¿Qué pasa si tus datos de 'Messi' son realmente perfectos?

Hello, data Shokunin-deshi!

¡Bienvenido a la parte final de nuestra serie de implementaciones de Data Ecosystem Vision Board!En nuestras ediciones anteriores, compartió cómo ayudé a Sarah en 4seconds.com a construir las capas de Inputs Present y Future Vision de su Data Ecosystem Vision Board.

Hoy, completamos el viaje explorando la capa Metrics de éxito, la búfala que guía la transformación y mide el progreso.

Mi vecino está tan obsesionado con su césped, estoy bastante seguro de que piensa que es el maestro Zen de su patio trasero.Vino el otro día, y por alrededor de la cuarta vez, comenzó a hablar de mi árbol.Esta vez, sin embargo, lo prefirió con una historia de algún "curso de jardinería avanzado" que tomó.

El maestro, aparentemente radiando serena sabiduría, respondió: “Nosotros juzgamos por tres medidas: la salud del árbol, su belleza, y cómo se armoniza con el jardín en su conjunto.

Luego, me miró muerto en los ojos y, con toda la calma Zen que podía reunir, me informó de que mi árbol sin sentido de Zen estaba fallando en todos los tres puntos, especialmente en la parte "armoniza con su jardín".

Y honestamente, su punto de vista sobre la intrusión del árbol, sin embargo no Zen-como su entrega, ilustra perfectamente el propósito de nuestra capa de Metrics de éxito. Con las medidas correctas, podemos evaluar las transformaciones complejas a través de una lente simple pero poderosa que guía nuestras acciones y decisiones. Porque a veces, incluso los principios más profundos necesitan un poco de empuje, o un vecino con una definición muy específica de "armonía".

La capa Metrics de éxito transforma una visión de la aspiración a la acción definiendo lo que el éxito parece y cómo sabremos cuando lo hayamos logrado.

Resumen Ejecutivo

En esta edición, comparto cómo guié a Sarah a través de la construcción de la capa de Metrics de éxito de su panel de visión del ecosistema de datos:

✅ Aprenda a aplicar el marco de 5 W para desarrollar KPIs enfocados e impactantes

✅ Descubra cómo seleccionar métricas de salud de la organización (Data ROI y Utilización de Datos) que miden el éxito global de la transformación

Dominar el arte de crear principios guía claros que impulsen la toma de decisiones

✅ Implementar un enfoque de gestión del cambio que asegure la adopción de capacidades y la realización de valores

Las métricas que importan: más allá de la medida a la acción

Después de completar la capa Future Vision con el equipo de Sarah, necesitamos establecer cómo se mediría el éxito y cómo se guiaría la transformación.

• How will we measure success? (KPIs)

• What principles will guide our decisions? (Guiding Principles)

• How will we manage the organizational change? (Change Management)

  
  

Basado en mi experiencia de implementación, recomiendo un enfoque enfocado con:

• A maximum of 6 total KPIs (including 2 core organizational metrics)

• No more than 6 guiding principles

• A structured change management plan linked to capability implementation

  
  

Esta restricción deliberada evita la proliferación métrica al tiempo que garantiza una cobertura completa de lo que realmente importa.

El marco de 5 W para KPIs eficaces

En el corazón de las métricas significativas se encuentra el marco de 5 W, un enfoque estructurado para asegurar que cada KPI impulse el valor real del negocio:

El marco de 5 W para KPIs eficaces: mapear esos KPIs en una tabla de Excel simple ya le dará una mejor visión y comprensión.

Por qué: Comprender el propósito

Cada KPI debe tener un objetivo claro:Nosotros medimos [KPI] porque nos dice [insight], que nos ayuda a alcanzar [objetivo empresarial]."

Example from 4seconds.com:“Medimos la precisión de inventario porque nos dice lo confiable que podemos planificar y ejecutar las ventas en flash, lo que nos ayuda a maximizar los ingresos y la satisfacción del cliente”.

Implementation Lesson:Muchas organizaciones luchan con demasiadas métricas en lugar de demasiado pocas.Sé implacable en exigir un propósito claro para cada KPI, varias métricas propuestas deben eliminarse cuando los equipos no pueden articular un convincente por qué.

Qué: Alinear los KPIs con las acciones

Los KPIs deben conectarse a acciones específicas: "Y cuando lo hacemos, lo hacemos, lo hacemos."

