Next TechSomosHiberus

Caso de Éxito: Ferrovial, Design Thinking en entornos de Big Data

5 Mins de lectura

Ferrovial es una empresa multinacional que opera en el sector de las infraestructuras, de transporte y servicios a ciudades, a través de cuatro divisiones: Autopistas, Aeropuertos, Construcción y Servicios.

En el sector de Autopistas desarrolla, financia y opera peajes en carreteras como 407 ETR, North Tarrant Express, LBJ Express, Euroscut Azores, Madrid-Levante y Ausol.

Ferrovial ha confiado en Hiberus Tecnología para llevar adelante el proyecto de ingestión y explotación de datos de las autopistas que opera, con el desafío de integrar información de diversas fuentes en tiempo real.

 

El desafío: relacionar datos que vienen desde diferentes instalaciones

Al igual que en otros casos de integración de datos desde diferentes orígenes, en este proyecto nos hemos encontrado con el desafío de alinear diferentes visiones (y versiones) de datos con estructura y significado similar, pero producidos en diferentes sectores de la organización. Esta problemática es (y lo ha sido siempre) muy común en entornos de integración de datos, tanto con arquitecturas de Business Intelligence tradicionales, como en los actuales entornos de Big Data. Tradicionalmente, el objetivo de alinear estas visiones de la información era uno de los motivos de que las iniciativas de Business Intelligence se dilaten en el tiempo y muchas veces fracasen por pérdida de interés o falta de resultados tangibles.

En Hiberus hemos acotado estos riesgos por medio de la utilización de una selección de técnicas ágiles que priorizan la entrega de valor desde los primeros sprints (iteraciones). Para el caso de Ferrovial hemos propuesto la ejecución de un sprint 0 de Envisioning, siguiendo las recomendaciones de Scott Ambler (Agile Modeling).

 

Agil Model Driven Development

Figura: Agile Model Driven Development (AMDD). Fuente: http://www.agilemodeling.com/essays/introductionToAM.htm

 

Para trabajar en la visualización de requisitos, hemos utilizado una selección de técnicas de Design Thinking que describimos a continuación.

Nuestra solución: usar dinámicas de Design Thinking en un Sprint 0 para crear un Roadmap de Datos

Los equipos técnicos de Hiberus llevan utilizando (y mejorando) estas técnicas desde hace ya tiempo. Puedes ver algunas de nuestras experiencias en este mismo blog. La experiencia que llevamos en Hiberus con este tipo de prácticas nos ha permitido seleccionar a través de la experiencia aquellas dinámicas que mejores resultados aportan. Comencemos por el principio… qué es esto de Design Thinking.

Algunas nociones de Design Thinking y cómo encaja en un proyecto de datos.

Aunque parezca un término actual, se han aplicado estas técnicas al diseño desde hace muchos años y se han ido adaptando con el tiempo. La única diferencia es que hemos comenzado a utilizarla en el mundo de los negocios digitales como necesidad de potenciar la innovación y crear valor a los consumidores.

Uno de sus impulsores, Tim Brown, executive chair de la empresa IDEO está identificado como uno de los referentes a nivel mundial de esta metodología. Según Brown, podemos definir Design Thinking como: «Un enfoque de innovación centrado en las personas que se basa en el conjunto de herramientas del diseñador para integrar las necesidades de las personas, las posibilidades de la tecnología y los requisitos para el éxito empresarial».

Pensar como un diseñador puede transformar la forma en que las organizaciones desarrollan productos, servicios, procesos y estrategias. Este enfoque reúne lo que es deseable desde un punto de vista humano con lo que es tecnológicamente factible y económicamente viable. También permite a las personas que no están capacitadas como diseñadores utilizar herramientas creativas para abordar una amplia gama de desafíos.

 

Design-Thinking

 

Ahora bien, ¿qué tiene que ver todo esto con los datos? ¿Y con el caso de Ferrovial en particular? En este proyecto propusimos una serie de dinámicas (prácticas) que nos permitieron definir un Roadmap de integración de datos en solo 2 sesiones. Entremos en detalle en estas dinámicas.

Design Thinking es una herramienta de diseño de soluciones, de co-creación y prototipado en la que implicamos directamente al cliente, de esa forma podremos validar nuestras nuevas ideas y propuestas más rápidamente que con un proceso unidireccional.

 

pasos de Design Thinking

Paso 1: Empatizar, el workshop de inmersión con skateholders

Normalmente utilizamos este paso para definir el marco conceptual y estratégico del proyecto. Se preparan diferentes dinámicas para incitar a los asistentes a participar y dar su opinión sobre expectativas, retos y riesgos del proyecto, localización de los puntos fuertes/débiles de los servicios y productos que se ofrecen actualmente; detección de las mejoras clave, entre otros. En el caso de los proyectos de Data nos permite lograr una visión unificada de la visión del proyecto y del modelo de datos a desarrollar. En el caso particular de este proyecto ha sido de gran utilidad establecer esta visión común de los datos.

