El CIO Ryan Snyder sobre los beneficios de interpretar los datos como un pastel de capas

El CIO de Thermo Fisher Scientific, Ryan Snyder, analiza un modelo escalonado utilizado para convertir los datos en valor en el fabricante de instrumentos y equipos de laboratorio de 40 mil millones de dólares.

Una capacidad de datos y análisis no puede surgir únicamente de una estrategia empresarial o de TI. Dado que tanto la tecnología como la organización empresarial están profundamente involucradas en el qué, el por qué y el cómo de los datos, las empresas necesitan crear equipos de datos multifuncionales para aprovecharlos al máximo. Por eso, el CIO de Thermo Fisher Scientific, Ryan Snyder, y sus colegas han creado un pastel de capas de datos basado en una serie de debates en cascada que permiten a TI y a los socios comerciales actuar como un solo equipo. Martha Heller, directora ejecutiva de Heller Search Associates, se sentó recientemente con Snyder para obtener más información.

Martha Heller: ¿Cuáles son los impulsores comerciales detrás del ecosistema de arquitectura de datos que está construyendo en Thermo Fisher Scientific?

Ryan Snyder: Durante mucho tiempo, las empresas simplemente contrataban científicos de datos, les indicaban sus datos y esperaban conocimientos sorprendentes. Esa estrategia está condenada al fracaso. La mejor manera de iniciar una estrategia de datos es establecer algunos impulsores de valor real que la empresa pueda respaldar. En Thermo Fisher Scientific, esos impulsores de valor se dividen en tres áreas distintas. Uno es optimizar nuestro propio back office y los otros dos se aplican a los negocios de nuestros clientes de promover el descubrimiento científico y acelerar los resultados clínicos.

¿Cuáles son algunos ejemplos de soluciones de datos en cada uno de esos grupos?

En el back office, un área muy interesante para nosotros es el espacio de fabricación. A diferencia de muchas otras industrias, la fabricación de ciencias biológicas implica muchas actividades personalizadas no repetibles, por lo que podemos terminar con una enorme variabilidad en términos de cómo se fabrican los productos. Históricamente, impulsamos la productividad a través de Lean Six Sigma y la optimización de los flujos de trabajo. Pero con la llegada de la Industria 4.0, estamos colocando sensores en nuestros procesos de fabricación, lo que nos proporciona grandes cantidades de datos que nuestros líderes utilizan para repensar esos procesos.

En cuanto a los descubrimientos científicos y los resultados clínicos, muchos de los instrumentos que vendemos se están volviendo digitales. La microscopía y la secuenciación de genes, por ejemplo, generan una gran cantidad de datos que nuestros clientes intentan analizar. Cuanto más podamos crear plataformas para conectarnos y simplificarlo, más fácil les resultará acceder a los datos que importan. Esto es especialmente cierto cuando tienen conjuntos de datos de múltiples instrumentos. ¿Cómo reúnen todos esos datos? Esa solía ser la carga del cliente. Pero como proveedor, podemos acelerar el descubrimiento conectando esos diferentes conjuntos de datos.

Ha hablado de su plataforma de datos como si fuera un pastel de capas. ¿Cuáles son las capas?

En TI, a menudo hablamos de las capas de una pila de tecnología. La metáfora del pastel de capas desplaza la discusión sobre datos de una discusión de TI a la intersección de la estrategia empresarial y la tecnología. Se trata de cómo creamos capas desde el concepto de negocio, como avanzar en el descubrimiento, hasta llegar a una solución tecnológica, como una herramienta de visualización.

La primera capa es la del concepto de negocio, donde organizamos deliberadamente sesiones con nuestros socios comerciales para discutir en qué parte de nuestros datos comerciales crean valor. Esto no es diferente de cómo una organización de recursos humanos desarrollaría una estrategia de talento para sustentar una estrategia comercial. Por lo tanto, trazar esas ideas es parte integral de la primera capa.

La segunda capa es la capa consumible, donde los clientes, tanto internos como externos, pueden acceder y utilizar los datos. Aquí seleccionamos, por ejemplo, las herramientas de visualización. La tercera capa, y la más complicada, es la arquitectura y la gobernanza, que hemos vinculado como una sola capa.

Con las dos primeras capas, el negocio es el conductor con TI en una función de soporte, pero con la capa de arquitectura y gobierno de datos, TI y el negocio están uno al lado del otro, trabajando juntos en decisiones complejas sobre gobierno y arquitectura.

La última capa son los datos sin procesar, que es donde extraemos los datos de los sistemas de origen, los organizamos, los protegemos y determinamos qué lagos de datos usar. Estas no son discusiones típicamente comerciales; es en gran medida TI.

Entonces, con el modelo de pastel de capas, tenemos un conjunto de discusiones en cascada entre TI y nuestros socios comerciales, el negocio impulsando en los niveles superiores y TI impulsando en los niveles inferiores.

