Ciencia de datos: o es ágil o no es nada
Hace ya unos cuantos años, me tocó vivir la irrupción a gran escala del agilismo en la industria del desarrollo de software en España. En poco tiempo, el agilismo pasó del desprecio y la sospecha al más puro mainstream. Tanto es así que, ahora mismo, ya hay un buen número de desarrolladores de software que no han conocido otra manera de llevar a cabo su trabajo.
Después de esa etapa, me acerqué profesionalmente al mundo de las startups. Aquí, conceptos como Lean Startup son imperantes. Aunque no están directamente relacionados, agilismo y Lean Startup comparten un mismo esquema mental, con conceptos subyacentes como:
- no podemos saberlo/planificarlo/estimarlo todo de antemano
- cuanto antes empecemos a generar productos reales, aunque parciales, antes podremos validar si son lo que el negocio necesita
- si vamos a equivocarnos, mejor hacerlo lo antes posible, para poder corregir el rumbo mientras aún haya oportunidad
El agilismo no ha llegado a todos los ámbitos por igual
Con esas dos etapas a mis espaldas, uno corre el riesgo de pensar que ya todo el mundo tiene interiorizada esa forma de afrontar los proyectos… pero nada más lejos de la realidad.
Desde que me muevo exclusivamente en este mundillo de la analítica de datos de marketing, no salgo de mi asombro con la manera en la que se afrontan algunos (¡muchos!) proyectos de esta industria.
Abundan, por ejemplo, los proyectos de analítica que vienen precedidos por enormes proyectos de “infraestructura Big Data” mediante los que se crean vastas capacidades de ingesta y almacenamiento de datos… sin un objetivo de activación claro.
Millones malgastados, meses perdidos y, lo que es peor, un lastre en forma de coste hundido que mueve el foco de la empresa: de sacarle valor a los datos a justificar la existencia de ese mamotreto tan caro.
Este artículo (y los que continuarán la serie), se puede leer completo en el blog de mi empresa, donde se publicó originalmente: La ciencia de datos o es ágil o no es nada