Dinámica #1: Workshop de inmersión con stakeholders

Sirve para definir el marco conceptual y estratégico del proyecto. Se preparan diferentes dinámicas para incitar a los asistentes a participar y dar su opinión sobre expectativas, retos y riesgos del proyecto, localización de los puntos fuertes/débiles de los servicios y productos que se ofrecen actualmente; detección de las mejoras clave, etc. En este tipo de workshops nos gusta implicar también al propio personal de las empresas. Ya que el conocimiento está en las propias empresas, pero hace falta trabajarlo y ordenarlo.

Paso 2: Definir

Debemos entender el comportamiento de nuestros usuarios. Extraemos los insights que generan valor a nuestro producto.

Dinámica #2: Diana de proyecto

Dinámica que permite alinear los objetivos y expectativas de los participantes para marcar la hoja de ruta a seguir. En este punto comenzamos a alinear las expectativas de los involucrados en el proyecto.

 

Workshop de inmersión con skateholders

 

Paso 3: Idear

En esta fase, buscaremos la creatividad para generar las soluciones teniendo en cuenta las necesidades del usuario definidas previamente. En el caso de Ferrovial teníamos el desafío de crear la solución de datos unificada para datos que se generan de manera distribuida. La Diana de Proyecto a la cual permitió sentar las bases sobre las cuales trabajamos en la siguiente dinámica: el Mapa de Experiencia Actual.

Dinámica #3: Mapa de experiencia actual

En el mapa de la experiencia actual, y con un postit de otro color, indicar cuáles son sus pain points como usuarios.

 

pain points

Dinámica #4: Valor vs. Esfuerzo vs. Riesgo

Esta dinámica nos permite dar como resultado la priorización de las tareas a desarrollar a través de la definición de 3 ejes.

Paso 4: Prototipar

En este caso, decidimos trabajar con el prototipado de la arquitectura de datos a implementar. Este prototipo iría luego evolucionando durante los siguientes sprints. Las arquitecturas evolutivas están siendo utilizadas en los entornos de datos modernos, por el constante cambio que se encuentran sufriendo los stacks tecnológicos. Aquí tienes más información sobre arquitecturas evolutivas.

Paso 5: Testear

Las verificaciones fueron realizadas sometiendo a juicio de todos los participantes el Roadmap conseguido.

El Roadmap

El roadmap de un producto es un plan de alto nivel que describe como el producto va a ir evolucionando en el futuro. Permite proyectar en el tiempo donde quieres que este tú producto en el futuro. Aquí puedes encontrar más información al respecto.

El resultado: una guía consensuada en solo 2 sesiones de trabajo

En este proyecto hemos utilizado un sprint 0 para lograr un envisioning unificado. Gracias a la utilización de Design Thinking en este primer sprint, en solo 2 sesiones de trabajo, que han involucrado a los principales interlocutores de las distintas áreas de la empresa y al equipo de Data de Hiberus, fue posible establecer la visión general del proyecto, crear el roadmap y diseñar una arquitectura preliminar.

Hiberus cuenta con una unidad especializada en servicios de Data & Analytics formada por un equipo de profesionales con amplio expertise en en tecnología, análisis de datos e innovación. Desde esta unidad se ofrecen soluciones integrales de consultoría estadística y análisis de datos con especialización por áreas de conocimiento, donde se acompaña a nuestros clientes en cada proyecto integrándonos como parte de su equipo. Somos expertos en Big Data, Machine Learning, Business Intelligence 2.0, y Business Intelligence y Analytics tradicional.

Tras conocer el caso de Ferrovial, si quieres más información sobre nuestros servicios de consultoría, contacta con nosotros. Estaremos encantados de ayudarte a analizar y aumentar los resultados de tu negocio.

Mariano Minoli
3 posts

Sobre el autor
Co-director del Departamento de Data & Analytics de Hiberus. Con más de 20 años de recorrido en el mundo de datos, es un perfil de referencia en proyectos de Big Data y Machine Learning. Doctor en informática y colaborador en el ámbito de investigación de Inteligencia Artificial. Profesional certificado en SQL Server (MCITP) Oracle (OCA) y Machine Learning por el Instituto de Tecnología de Massachusetts (MIT). Lidera actualmente proyectos de adopción de tecnologías de Big Data y Machine Learning en clientes del ámbito público y privado.
Artículos

Consultoría estadística y análisis de datos con especialización por áreas de conocimiento.

Conoce la el Área de Data & Analytics de Hiberus

¿Te ayudamos?

Artículos relacionados
Next Tech

Adaptación de Scrum para el desarrollo de soluciones de Business Analytics con CRISP-DM

7 Mins de lectura
Scrum es sin lugar a dudas el framework para organización de equipos de trabajo más utilizado del mundo. Sin embargo, en entornos…
Next Tech

Análisis geolingüístico: patrimonio lingüístico con Microsoft Power BI

6 Mins de lectura
“La lengua es en cierto modo la manifestación externa del espíritu de los pueblos.” (Guillermo de Humboldt) Cuando hablamos de la lengua…
Next Tech

3 formas de usar Inteligencia Artificial en Power BI sin escribir código

4 Mins de lectura
“La inteligencia artificial es la capacidad de un sistema para interpretar correctamente datos externos, para aprender de dichos datos y emplear esos…

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *