{"id":2084,"date":"2023-02-07T08:58:10","date_gmt":"2023-02-07T07:58:10","guid":{"rendered":"https:\/\/keepler.io\/2023\/02\/07\/disenando-un-data-product-factores-a-tener-en-cuenta-para-hacerlo-con-exito\/"},"modified":"2023-09-12T10:38:32","modified_gmt":"2023-09-12T10:38:32","slug":"disenando-un-data-product-factores-a-tener-en-cuenta-para-hacerlo-con-exito","status":"publish","type":"post","link":"https:\/\/keepler.io\/es\/2023\/02\/07\/disenando-un-data-product-factores-a-tener-en-cuenta-para-hacerlo-con-exito\/","title":{"rendered":"Dise\u00f1ando un Data Product: factores a tener en cuenta para hacerlo con \u00e9xito"},"content":{"rendered":"

Considerar Data Products (o Productos de Datos) como soluciones est\u00e1 siendo un factor competitivo diferenciador que algunas empresas est\u00e1n empezando a experimentar. La reducci\u00f3n de costes por uso de estos productos o el mayor retorno de inversi\u00f3n est\u00e1n permitiendo la popularizaci\u00f3n de este concepto.<\/span><\/p>\n

En este art\u00edculo nos proponemos <\/span>revisar los factores<\/b> m\u00e1s relevantes que han de considerarse en el momento de la <\/span>definici\u00f3n de un Data Product<\/b>, pero primero recordemos este concepto.\u00a0<\/span><\/p>\n

Consideraremos como Data Product aquel cuyo principal objetivo sea utilizar los datos disponibles para facilitar el alcance de un objetivo final. Este tipo de soluciones han de contener la informaci\u00f3n suficiente para entender los datos que maneja y la utilizaci\u00f3n que se les puede dar para solventar un caso de uso en un dominio espec\u00edfico.<\/span><\/p>\n

Por este motivo, no consideraremos a Netflix como un Producto de Datos, ya que su objetivo no es puramente anal\u00edtico, pero s\u00ed su recomendador de pel\u00edculas o series.<\/span><\/p>\n

Antes de lanzarnos a definir un nuevo Producto de Datos tendremos que plantearnos algunas preguntas tales como si alguien va a necesitar o utilizar nuestro producto, qu\u00e9 decisiones o consideraciones pueden tomarse a partir de su uso, qu\u00e9 acciones pueden implicar y c\u00f3mo van a medirse los resultados derivados de tales acciones.<\/span><\/p>\n

Las estad\u00edsticas nos demuestran que muchos Productos de Datos quedan en <\/span>standby<\/span><\/i> en sus \u00faltimas fases o bien una vez desplegados.\u00a0 Entre ellos, tambi\u00e9n nos encontramos con algunos que aportan escaso o nulo valor anal\u00edtico o bien son fallidos.<\/span><\/p>\n

Estos son algunos de los motivos que nos llevan a considerar <\/span>la relevancia de la fase de definici\u00f3n de un Data Product<\/b> y seguimiento de algunas buenas pr\u00e1cticas que nos permitan construir Productos de Datos exitosos.<\/span><\/p>\n

<\/h3>\n

\u00bfPor d\u00f3nde empezar a construir un Data Product?<\/h3>\n

Como la mayor\u00eda de cosas, proponiendo lo m\u00e1s simple y tratando de mantenerlo as\u00ed el m\u00e1ximo tiempo posible.\u00a0 Si en el momento de la definici\u00f3n lo complicamos en exceso, acabar\u00e1 siendo un producto sin posibilidades de desarrollo, evoluci\u00f3n o amigable para sus usuarios.<\/span><\/p>\n

En estos primeros momentos planteamos qu\u00e9 queremos que el usuario de nuestro Data Product obtenga cuando lo utilice, qu\u00e9 acciones puede llevar a cabo con la informaci\u00f3n recibida y cu\u00e1l es la experiencia que el usuario tendr\u00e1 durante y posterior uso del Producto.<\/span><\/p>\n

Si conseguimos construir un Producto exitoso, podremos centrar nuestros esfuerzos posteriormente en evolucionarlo y a\u00f1adirle funcionalidad m\u00e1s sofisticada.<\/span><\/p>\n

<\/h3>\n

\u00bfC\u00f3mo ser\u00e1 el proceso?<\/h3>\n

Inicialmente el equipo responsable del desarrollo deber\u00e1 formular con Negocio el problema en t\u00e9rminos de valor anal\u00edtico y c\u00f3mo podr\u00e1 medirse este valor de forma efectiva en el dominio en el que se implemente. Este factor ser\u00e1 clave para determinar si el producto ser\u00e1 finalmente un \u00e9xito.<\/span><\/p>\n

Con este punto de partida, ser\u00e1 conveniente llevar a cabo una prueba de viabilidad en el que se pueda validar la propuesta en t\u00e9rminos de necesidades de negocio.<\/span><\/p>\n

A continuaci\u00f3n se deber\u00e1 tener presente para la implementaci\u00f3n los distintos tipos de usuarios y de qu\u00e9 forma pueden interactuar con el producto. Para ello es recomendable definir un modelo conceptual que contemple el uso de los datos en las distintas interfaces tales como APIs, Dashboards u otros.<\/span><\/p>\n

Un posterior refinamiento permitir\u00e1 definir un modelo f\u00edsico m\u00e1s detallado que adem\u00e1s contemple los metadatos suficientes para su entendimiento.<\/span><\/p>\n

Tras su despliegue y puesta en marcha el Producto de Datos estar\u00e1 dise\u00f1ado para facilitar su evaluaci\u00f3n y evoluci\u00f3n durante su ciclo de vida mediante la interacci\u00f3n con los usuarios.<\/span><\/p>\n

<\/h3>\n

\u00bfQu\u00e9 caracter\u00edsticas deber\u00eda tener un Data Product?<\/h3>\n

Entre las caracter\u00edsticas m\u00e1s importantes que podemos considerar en la definici\u00f3n de un Data Product est\u00e1n las siguientes:<\/span><\/p>\n

    \n
  • Utilidad: No perder de vista el uso que pueda dar un usuario al Producto de Datos independientemente del esfuerzo que sea necesario realizar para mantener los datos actualizados y preprocesados. <\/span>Un producto que no se utiliza no aporta valor<\/i>.<\/strong><\/li>\n
  • Escalabilidad: Los <\/span>productos exitosos son usualmente sobre utilizados<\/i> <\/strong>y las fuentes de datos suelen aumentar en tama\u00f1o y en n\u00famero con lo que tener en cuenta esta situaci\u00f3n es clave para su futuro desempe\u00f1o.<\/span><\/li>\n
  • Potencial: Para medir su efectividad habr\u00e1 que <\/span>determinar m\u00e9tricas que permitan evaluar su resultado<\/i><\/strong>, tales como por ejemplo la \u201cprecisi\u00f3n\u201d y \u201c<\/span>recall<\/span><\/i>\u201d en un posible motor de recomendaci\u00f3n. Asumir que el producto de datos fallar\u00e1 y c\u00f3mo preservar la experiencia del usuario en esos casos es un aspecto a tener en cuenta.<\/span><\/li>\n
  • Coleccionar datos de forma pasiva: Recoger datos del usuario sin interferir en su experiencia de uso es importante para <\/span>proporcionar un valor a\u00f1adido<\/strong>. Es el caso de los aceler\u00f3metros o gps en los <\/span>smartphones<\/span><\/i>, por ejemplo.<\/span><\/li>\n
  • Validaci\u00f3n constante del <\/span>performance<\/span><\/i>: Acumular m\u00e9tricas hist\u00f3ricas habilita la implementaci\u00f3n de tests A\/B que permiten evaluar la variaci\u00f3n entre distintas versiones de un producto y la toma de decisiones m\u00e1s informadas. Un modelo que actualmente funciona es posible que no siga haci\u00e9ndolo en el futuro, por eso se ha de <\/span>monitorizar la evoluci\u00f3n<\/i><\/strong> de estas m\u00e9tricas y revisar su degradaci\u00f3n o mejora.<\/span><\/li>\n
  • La transparencia genera confianza<\/strong>: El usuario puede ser esc\u00e9ptico a los resultados del producto, por lo que informaci\u00f3n adicional al resultado en forma de probabilidades, scores de confianza o atributos que m\u00e1s contribuyen a una inferencia pueden significar la diferencia entre un producto confiable o cuestionable.<\/span><\/li>\n
  • \u00c1gil en su actualizaci\u00f3n:\u00a0 Existen Data Products que son susceptibles de actualizaci\u00f3n cont\u00ednua ya que puede significar una diferencia competitiva esta cualidad. En tales casos haciendo <\/span>\u201cdeploy\u201d de versiones regularmente con nuevas \u201cfeatures\u201d<\/i><\/strong> de forma segura y diligente impactar\u00e1 positivamente en la experiencia del usuario.<\/span><\/li>\n<\/ul>\n

