En todas las industrias, hemos visto como DevOps y DataOps han sido adoptadas ampliamente como metodologías para mejorar la calidad y reducir time-to-market de las iniciativas relativas a la ingeniería de software y a la ingeniería de datos respectivamente. Sin embargo, el debate sobre MLOps suele centrarse exclusivamente en las herramientas, obviando que un aspecto crítico del éxito de la inversión en Machine Learning (ML) es permitir que las personas puedan lograr sus objetivos, lo que implica diseñar la estructura adecuada para su organización.

Además, hay que tener en cuenta que los aspectos únicos del machine learning, y cómo los principios generales de desarrollo de software no siempre pueden ser aplicables a estos proyectos.

Crear una organización data driven presenta muchas barreras y dificultades vinculadas a la gestión del cambio, la modificación de hábitos y el dotar a una organización de referentes y ayuda práctica en la gestión y la explotación del dato. Se trata de un cambio cultural y un cambio en la manera de hacer las cosas.

Desde Bluetab creemos en la visión de un gobierno del dato integral, un enfoque que combina principios y políticas globales para los aspectos más relevantes, y una gestión descentralizada y federada por dominios de datos.

En este paper ponemos foco en el rol de la Oficina Central (Data Management Office), así como en la infraestructura o plataforma de datos y los dominios de datos, en un entorno federado. Además, Te contamos nuestras recomendaciones para la transición hacia la aportación de valor mediante los datos.

Desde Bluetab pensamos que ha crecido la importancia de gobernar todo el ciclo de vida del dato. Creemos que es necesario un nuevo enfoque, evolucionar hacia un Gobierno del Dato 2.0 que tenga en cuenta: