Las organizaciones adoptan activamente pensamiento de producto de datos como pr¨¢ctica est¨¢ndar para gestionar activos de datos. Este enfoque trata los datos como un producto con su propio ciclo de vida, est¨¢ndares de calidad y un enfoque en conocer las necesidades del consumidor. Ahora lo recomendamos como la elecci¨®n predeterminada para la gesti¨®n de datos, independientemente de si las organizaciones eligen arquitecturas como data mesh o lakehouse.
Enfatizamos la orientaci¨®n al consumidor en el pensamiento de producto de datos para impulsar un mayor adopci¨®n y generaci¨®n de valor. Esto significa trabajando desde los casos de uso hacia atr¨¢s. Tambi¨¦n nos enfocamos en capturar y gestionar tanto metadatos relevantes del negocio como metadatos t¨¦cnicos usando cat¨¢logos de datos modernos como DataHub, Collibra, Atlan e Informatica. Estas pr¨¢cticas mejoran el descubrimiento y usabilidad de los datos. Adicionalmente, aplicamos el pensamiento de producto de datos para escalar iniciativas de IA y crear datos listos para IA. Este enfoque incluye una gesti¨®n integral del ciclo de vida, asegurando que los datos no solo est¨¦n bien gobernados y sean de alta calidad, sino que tambi¨¦n se retiren en cumplimiento con los requisitos legales y regulatorios cuando ya no sean necesarios.
El Product Thinking de Datos prioriza el tratar los consumidores de datos como clientes, de esta manera asegura que tengan una experiencia fluida a lo largo de la cadena de valor. Esto comprende la facilidad en el descubrimiento, entendimiento, confianza, acceso y consumo de la informaci¨®n. El ¡°Product Thinking¡± no es un concepto nuevo. En el pasado lo hemos integrado en el mundo operacional mientras construimos productos operacionales o microservicios. Esto tambi¨¦n sugiere una nueva manera de formar equipos de larga duraci¨®n y multifuncionales que puedan poseer y compartir informaci¨®n a lo largo de la organizaci¨®n. Para tener una mentalidad de producto a Datos, creemos que las organizaciones pueden poner en funcionamiento los principios . Nuestros equipos utilizan cat¨¢logos de datos como Collibra y DataHub para habilitar el descubrimiento de datos. Para garantizar la confianza publicamos m¨¦tricas de calidad de datos y como su vigencia, integridad y consistencia para cada producto de datos, y herramientas como Soda Core y Great Expectations automatizan los controles de calidad. La Observabilidad de Datos, se puede alcanzar mediante la ayuda de plataformas como Monte Carlo.
Hemos visto productos de datos convertirse en la base de m¨²ltiples casos de uso durante un tiempo. Esto viene acompa?ado de un tiempo de lanzamiento m¨¢s r¨¢pido para posteriores casos de uso, a la vez que progresamos en la identificaci¨®n e implementaci¨®n de productos de datos enfocados a la entrega de valor. Es por esto que nuestro consejo es adoptar el product thinking de datos para datos FAIR.
