{"id":12566,"date":"2020-02-19T11:40:25","date_gmt":"2020-02-19T09:40:25","guid":{"rendered":"https:\/\/www.hiberus.com\/crecemos-contigo\/?p=12566"},"modified":"2024-01-11T09:33:38","modified_gmt":"2024-01-11T08:33:38","slug":"caso-de-exito-ferrovial-design-thinking-en-entornos-de-big-data","status":"publish","type":"post","link":"https:\/\/www.hiberus.com\/crecemos-contigo\/caso-de-exito-ferrovial-design-thinking-en-entornos-de-big-data\/","title":{"rendered":"Caso de \u00c9xito: Ferrovial, Design Thinking en entornos de Big Data"},"content":{"rendered":"

Ferrovial es una empresa multinacional que opera en el sector de las infraestructuras, de transporte y servicios a ciudades, a trav\u00e9s de cuatro divisiones: Autopistas, Aeropuertos, Construcci\u00f3n y Servicios.<\/strong> \u200b<\/p>\n

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.<\/p>\n

Ferrovial ha confiado en Hiberus Tecnolog\u00eda para llevar adelante el proyecto de ingesti\u00f3n y explotaci\u00f3n de datos de las autopistas<\/strong> que opera, con el desaf\u00edo de integrar informaci\u00f3n de diversas fuentes en tiempo real.<\/strong><\/p>\n

 <\/p>\n

El desaf\u00edo: relacionar datos que vienen desde diferentes instalaciones<\/h2>\n

Al igual que en otros casos de integraci\u00f3n de datos desde diferentes or\u00edgenes, en este proyecto nos hemos encontrado con el desaf\u00edo de alinear diferentes visiones (y versiones) de datos con estructura y significado similar, pero producidos en diferentes sectores de la organizaci\u00f3n<\/strong>. Esta problem\u00e1tica es (y lo ha sido siempre) muy com\u00fan en entornos de integraci\u00f3n 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 informaci\u00f3n era uno de los motivos de que las iniciativas de Business Intelligence se dilaten en el tiempo y muchas veces fracasen por p\u00e9rdida de inter\u00e9s o falta de resultados tangibles.<\/p>\n

En Hiberus hemos acotado estos riesgos por medio de la utilizaci\u00f3n de una selecci\u00f3n de t\u00e9cnicas \u00e1giles que priorizan la entrega de valor desde los primeros sprints (iteraciones). Para el caso de Ferrovial hemos propuesto la ejecuci\u00f3n de un sprint 0 de Envisioning, siguiendo las recomendaciones de Scott Ambler<\/strong> (Agile Modeling<\/a>).<\/p>\n

 <\/p>\n

\"Agil<\/a><\/p>\n

Figura: Agile Model Driven Development (AMDD). Fuente: http:\/\/www.agilemodeling.com\/essays\/introductionToAM.htm<\/a><\/p>\n

 <\/p>\n

Para trabajar en la visualizaci\u00f3n de requisitos, hemos utilizado una selecci\u00f3n de t\u00e9cnicas de Design Thinking que describimos a continuaci\u00f3n.<\/p>\n

Nuestra soluci\u00f3n: usar din\u00e1micas de Design Thinking en un Sprint 0 para crear un Roadmap de Datos<\/h2>\n

Los equipos t\u00e9cnicos de Hiberus llevan utilizando (y mejorando) estas t\u00e9cnicas desde hace ya tiempo. Puedes ver algunas de nuestras experiencias en este mismo blog<\/a>. La experiencia que llevamos en Hiberus con este tipo de pr\u00e1cticas nos ha permitido seleccionar a trav\u00e9s de la experiencia aquellas din\u00e1micas que mejores resultados aportan<\/strong>. Comencemos por el principio\u2026 qu\u00e9 es esto de Design Thinking<\/strong>.<\/p>\n

Algunas nociones de Design Thinking y c\u00f3mo encaja en un proyecto de datos.<\/h3>\n

Aunque parezca un t\u00e9rmino actual, se han aplicado estas t\u00e9cnicas al dise\u00f1o desde hace muchos a\u00f1os\u00a0y se han ido adaptando con el tiempo. La \u00fanica diferencia es que hemos comenzado a utilizarla en el mundo de los negocios digitales como necesidad de potenciar la innovaci\u00f3n y crear valor a los consumidores.<\/strong><\/p>\n