     <\/p>\n

    Pero tambi\u00e9n existen <\/span>atributos indeseables en un Producto de Datos<\/b> que pueden generar desconfianza en el usuario o una mala experiencia. Es el caso por ejemplo de un producto que proporciona informaci\u00f3n err\u00f3nea o de escasa calidad. En ocasiones, no implementar las suficientes validaciones referentes a la calidad del dato pueden llevar a que los resultados sean confusos o err\u00f3neos lo que potencialmente podr\u00eda generar grandes p\u00e9rdidas. Luego la calidad del dato en los <\/span>datasets<\/span><\/i> gestionados por estos Data Products se convierte en una prioridad para sus responsables.<\/span><\/p>\n

    Otras situaciones poco recomendables son las que se producen cuando un producto genera informaci\u00f3n ingente de datos (data vomit). Dependiendo del perfil del usuario puede ser que no sea la mejor forma de presentar la informaci\u00f3n de inter\u00e9s y que \u00e9sto desemboque en una situaci\u00f3n paralizante.<\/span><\/p>\n

    En definitiva, definir y desarrollar un Data Product con garant\u00edas de \u00e9xito requiere de una planificaci\u00f3n cuidadosa, una correcta implementaci\u00f3n supeditada a la utilidad y experiencia del usuario, y un testeo y monitorizaci\u00f3n cont\u00ednuos que permitan la evaluaci\u00f3n cont\u00ednua de su <\/span>performance<\/span><\/i>.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

    Considerar Data Products (o Productos de Datos) como soluciones est\u00e1 siendo un factor competitivo diferenciador que algunas empresas est\u00e1n empezando a experimentar. La reducci\u00f3n de costes por uso de estos productos o el mayor retorno de inversi\u00f3n est\u00e1n permitiendo la popularizaci\u00f3n de este concepto. En este art\u00edculo nos proponemos revisar los factores m\u00e1s relevantes que […]<\/p>\n","protected":false},"author":134360170,"featured_media":34844,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","_seopress_robots_follow":"","_seopress_robots_imageindex":"","_seopress_robots_snippet":"","_seopress_robots_primary_cat":"","_seopress_robots_breadcrumbs":"","_seopress_robots_freeze_modified_date":"","_seopress_robots_custom_modified_date":"","_seopress_robots_canonical":"","_seopress_social_fb_title":"","_seopress_social_fb_desc":"","_seopress_social_fb_img":"","_seopress_social_fb_img_attachment_id":0,"_seopress_social_fb_img_width":0,"_seopress_social_fb_img_height":0,"_seopress_social_twitter_title":"","_seopress_social_twitter_desc":"","_seopress_social_twitter_img":"","_seopress_social_twitter_img_attachment_id":0,"_seopress_social_twitter_img_width":0,"_seopress_social_twitter_img_height":0,"_seopress_redirections_value":"","_seopress_redirections_enabled":"","_seopress_redirections_enabled_regex":"","_seopress_redirections_logged_status":"","_seopress_redirections_param":"","_seopress_redirections_type":0,"_seopress_analysis_target_kw":"","_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","content-type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"_wpas_customize_per_network":false,"jetpack_post_was_ever_published":false},"categories":[226],"tags":[292,283],"class_list":["post-2084","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data","tag-data-product-es","tag-tecnologia"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"https:\/\/i0.wp.com\/keepler.io\/wp-content\/uploads\/2023\/02\/keepler-designing-a-data-product-factors-for-succcess.jpg?fit=1280%2C452&ssl=1","jetpack_shortlink":"https:\/\/wp.me\/p9CeZw-xC","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts\/2084","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/users\/134360170"}],"replies":[{"embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/comments?post=2084"}],"version-history":[{"count":1,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts\/2084\/revisions"}],"predecessor-version":[{"id":2282,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts\/2084\/revisions\/2282"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/media\/34844"}],"wp:attachment":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/media?parent=2084"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/categories?post=2084"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/tags?post=2084"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}