Example from 4seconds.com:“Medimos la precisión de la atribución de campañas porque nos dice cuán eficazmente estamos rastreando el rendimiento del marketing.Cuando disminuye por debajo del 85%, investigamos las lagunas en la recopilación de datos y los problemas de canalización para asegurar que las decisiones de inversión de marketing se basen en datos confiables”.

Implementation Lesson:Al definir explícitamente las acciones de respuesta, los equipos aseguran que sus KPIs impulsen el comportamiento en lugar de simplemente medirlo.

Dónde: Mapear el impacto de los KPI

El documento primario afectó a los equipos, en caso de que el KPI cambie de tendencia, quiénes son los equipos que lo influyen, los equipos que sentirán el dolor, y cómo se relaciona con lo que "Cuando [KPI] [Aumenta], [Equipo] [Qué acción necesita ocurrir].

Example from 4seconds.com:Propiedad primaria: Ingeniería de datos; cuando la puntuación de calidad disminuye, el equipo de datos necesita investigar qué causó el cambio de tendencia, y los productores de datos necesitan comprobar de su lado, si los flujos de datos como se esperaba

Implementation Lesson:La dimensión "Dónde" a menudo revela dependencias inesperadas. Cuando trabajamos con los KPI, tendrán un impacto diferente en diferentes equipos. Al mapear dónde un cambio de tendencia de la influencia del KPI nos ayudará a comprender mejor el impacto del KPI

Curiosa historia, una vez que estuve con un equipo de marketing que estaban muy contentos que lograron reducir el gasto presupuestario debido a mejores datos sobre el rendimiento de las campañas, al otro lado de la habitación el equipo de finanzas estaban extrañando cómo explicar a los inversores que la empresa no alcanzará el presupuesto de marketing comprometido y cómo no perderlo para el próximo año.

Curiosa historia, una vez que estuve con un equipo de marketing que estaban muy contentos que lograron reducir el gasto presupuestario debido a mejores datos sobre el rendimiento de las campañas, al otro lado de la habitación el equipo de finanzas estaban extrañando cómo explicar a los inversores que la empresa no alcanzará el presupuesto de marketing comprometido y cómo no perderlo para el próximo año.

Cuándo: El ritmo de medición

Define la frecuencia cuando se requieren los KPIs, en función de la rapidez con la que cambian las métricas y de la rapidez con la que se pueden tomar medidas.

Example from 4seconds.comCalculado diariamente, revisado semanalmente por operaciones, 48 horas antes de las ventas por los ejecutivos, con análisis de tendencias de 90 días y ajustes de temporada de vacaciones.

Lección de implementación: No se aplique por defecto a las revisiones diarias, independientemente del ritmo natural de la métrica.

Who: El guardián de las métricas

Asignar propiedad clara con responsabilidad y autoridad para influir en el rendimiento.

Example from 4seconds.com: "Temporalidad de datos de marketing", Propietario: Marketing Analytics Lead; Contribuyentes: Administrador de datos, Ingeniero de datos; Interesados: CMO, Gerentes de campañas; Audiencia: Todo el equipo de marketing, equipo ejecutivo.

Implementation LessonLa propiedad debe incluir la autoridad para impulsar el cambio.Asegúrese de que cada propietario de KPI tenga la responsabilidad y la autoridad para influir en el rendimiento de la métrica.

Para ejemplos detallados y lecciones de implementación, consulte nuestra newsletter anterior enEl marco de 5 W para KPIs eficaces

Metrías de salud organizacional: ROI de datos y utilización de datos

La cartera de KPI estratégicos: seis métricas que importan

La capa Metrics de éxito alberga seis KPIs máximo, una restricción deliberada que fuerza el enfoque estratégico. sobrepoblación con métricas y pierdes el rastro de lo que realmente importa; subpoblación y pierdes la visibilidad en áreas críticas.

Mi recomendación sigue una estructura probada:

Two Foundation KPIs Data Health Indicators:Estas métricas a largo plazo evalúan la salud general de su ecosistema de datos:

• ROI de datos: mide el valor monetario generado por sus inversiones en datos
• Utilización de datos: rastrea la eficacia con la que utiliza los datos que recopila y almacena

Estos KPI de fundación proporcionan sus "signos vitales"; si estas tendencias son malas, toda su estrategia de datos necesita atención.

Two to Four Capability KPIs, Progress TrackersEstas métricas miden el progreso hacia las capacidades específicas delineadas en su Visión del Futuro.

• Conecte directamente a sus prioridades de visión
• Identificación temprana de los problemas de implementación
• Demostrar progresos tangibles hacia los objetivos estratégicos
• Proporcionar señales claras cuando se necesita una corrección de curso

Example from 4seconds.com:Sus KPIs de capacidad incluyeron "Reliabilidad de la tubería de datos" (99.5% de meta de tiempo de funcionamiento) y "Adopción de análisis de auto-servicio" (60% de los usuarios empresariales activamente consultando datos de forma independiente).

ROI de datos: Medir la creación de valor

El ROI de datos mide el retorno financiero generado por las inversiones de datos.Esta métrica responde a la pregunta fundamental: "¿Nuestro ecosistema de datos crea valor real para el negocio?"

Implementation Approach:

Define la fórmula:

Data ROI = (Financial Value Generated - Cost of Data Operations) / Cost of Data Operations

If Cost of Data Operations = €100 and Financial Value Generated = €90, then (90−100)/100=−0.10 or -10%.

Calculate Components:

• Financial Value Generated: Quantified benefits from data-driven decisions and automations

  • Tip: Defining "Financial Value Generated" Accurately: This is often the trickiest part. Be clear and consistent about what you include. Avoid double-counting or attributing value that isn't directly a result of data operations.

• Cost of Data Operations: All expenses related to data collection, storage, processing, and analytics

  
  

Set Targets:

• Minimum acceptable ROI (typically 0.01-0.7x)

• Target ROI (typically 0.8-2.5)

• Stretch ROI (typically 2.6x+)

  
  

Implement Measurement:

• Timeframe: Specify the period over which you are calculating the ROI (e.g., quarterly, annually). Value and costs should align with this timeframe: In our case:

  • Quarterly calculation
  • Year-over-year trend analysis

• Breakdown by data domain or capability

  
  

Example from 4seconds.com:Después de implementar la medición, su ROI inicial de datos fue de 0,2x, apenas positivo. Hemos establecido metas de 2x para finales de año y 4x dentro de tres años. Más importante, hemos creado un mecanismo de seguimiento detallado que identificó qué capacidades estaban creando más valor y cuáles necesitaban intervención.

Implementation LessonA veces es útil comparar el "Valor Financiero Generado" con las operaciones de datos a un escenario hipotético sin ellos, especialmente para iniciativas destinadas a mantener o mejorar los procesos existentes.

Qualitative Benefits:Recuerde que el ROI es una medida cuantitativa.Las iniciativas de datos a menudo tienen beneficios cualitativos significativos (por ejemplo, mejor toma de decisiones, mejor experiencia del cliente, innovación) que son más difíciles de monetizar directamente, pero todavía son valiosos.No deje que un ROI puramente financiero sea el único factor en evaluar el éxito de los datos.

El verdadero desafío: lo que el equipo de Sarah descubrió

Cuando comenzamos a calcular el ROI de los datos, el equipo de Sarah se encontró con un obstáculo inmediato: "¿Cómo cuantificamos todos los ingresos generados por los datos?"El reto fue particularmente agudo con los datos financieros, que son esenciales pero no generan directamente el ROI.

Hemos tenido que evolucionar nuestro enfoque:

1. "Must Have" Data Exclusion: We classified essential data like financial data, compliance data, and operational data as "must have" and excluded them from ROI calculations. But we needed to tag it properly so this wouldn't become a manual process.

2. Tagging System Implementation: We created a comprehensive tagging system to automatically categorize data by its business purpose:

   1. Revenue-generating data
   2. Cost-saving data
   3. Must-have/compliance data
   4. Experimental data

3. Value Tracking Mechanism: For every significant data-driven decision or automation, we implemented a value tracking system where stakeholders estimated the business impact, and when possible we created automatic process, for example in the marketing campaigns we identified the campaigns we optimized and they stopped spending budget on bad traffic and accomilated it, and when increased we mark it as value created.

Lección de implementación: Muchas organizaciones luchan para cuantificar el valor de las iniciativas de datos. Trabajé con Sarah para implementar un sistema de seguimiento del valor donde cada decisión o automatización significativa basada en datos tenía un valor estimado asociado. Si bien no es perfecto, este enfoque proporcionó una base para medir el retorno que era mucho mejor que ninguna medición en absoluto.

Utilización de datos: Medir el uso efectivo

La utilización de datos mide la eficacia con la que su organización aprovecha los datos que recopila.Esta métrica aborda otra pregunta crítica: "¿Estamos aprovechando al máximo nuestros activos de datos?"

Implementation Approach:

Define la fórmula:

Data Utilization = Data Assets Actively Used / Total Data Assets Collected

* Over a fixed period, in our case it was three months, but in bigger organizations I used six months timeframe

Calculate Components:

• Activos de datos utilizados activamente: elementos de datos utilizados en informes, análisis o procesos automatizados
• Total de activos de datos recopilados: Todos los elementos de datos almacenados en su ecosistema de datos

Set Targets:

• Utilización mínima aceptable (típicamente 55-60%)
• Utilización objetivo (típicamente 61-78%)
• Utilización del estiramiento (normalmente 79% +)

Implement Measurement:

• Quarterly calculation

• Trend analysis

• Breakdown by data domain or system, as well as team/user, if possible

  
  

Sarah's Big Discovery: The Data Utilization Reality Check

El mayor "momento" para mí fue descubrir que nadie en la compañía estaba pensando en comprender los patrones de uso de datos, aunque estaban asociando algunos costos con los equipos, aceptaron la factura del servidor como una cosa dada.

The Technical Challenge: When we tried to implement Data Utilization tracking, we immediately hit a wall. There were no tags, no database collecting logs (Data Catalog) and information, and no way to track what data they had, who owned it, when it was accessed, or by what system. We couldn't follow the lineage.

Building the Foundation:Teníamos que empezar desde cero:

1. Activity Logging Database: Created a comprehensive system to log all data interactions, creating a data catalog

2. Ownership Documentation: Mapped every dataset to an owner and purpose

3. Access Tracking: Implemented monitoring to see which data was being used and when

4. Lineage Mapping: Built systems to track data flow from source to consumption

   
   

Los resultados: El cálculo inicial de Sarah reveló que solo el 48% de sus 32 TB de datos almacenados se utilizaron, lo que llevó a una iniciativa masiva de racionalización de datos que no solo redujo los costes de almacenamiento, procesamiento y seguridad en más de 1.000 euros al mes, sino que también enfocó los esfuerzos analíticos en datos de alto valor.

Implementation Lesson:

• Low utilization is common and often hidden. At another client, I discovered they were storing over 200 website behavioral events but only using 8 in any decision-making process. The cost of collecting and storing unused data was substantial, and the unnecessary complexity slowed down legitimate analytics. By implementing utilization measurement, Sarah's team gained visibility into this previously hidden issue.

• Use of Tags for data helps a lot when coming to investigate it, the ability to identify who owns it, what exactly it is, and creating a process that logs this information into some database was super helpful. This practice is not common and should be encouraged even more

• While maybe storing 32TB is only $700, the backup, moving of data, security... costs money, it top it to over $1,000 a months or even more, if only 50% is used, it's good thing to ask Why do we keep the data, and can we move it to some lower costs long terming plan

• Data not in use moved into a long-term container, which is extended twice, each with a six-month long-term plan, and if is not required can be deleted by the end period of the second extension, if it's not data the company is obligated to store, such as financial or user health data. Think about this process as well

• Always set a data retention plan. I will deep dive into it in Data Flavors issue #15, covering a few methods, and my view on it.

  
  

Apoyar KPIs: Medir el éxito de la capacidad

In addition to the two organizational health metrics, I helped Sarah select a maximum of four supporting KPIs that would track the success of their key capabilities:

El proceso de selección

Para evitar la proliferación de KPI, guié a Sarah a través de un proceso de selección estructurada:

1. Para cada capacidad de Future Vision, identifica 2-3 métricas de éxito potenciales
2. Aplicar el marco de 5 W a cada métrica candidata
3. Evaluate candidates based on:
   • Coverage (how broadly applicable across capabilities)
   • Measurability (how feasible to track consistently)
   • Actionability (how it drives specific behaviors)
   • Impact (how directly it connects to business outcomes)
4. Select the 3-4 metrics with the highest evaluation scores

Lección de implementación: Este riguroso proceso de selección es crucial. En los clientes anteriores, he visto las métricas elegidas basándose en lo que es fácil de medir en lugar de lo que impulsa el valor. Al centrarse en la cobertura, la medida, la actuabilidad y el impacto, el equipo de Sarah se aseguró de que seleccionaran métricas que guiarían verdaderamente su transformación.

Seleccionados para apoyar KPIs

Para 4seconds.com, los KPIs de soporte incluyen:

Data Quality Score

• Qué mide: exactitud, integridad, actualidad y coherencia de los dominios de datos clave
• La visión era incluir más datos de marketing para orientar automáticamente las campañas, y los datos malos podrían causar pérdidas
• Desencadenantes de acción: Bajo el 90% desencadena la remediación; Bajo el 80% desencadena la revisión de emergencia
• Calculation: Composite score across data quality dimensions and domains

Marketing campaigns automated

• What it measures: The share of marketing campaigns generated by smart systems and not humans
• Por qué importa: El objetivo es automatizar el esfuerzo de los comercializadores y eliminar la necesidad de que las agencias los apoyen.Con el sistema, el equipo de marketing puede centrarse en las campañas de alto esfuerzo y dejar que el sistema establezca y optimice el resto
• Desencadenantes de acción: si la cuota es inferior al 65%, la capacidad no está actuando como se esperaba; si es inferior al 35%, la capacidad está causando problemas que pueden dañar al equipo de marketing.
• Cálculo: Tiempo promedio entre las decisiones empresariales clave

Self-Service Adoption

• Qué mide: Porcentaje de solicitudes de análisis cumplidas a través de autoservicio
• Why it matters: Indicates democratization progress and analyst leverage
• Desencadenantes de acción: Revisión de los desencadenantes de objetivo; evaluación de la capacidad de los desencadenantes de estancamiento
• Cálculo: Solicitudes de auto-servicio / Solicitudes totales de análisis

Data Literacy Index

• What it measures: Organization-wide data skills and confidence

• Why it matters: Foundation for a data-driven culture

• Action triggers: Skill gaps trigger targeted training; confidence gaps trigger communication initiatives

• Calculation: Composite score from skills assessment and confidence survey

  
  

La historia de la automatización del marketing: KPIs como guardias de la capacidad

Déjame compartir la historia detrás del KPI de "Campañas de marketing automatizadas", que se convirtió en una de las métricas más valiosas de Sarah.

El equipo de Sarah había establecido un objetivo ambicioso: automatizar el 80% de las decisiones de presupuesto de la campaña y el 60% de la creación de la campaña.

The Challenge:El equipo de marketing estaba aterrorizado. ¿perderían sus empleos a la automatización?

The SolutionEl KPI medía el progreso, pero más importante, seguía si la automatización estaba ayudando o dañando el rendimiento de la campaña.

On the Company Core Dashboard:Ellos rastrearon dos KPI conectados:

• Marketing campaigns automated (% of campaigns managed by AI)

• Revenue estimated from marketing campaigns (should stay stable or increase as automation progresses)

  
  

Estos KPIs gemelos se convirtieron en potentes indicadores del desarrollo de capacidades y del esfuerzo colaborativo entre el equipo de datos y el equipo de marketing.Cuando el porcentaje de automatización aumentó, pero las estimaciones de ingresos se mantuvieron firmes, mostró que el sistema estaba aprendiendo.Cuando ambos salieron juntos, demostró que la capacidad estaba brindando valor real.

Implementation Lesson: Each supporting KPI should connect to multiple capabilities rather than tracking a single initiative. This provides broader coverage with fewer metrics. Sarah's initial list had 12 potential KPIs, but by focusing on metrics that spanned multiple capabilities, we achieved comprehensive coverage with just four.

Principios orientadores: la estrella del norte para las decisiones

Debo admitir que el método que he copiado a continuación de mis entrenadores ágiles en Zalando, hicieron un trabajo tan fantástico, por lo que nunca sentí necesidad de cambiarlo.

Debo admitir que el método que he copiado a continuación de mis entrenadores ágiles en Zalando, hicieron un trabajo tan fantástico, por lo que nunca sentí necesidad de cambiarlo.

Más allá de las métricas, trabajé con Sarah para establecer principios guía claros para su ecosistema de datos. Estos principios guían las decisiones cotidianas y ayudan a resolver conflictos o ambigüedades.

Principles Development Process

Para crear principios significativos, facilité un proceso estructurado:

Gather Input:

• Notas de taller de revisión para temas recurrentes
• Identificar los principios implícitos actuales (lo que guía las decisiones hoy)
• Collect stakeholder perspectives on what should guide the future

Draft Candidate Principles:

• Focus on areas where guidance is most needed
• Garantizar que los principios aborden tanto aspectos técnicos como culturales
• Frame positivamente como declaraciones de aspiración
• Keep language simple and memorable

Evaluate and Refine:

• Prueba cada principio contra escenarios del mundo real
• Garantizar que los principios sean lo suficientemente específicos como para orientar las decisiones
• Eliminar la sobrecarga y el despido
• Limitar a un máximo de seis principios

Finalize and Document:

• Crear definiciones claras para cada principio
• Desarrollar ejemplos de aplicaciones
• La jerarquía de decisiones de documentos cuando los principios entran en conflicto
• Crear un plan de comunicación y socialización

Lección de Implementación: Los principios deben ser actuables, no platitudes aspiracionales. Durante nuestra sesión de redacción, desafié cada principio con, "¿Cómo te ayudaría esto a tomar una decisión diferente?" Si no podíamos identificar escenarios específicos en los que el guía de principios se comportaría, lo refinamos o lo reemplazamos.

Los Principios Guía de 4seconds.com

Después de este proceso, el equipo de Sarah estableció estos seis principios:

Data as a Product

• Cada conjunto de datos es tratado como un producto con una propiedad clara, estándares de calidad, un proceso de iteración, valor monetario y soporte de usuario.
• Ejemplo de aplicación: nuevas fuentes de datos requieren propiedad definida y métricas de calidad antes de la implementación
• Guía para la toma de decisiones: la calidad y la fiabilidad prevalecen sobre la velocidad de entrega

Share by Default

• Todos los datos no sensibles deben ser descubiertos y accesibles en toda la organización, y documentados en el catálogo de datos de la empresa.
• Ejemplo de aplicación: los conjuntos de datos de los departamentos se publican automáticamente en el catálogo central
• Guía de decisión: las restricciones de acceso requieren una justificación explícita

Business Impact First

• Definición: Las iniciativas de datos se priorizan basándose en el impacto comercial mensurable
• Ejemplo de solicitud: Todas las propuestas de proyecto incluyen el valor monetario estimado
• Orientación para la toma de decisiones: las iniciativas de mayor impacto tienen prioridad sobre las de interés técnico

Automate the Routine

• Definición: Las tareas de datos manuales deben ser automatizadas para liberar la capacidad humana para la generación de insights
• Ejemplo de aplicación: cualquier informe producido más de dos veces es automatizado
• Guía para la toma de decisiones: invertir en la automatización de tareas repetitivas sobre la optimización manual

Right-time, Not Always Real-time

• Definition: Data timeliness should match business need, not default to the most frequent possible

• Example application: Daily aggregation for metrics that drive weekly decisions

• Decision guidance: Performance and cost efficiency over unnecessary immediacy

  
  

Design for Trust

DefinitionLos sistemas y procesos de datos deben construir confianza a través de la transparencia y la fiabilidad, y ser proactivos en las cuestiones de comunicación.

Example application: Las métricas de calidad están visibles junto a todos los informes

Decision guidanceTransparencia sobre las limitaciones de las capacidades exageradas

The "Business Impact First" Transformation

De todos los principios adoptados por el equipo de Sarah, "Business Impact First" creó el cambio más profundo.

The Decision: Al evaluar dos capacidades competidoras, análisis de auto-servicio vs. automatización de marketing, los equipos inicialmente argumentaron basándose en las preferencias técnicas y las necesidades de los departamentos.

The Principle in Action: Hemos aplicado "Impacto empresarial primero" y calculado el valor monetario para cada opción:

• Self-service analytics: €45,000 annual savings in analyst time

• Marketing automation: €120,000 annual revenue increase potential

  
  

The Result: El principio les guió a priorizar la automatización del marketing, pero lo más importante, cambió la forma en que abordaron todas las decisiones futuras.

Lección de implementación: Los principios deben reflejar tanto las aspiraciones como las limitaciones prácticas. En un cliente anterior, establecí "todo en tiempo real" como un principio sin considerar las implicaciones de costos. Esto llevó a una inversión excesiva en infraestructura que proporcionaba un valor de negocio mínimo. Ayudé al equipo de Sarah a encontrar el equilibrio correcto con principios como "Tempo correcto, No siempre en tiempo real" que reconocieron las limitaciones prácticas mientras todavía proporcionaban orientación clara.

Principios de socialización: hacer que se mantengan

Communication Strategy:Comunicamos los principios en una reunión de todas las manos, creamos una mesa y invitamos a la gente a reaccionar y sugerir formas de ejecutar los principios. Durante la sesión, explicamos que ya los habíamos experimentado durante los talleres para la capa futura, y algunos habían surgido a través del proceso de descubrimiento de la capa actual.

The Testing Approach: Nosotros acordamos que los principios serían probados durante los próximos seis meses y podrían ser reevaluados para su adaptación a la cultura y el uso de la organización. Esto los hizo "fijos pero temporales", dándoles a todos el tiempo de acostumbrarse a ellos mientras proporcionan un camino claro para referirse a ellos cuando las decisiones se hicieron complejas.