Uno de sus impulsores, Tim Brown, executive chair de la empresa IDEO est\u00e1 identificado como uno de los referentes a nivel mundial de esta metodolog\u00eda. Seg\u00fan Brown, podemos definir Design Thinking<\/a> como: \u00abUn enfoque de innovaci\u00f3n centrado en las personas<\/strong> que se basa en el conjunto de herramientas del dise\u00f1ador<\/strong> para integrar las necesidades de las personas, las posibilidades de la tecnolog\u00eda y los requisitos para el \u00e9xito empresarial\u00bb.<\/strong><\/em><\/p>\n

Pensar como un dise\u00f1ador puede transformar la forma en que las organizaciones desarrollan productos, servicios, procesos y estrategias. Este enfoque re\u00fane lo que es deseable desde un punto de vista humano con lo que es tecnol\u00f3gicamente factible y econ\u00f3micamente viable. Tambi\u00e9n permite a las personas que no est\u00e1n capacitadas como dise\u00f1adores utilizar herramientas creativas para abordar una amplia gama de desaf\u00edos.<\/p>\n

 <\/p>\n

\"Design-Thinking\"<\/a><\/p>\n

 <\/p>\n

Ahora bien, \u00bfqu\u00e9 tiene que ver todo esto con los datos? \u00bfY con el caso de Ferrovial en particular? En este proyecto propusimos una serie de din\u00e1micas (pr\u00e1cticas) que nos permitieron definir un Roadmap de integraci\u00f3n de datos en solo 2 sesiones<\/strong>. Entremos en detalle en estas din\u00e1micas.<\/p>\n

Design Thinking es una herramienta de dise\u00f1o de soluciones, de co-creaci\u00f3n y prototipado en la que implicamos directamente al cliente, de esa forma podremos validar nuestras nuevas ideas y propuestas m\u00e1s r\u00e1pidamente que con un proceso unidireccional.<\/p>\n

 <\/p>\n

\"pasos<\/a><\/p>\n

Paso 1: Empatizar, el workshop de inmersi\u00f3n con skateholders<\/h3>\n

Normalmente utilizamos este paso para definir el marco conceptual y estrat\u00e9gico del proyecto<\/strong>. Se preparan diferentes din\u00e1micas para incitar a los asistentes a participar y dar su opini\u00f3n<\/strong> sobre expectativas, retos y riesgos del proyecto, localizaci\u00f3n de los puntos fuertes\/d\u00e9biles de los servicios y productos que se ofrecen actualmente; detecci\u00f3n de las mejoras clave, entre otros. En el caso de los proyectos de Data nos permite lograr una visi\u00f3n unificada de la visi\u00f3n del proyecto y del modelo de datos a desarrollar<\/strong>. En el caso particular de este proyecto ha sido de gran utilidad establecer esta visi\u00f3n com\u00fan de los datos.<\/p>\n

Din\u00e1mica #1: Workshop de inmersi\u00f3n con stakeholders<\/h4>\n

Sirve para definir el marco conceptual y estrat\u00e9gico del proyecto. Se preparan diferentes din\u00e1micas para incitar a los asistentes a participar y dar su opini\u00f3n sobre expectativas, retos y riesgos del proyecto, localizaci\u00f3n de los puntos fuertes\/d\u00e9biles de los servicios y productos que se ofrecen actualmente; detecci\u00f3n de las mejoras clave, etc. En este tipo de workshops nos gusta implicar tambi\u00e9n al propio personal de las empresas. Ya que el conocimiento est\u00e1 en las propias empresas, pero hace falta trabajarlo y ordenarlo.<\/p>\n

Paso 2: Definir<\/h3>\n

Debemos entender el comportamiento de nuestros usuarios<\/strong>. Extraemos los insights que generan valor a nuestro producto.<\/p>\n

Din\u00e1mica #2: Diana de proyecto<\/h4>\n

Din\u00e1mica que permite alinear los objetivos y expectativas de los participantes para marcar la hoja de ruta a seguir<\/strong>. En este punto comenzamos a alinear las expectativas de los involucrados en el proyecto.<\/p>\n

 <\/p>\n

\"Workshop<\/p>\n

 <\/p>\n

Paso 3: Idear<\/h3>\n

En esta fase, buscaremos la creatividad para generar las soluciones teniendo en cuenta las necesidades del usuario<\/strong> definidas previamente. En el caso de Ferrovial ten\u00edamos el desaf\u00edo de crear la soluci\u00f3n de datos unificada para datos que se generan de manera distribuida. La Diana de Proyecto a la cual permiti\u00f3 sentar las bases sobre las cuales trabajamos en la siguiente din\u00e1mica: el Mapa de Experiencia Actual.<\/p>\n

