com/actualites/la-donnee-nouvelle-etape-de-la-transformation-de-sncf 4. https://www.digital.sncf.com/actualites/changement-climatique-utiliser-la-data-pour-anticiper-les-impacts-sur-le-reseau