Implementation Lesson:Hacer principios "fijos pero temporales" redujo la resistencia y permitió a las personas experimentar con el uso de ellos como herramientas de toma de decisiones.

Gestión del cambio: garantizar la adopción y el valor

Introducir nuevas capacidades de datos no se trata sólo de herramientas, sino de cambiar la forma en que las personas trabajan, piensan y toman decisiones.Junto con Sarah, desarrollamos un enfoque de gestión del cambio centrado en tres pilares: Impacto, Adopción y Aprendizaje.

Comprender el impacto

Empezamos con unaChange Impact AssessmentCómo se verán afectados los diferentes equipos:

• Interesados: Usuarios, productores de datos, roles indirectos y liderazgo
• Impactos: proceso, habilidades, herramientas, mentalidad, toma de decisiones
• Example (4seconds.com):

  • Marketing: High impact – full shift in workflows

  • Finance: Medium – new sources, familiar processes

  • Product: Low – minimal change

    
    

Implementation LessonIncluso cambios pequeños, como un rediseño de tablero, pueden afectar profundamente los flujos de trabajo si no se planifican correctamente.

Adoptar capacidades, no sólo herramientas

Cada capacidad tenía su propio Plan de Adopción, enfocado en las métricas de éxito, las barreras y la estrategia de implementación:

• Criterios de éxito: frecuencia de uso, ganancias de eficiencia, cronología de adopción
• Estrategia de adopción: Coms, capacitación, apoyo, incentivos
• Example (4seconds.com - Self-Service Analytics):

  • Goal: 60% report access via self-service in 6 months

  • Barriers: Low trust, data literacy gaps

    
    

Approach:Programa de Campeones + talleres + horas de oficina

Implementation LessonLa adopción requiere más que entrenamiento.Derecho a la confianza, los hábitos y la resistencia emocional.

El aprendizaje como facilitador

La adopción de capacidades requería el crecimiento de habilidades en toda la junta:

• Data Team: Learned marketing workflows and how to talk about business value

• Marketing Team: Learned how to guide automation and work with data tools

• Executives: Shifted from urgent demands to structured prioritization

  
  

ApproachPautas de aprendizaje basadas en roles, recursos on-demand, desafíos de datos reales

ExampleEl Programa de alfabetización de datos de 4seconds.com incluyó sesiones semanales, desafíos prácticos y un canal Slack para el apoyo de pares.

Implementation LessonLa formación genérica no se adhiere; contextualizar el aprendizaje en torno a los problemas reales de la empresa.

Comunicar el cambio a escala

Hemos construido una estrategia de comunicación estructurada para mantener el impulso:

• Mensaje: por qué, lo que está cambiando, lo que está en él para cada equipo
• Canales: Todas las manos, newsletters, Slack, dashboards
• Cadencia: Semanal para equipos involucrados, mensual a nivel de órganos, ejecutados trimestrales
• Example:

  • “Data Digest” email

  • Transformation dashboard (in-office + intranet)

  • Office Hours for Q&A

    
    

Implementation LessonLa comunicación regular y visible crea confianza; las actualizaciones irregulares matan el impulso.

Mantenimiento de la capa métrica del éxito

Una vez que Sarah tuvo sus Metricas de éxito en su lugar, el siguiente paso era asegurarse de que permanecían útiles a lo largo del tiempo.

Check-ins trimestrales

Hemos establecido un ciclo de revisión ligero y recurrente:

• Performance Review: Are metrics on target? What trends are emerging? Any surprising correlations?

• Relevance Check: Are these KPIs still tied to business goals? Are people using them? Is the data still solid?

• Adjustments: Tweak thresholds or calculations if needed. If a metric hasn’t driven a decision in 6 months, it might be time to retire it.

  
  

Implementation Lesson: En otra empresa, vi que las métricas fueron rastreadas mucho más allá de su relevancia, confundiendo los dashboards y perdiendo tiempo.

Refresco anual de visión

Cada año, recomiendo un refresco completo del panel de visión; sin embargo, por primera vez, es mejor hacerlo trimestralmente hasta que entres en el ritmo y aprendas el sistema:

• Actualizar el presente: ¿Dónde estamos ahora vs. cuando empezamos? ¿Qué se ha mejorado?
• Adaptar el futuro: ¿Necesitamos nuevas capacidades? ¿Ha cambiado nuestra estrategia?
• Reevaluar las métricas: ¿Las KPI todavía cuentan la historia correcta?
• Reengage stakeholders: sesiones de ejecución, actualizaciones de equipo, refresco en toda la empresa y espacio para comentarios.

• 
  

Example:En 4seconds.com, Sarah realizó un taller comprimido para refrescar su board exactamente en un año.

Unir la visión juntos

Una vez que las métricas del éxito estuvieron vivas, todas las tres capas del Consejo de Visión se unieron:

• Present Inputs set the baseline

• Future Vision defined what needed to change

• Success Metrics showed if progress was being made

  
  

Cada capa alimenta a las demás en un ciclo:

• Metrics track movement from present → future

• Gaps in the present inform future priorities

• The future vision tells us which metrics matter most

  
  

Sin esta integración, solía quedar atrapado con los clientes, usando métricas desconectadas de la estrategia.

Lección de implementación: El poder de The Vision Board proviene de esta integración.Cuando un cliente implementó solo partes del marco, perdieron la visión holística necesaria para una transformación efectiva.

Hacerla visible

Para mantener el Consejo de Visión de primera mano, Sarah lo hizo accesible en todos los niveles:

• Digital Board in FigJam, updated regularly and shared with stakeholders

• Exec Dashboard: One-pager with key KPIs and decisions, updated monthly

• Team Views: Tailored summaries for departments with relevant metrics

• Office Display: A simplified, visual tracker showing progress and celebrating wins

  
  

Example from 4seconds.comSarah creó un "Data Transformation Hub" en su oficina con componentes físicos y digitales.Este punto central de referencia mantuvo el Consejo de Visión visible y de primera mano en toda la organización, reforzando su importancia para su estrategia.

Implementation Lesson: La visibilidad impulsa la responsabilidad. En un cliente anterior, su documento de visión se depositó después de la creación y se olvidó rápidamente. Al hacer que el panel de visión fuera altamente visible en múltiples formatos, Sarah se aseguró de que permaneciera una guía activa para las decisiones cotidianas en lugar de un artefacto olvidado.

Consejos especiales para las pymes

Para equipos más pequeños, por lo general recomiendo simplificar:

• Fewer, Better Metrics

  Stick to 2 org-wide KPIs (like Data ROI and Utilization) and maybe 2-3 supporting ones.

• Simple Tracking Methods

  Manual tracking is fine. Focus on direction, not perfection.

• Use Existing Processes

  Don’t reinvent the wheel. Add a metrics check-in to existing leadership meetings.

• Targeted Change Management

  Focus on influencers, decision-makers, and power users, not everyone at once.

Para su capacidad de Auto-Service Analytics, Sarah identificó 8 "usuarios de energía" en todos los departamentos que, si se convierten con éxito, influirían en el 80% de los usuarios potenciales.

Ejercicio: Inicio de tus Metricas de Éxito de 30 Minutos

Objetivo: Comience a definir los KPIs y principios para su panel de visión del ecosistema de datos.

Steps:

• Identify your two most important organizational data health metrics (10 minutes)

• For each one, define why you're measuring it and what actions you'll take based on trend changes

• Draft 2-3 guiding principles (10 minutes)

  
  

Esto ayudará a su organización a tomar mejores decisiones de datos

• Planificar una adopción de capacidades (10 minutos)
• Para una capacidad clave futura, identifica lo que constituiría éxito más allá de la mera implementación.

Preguntas de reflexión:

1. ¿Cuál de los 5 W (por qué, qué, dónde, cuándo, quién) es el más difícil de definir claramente?
2. ¿Cómo puede el principio de "impacto empresarial primero" cambiar la forma en que su organización evalúa las iniciativas de datos?
3. ¿Qué cambios organizativos serían necesarios para implementar con éxito una capa de Metricas de éxito?

Mirando hacia adelante: lo que viene después

Esto concluye nuestra serie de implementaciones en el Consejo de visión del ecosistema de datos. En futuras boletines, exploraré cómo operar su Consejo de visión a través de la planificación estratégica anual, la gestión de la iniciativa y la mejora continua. ¡Gracias por unirte a mí en este viaje!

A través de estas acciones, Sarah comenzó a transformar el Consejo de Visión de la estrategia a la realidad, un viaje que se desarrollaría en los próximos meses y años a medida que 4seconds.com construyó el ecosistema de datos necesario para apoyar sus objetivos de negocio.

¡Que sus datos fluyan con propósito!

Lior

P.S. What's your biggest challenge in measuring data transformation success? Reply to this email, and I'll personally share insights from my experience working with companies like yours.

Suscríbete a mi página de Substack y boletín informativo, y déjame ayudarte a transformar tu conocimiento empresarial!