Las organizaciones adoptan activamente pensamiento de producto de datos como práctica estándar para gestionar activos de datos. Este enfoque trata los datos como un producto con su propio ciclo de vida, estándares de calidad y un enfoque en conocer las necesidades del consumidor. Ahora lo recomendamos como la elección predeterminada para la gestión de datos, independientemente de si las organizaciones eligen arquitecturas como data mesh o lakehouse.
Enfatizamos la orientación al consumidor en el pensamiento de producto de datos para impulsar un mayor adopción y generación de valor. Esto significa diseñar productos de datos trabajando desde los casos de uso hacia atrás. También nos enfocamos en capturar y gestionar tanto metadatos relevantes del negocio como metadatos técnicos usando catálogos de datos modernos como DataHub, Collibra, Atlan e Informatica. Estas prácticas 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 gestión integral del ciclo de vida, asegurando que los datos no solo estén bien gobernados y sean de alta calidad, sino que también 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 información. 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 también sugiere una nueva manera de formar equipos de larga duración y multifuncionales que puedan poseer y compartir información a lo largo de la organización. Para tener una mentalidad de producto a Datos, creemos que las organizaciones pueden poner en funcionamiento los principios FAIR (findable, accessible, interoperable and reusable). Nuestros equipos utilizan catálogos de datos como Collibra y DataHub para habilitar el descubrimiento de datos. Para garantizar la confianza publicamos métricas de calidad de datos y SLI 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 múltiples casos de uso durante un tiempo. Esto viene acompañado de un tiempo de lanzamiento más rápido para posteriores casos de uso, a la vez que progresamos en la identificación e implementación 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.