Qué¿Un ejemplo de un problema de datos que ilustra cómo funcionan las capas?

Tomemos como ejemplo el objetivo de simplificar nuestros informes de ingresos en toda la empresa, lo que puede volverse demasiado complejo en un negocio que ha crecido a través de adquisiciones, muchas de las cuales con sus propios sistemas financieros. En la capa de concepto de negocio, el liderazgo financiero participa en una cadencia de discusiones con el liderazgo de TI e ingeniería de datos para discutir el cambio de proceso necesario para crear informes de ingresos de autoservicio empresarial. En la capa de consumibles, decidimos cómo las personas consumirán los datos de ingresos. ¿Nuestro objetivo es un portal o deberíamos tener un portal para los ingresos del lado clínico y el otro para nuestros negocios de productos? En este nivel, involucramos a los gerentes generales, que consumen los datos, y a algunas personas más de TI escalan la solución. Hacemos clic hacia abajo en el organigrama a medida que avanzamos por las capas.

¿Qué sucede en la capa de arquitectura y gobernanza?

Durante las dos primeras capas, enmarcamos la solución de datos en términos de contexto empresarial, con la empresa liderando estas discusiones pero TI aún involucrada. Sin embargo, a nivel de gobernanza y arquitectura, el equipo de TI dirige la conversación para decidir los estándares y reglas de datos que nos permitirán gestionar la capa de consumibles. ¿Los datos viven en una o varias nubes? ¿Queremos utilizar las mismas herramientas de visualización para cada negocio? ¿Quién tiene acceso a los datos?

Y luego, en la capa de datos sin procesar, el equipo de TI toma decisiones de ingeniería, almacenamiento, seguridad y otras herramientas.

¿Cuáles son las ventajas de unir la arquitectura y la gobernanza de datos como una sola capa?

Rapidez y evitando retrabajos. Cuando hicimos una evaluación inicial de nuestras capacidades de datos, vimos que teníamos muchos equipos pequeños, cada uno con pequeñas bases de datos, y todos tomaban las decisiones correctas sobre los datos para su visión del mundo, pero nadie estaba mirando esas pequeñas bases de datos. Necesitábamos una capa que reuniera a los líderes empresariales y de TI para analizar ese panorama. Se necesita cierta inversión de ambas partes para buscar la mejor manera.

¿Cómo ha beneficiado a la empresa la estructura del pastel en capas?

Nos ha dado agilidad. Podemos entender conjuntos de datos muy complicados en toda la empresa, pero luego permitir que las personas resuelvan los problemas de una manera muy local pero orquestada. El pastel de capas le brinda a TI la oportunidad de ver todos los problemas comerciales que los datos podrían resolver y la capacidad de resolver esos problemas rápidamente. También le da a la empresa cierta propiedad sobre las decisiones sobre datos.

¿Cuáles fueron los desafíos al armar el pastel de capas?

Tuvimos que pasar de la gestión de proyectos a un modelo de gestión de productos, lo cual fue muy importante porque cuando financias el crecimiento de una estrategia de datos proyecto por proyecto, terminas con un monstruo de atajos de Frankenstein, porque te quedas sin dinero o sin tiempo. En un modelo de producto, los equipos no están limitados en el tiempo arquitectónicamente; están impulsados ​​por los resultados del producto versus los resultados del proyecto. Cambiar al modelo de producto puede requerir mucho tiempo y esfuerzo.

Otro desafío fue que dejé que los equipos se apegaran demasiado a algunas tecnologías heredadas. El espacio de datos avanza tan rápidamente y están sucediendo tantas cosas en las comunidades de startups que uno puede quedarse estancado si permanece demasiado tiempo con tecnologías obsoletas.

El tercer desafío fue asegurarnos de que tuviéramos objetivos estratégicos de datos ambiciosos a largo plazo, incluida la inteligencia artificial, pero que pudiéramos comenzar poco a poco de una manera manejable que creara valor. Tienes que ser capaz de resolver pequeños problemas y al mismo tiempo incorporarlos a una visión completa. Si no lo hace, podría pasar un año resolviendo pequeños problemas y perder la gran oportunidad de inversión.

¿Qué consejo daría a los CIO que quieran construir una estructura de datos similar? Encuentre algunos socios internos que tengan el deseo y la capacidad de ayudarlo a construir el modelo, porque los roles que les pide a sus socios comerciales que desempeñen no son los que han desempeñado tradicionalmente. Quieren los datos, pero ¿entienden para qué se están registrando? Los equipos de negocios y de TI pueden realmente operar como uno solo. Concéntrese en quiénes deberían ser sus primeros socios, porque los mejores defensores adicionales para desarrollar una estrategia de datos no necesariamente provendrán de usted; probablemente provengan de otros pares comerciales.