Din\u00e1mica #3: Mapa de experiencia actual<\/h4>\n

En el mapa de la experiencia actual, y con un postit de otro color, indicar cu\u00e1les son sus pain points<\/em> como usuarios.<\/strong><\/p>\n

 <\/p>\n

\"pain<\/a><\/p>\n

<\/h4>\n

Din\u00e1mica #4: Valor vs. Esfuerzo vs. Riesgo<\/h4>\n

Esta din\u00e1mica nos permite dar como resultado la priorizaci\u00f3n de las tareas a desarrollar a trav\u00e9s de la definici\u00f3n de 3 ejes<\/strong>.<\/p>\n

Paso 4: Prototipar<\/h3>\n

En este caso, decidimos trabajar con el prototipado de la arquitectura de datos a implementar<\/strong>. Este prototipo ir\u00eda luego evolucionando durante los siguientes sprints. Las arquitecturas evolutivas est\u00e1n siendo utilizadas en los entornos de datos modernos, por el constante cambio que se encuentran sufriendo los stacks tecnol\u00f3gicos. Aqu\u00ed tienes m\u00e1s informaci\u00f3n sobre arquitecturas evolutivas<\/a>.<\/p>\n

Paso 5: Testear<\/h3>\n

Las verificaciones fueron realizadas sometiendo a juicio de todos los participantes el Roadmap conseguido<\/strong>.<\/p>\n

El Roadmap<\/h3>\n

El roadmap <\/strong>de un producto es un plan de alto nivel que describe como el producto va a ir evolucionando en el futuro<\/strong>. Permite proyectar en el tiempo donde quieres que este t\u00fa producto en el futuro. Aqu\u00ed puedes encontrar m\u00e1s informaci\u00f3n al respecto<\/a>.<\/p>\n

El resultado: una gu\u00eda consensuada en solo 2 sesiones de trabajo<\/h2>\n

En este proyecto hemos utilizado un sprint 0 para lograr un envisioning unificado.<\/strong> Gracias a la utilizaci\u00f3n de Design Thinking en este primer sprint, en solo 2 sesiones de trabajo, que han involucrado a los principales interlocutores de las distintas \u00e1reas de la empresa y al equipo de Data de Hiberus, fue posible establecer la visi\u00f3n general del proyecto, crear el roadmap y dise\u00f1ar una arquitectura preliminar.<\/p>\n

Hiberus cuenta con una unidad especializada en servicios de\u00a0Data & Analytics<\/a><\/strong>\u00a0formada por un equipo de profesionales con amplio expertise en en tecnolog\u00eda, an\u00e1lisis de datos e innovaci\u00f3n. Desde esta unidad se ofrecen soluciones integrales de\u00a0consultor\u00eda estad\u00edstica y an\u00e1lisis de datos\u00a0<\/strong>con especializaci\u00f3n por \u00e1reas de conocimiento, donde se acompa\u00f1a a nuestros clientes en cada proyecto integr\u00e1ndonos como parte de su equipo. Somos expertos en Big Data, Machine Learning, Business Intelligence 2.0, y Business Intelligence y Analytics tradicional.<\/p>\n

Tras conocer el caso de Ferrovial, si quieres m\u00e1s informaci\u00f3n sobre nuestros servicios de consultor\u00eda, contacta con nosotros<\/a>. Estaremos encantados de ayudarte a analizar y aumentar los resultados de tu negocio.<\/p>\n

\n
\n
\n
\n

\u00bfQuieres m\u00e1s informaci\u00f3n sobre nuestros servicios de Big Data?<\/p>\n

Contacta con nuestro equipo de expertos en Data & Analytics<\/p>\n <\/div>\n

\n \n
\n

<\/p>

    <\/ul><\/div>\n
    \n
    \n<\/fieldset>\n
    \n\t
    \n\t\t
    \n\t\t\t

    <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t\t

    \n\t\t\t

    <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t

    \n\t\t
    \n\t\t\t

    <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t\t

    \n\t\t\t

    <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t

    \n\t\t
    \n\t\t\t

    <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t

    \n\t\t
    \n\t\t\t