No hay IA fiable sin data foundation: por dónde empezar, desde la sede hasta las filiales.

El guion es conocido. Una dirección lanza un proyecto de IA sobre un caso de uso prometedor. El prototipo funciona con una muestra cuidadosamente preparada. Luego llega el escalado, y con él los datos reales: maestros de clientes duplicados entre la sede y las filiales, artículos codificados de forma distinta de un país a otro, jerarquías analíticas que han cambiado tres veces sin que nadie documente por qué. El modelo no se equivoca; aprende fielmente el desorden que se le da. Y el proyecto se detiene donde ya se detenía la confianza en las cifras.

La data foundation, lo que la palabra abarca.

El término se ha vuelto tan corriente que acaba por no designar nada. Para nosotros, una data foundation se compone de tres capas, indisociables.

El modelo de datos. Una definición compartida de los objetos que cuentan: el cliente, el producto, el proveedor, el centro, el centro de coste. No su estructura técnica, sino su significado de negocio: qué es un cliente activo, a partir de cuándo un pedido es una venta, qué jerarquía de productos hace fe para el reporting del grupo. Mientras esas preguntas tengan varias respuestas según quién las formule, ninguna herramienta las reconciliará.

El gobierno. Propietarios designados para cada maestro de datos, reglas de creación y de modificación, controles de calidad que llegan a los responsables y no a un buzón anónimo. El gobierno no es un comité más; es la respuesta a una pregunta simple: cuando un dato es falso, ¿quién lo corrige, y quién decide qué es lo correcto?

La plataforma. Solo después viene el utillaje: allí donde el dato se consolida, se historiza, se expone al análisis y a los modelos. Es la capa más visible y, paradójicamente, la menos decisiva. Una buena plataforma sobre un mal modelo produce bonitos cuadros de mando falsos.

Business Data Cloud, Datasphere, SAC: una arquitectura, no un catálogo.

El ecosistema SAP ofrece hoy una cadena coherente para esta fundación. SAP Datasphere desempeña el papel de capa semántica y de integración: es ahí donde el modelo de datos toma forma, donde las fuentes SAP y no SAP se reconcilian, y donde las definiciones de negocio se convierten en objetos reutilizables. SAP Analytics Cloud soporta el análisis, la planificación y la visualización. Business Data Cloud, más reciente, aspira a reunir esos componentes en torno a productos de datos preparados y a abrir el camino a los casos de uso de IA sobre datos gobernados.

Nuestra posición es matizada. Estas herramientas son buenas, y su integración en el núcleo S/4HANA es una ventaja real: la semántica de los datos de gestión llega con ellas, en lugar de reconstruirse a mano. Pero ninguna herramienta sustituye el trabajo de definición. Hemos visto plataformas desplegadas en pocos meses que seguían vacías de sentido porque nadie había decidido qué era un cliente. Y hemos visto grupos en los que lo esencial del valor venía de un trabajo de modelo y de gobierno realizado incluso antes de elegir la plataforma. El buen orden es ese: definir, gobernar y luego dotar de herramientas. Lo contrario cuesta caro y decepciona.

Una plataforma de datos se elige en último lugar. Lo que la llena, el modelo y el gobierno, se decide primero, y se decide al nivel de la dirección.

El cuadro de mando es la última etapa.

Es la convicción más contraintuitiva, y la que defendemos con más firmeza. Los proyectos de datos empiezan casi siempre por la visualización: una dirección quiere «su» cuadro de mando, y el proyecto se construye a la inversa para llenarlo. El resultado es un cuadro de mando que muestra cifras que nadie puede explicar, cuestionado desde la primera reunión en la que dos direcciones aportan dos versiones del mismo indicador.

Un cuadro de mando no es un proyecto; es el resultado visible de una fundación invisible. Cuando el modelo es compartido, cuando el gobierno está en marcha, cuando la plataforma expone datos reconciliados, el cuadro de mando resulta casi trivial de producir y, sobre todo, se cree. La misma regla se aplica a la IA: un agente que recomienda un reaprovisionamiento a partir de un stock que tres sistemas evalúan de forma distinta no recomienda nada. Propaga una incoherencia con aplomo.

Esto no significa que haya que esperar años antes de mostrar nada. Significa que el primer entregable visible de un programa de datos debe ser un alcance reducido, totalmente fiable, antes que un alcance amplio y aproximado. Un indicador exacto, explicado, que la dirección utiliza de verdad, vale más que un muro de pantallas.

De la sede a las filiales: el verdadero terreno del gobierno.

Para los grupos marroquíes y africanos, la cuestión de la data foundation adopta una forma particular. La sede quiere una visión consolidada; cada filial tiene sus sistemas, sus codificaciones, sus obligaciones locales, a veces su moneda y su idioma de trabajo. La tentación es uniformizarlo todo por decreto, o renunciar y consolidar a mano en hojas de cálculo. Ambas fracasan.

• Un modelo común, con extensiones locales explícitas. El grupo define el núcleo, los objetos y las jerarquías que deben ser comparables en todas partes. Cada filial conserva lo que le es propio, en atributos identificados como tales, y no desvirtuando campos.
• Un gobierno federado. Propietarios de datos en la sede para el núcleo, en las filiales para lo local, y una instancia de arbitraje que decide los conflictos de definición. Sin árbitro, las definiciones vuelven a divergir en pocos meses.
• Un despliegue por olas, filial tras filial, empezando por aquella donde el dato está más maduro y la dirección más comprometida. El primer éxito sirve de modelo y de prueba para las siguientes.
• El respeto del derecho local sobre los datos personales, país por país, integrado en el modelo desde el principio: qué datos pueden consolidarse, de qué forma, y cuáles deben permanecer en su país.

Es un trabajo que se lleva a cabo desde la región, con equipos que conocen los sistemas de las filiales y las limitaciones de cada país. Es también el que hace posible todo lo que viene después: la consolidación fiable, la planificación, y los casos de uso de IA que describimos en nuestro punto de vista sobre la IA empresarial en el ecosistema SAP. De hecho, el Centro de excelencia de IA de Casablanca empieza casi siempre por ahí: cuando el dato no está listo, lo decimos, y empezamos por él.

Lo que hay que recordar

Una IA alimentada con datos incoherentes produce resultados convincentes y falsos. La data foundation precede a todo caso de uso.

El orden

Definir el modelo de datos, poner en marcha el gobierno y luego dotarse de herramientas con Datasphere, SAP Analytics Cloud y Business Data Cloud. Nunca al revés.

El cuadro de mando

Última etapa, no punto de partida. Un alcance reducido y totalmente fiable vale más que un muro de pantallas aproximadas.

Las filiales

Núcleo común y extensiones locales explícitas, gobierno federado con un árbitro, despliegue por olas, derecho local respetado país por país.

Para ir más lejos: nuestra oferta Data & Analytics, el Centro de excelencia de IA que se apoya en esta fundación, y nuestro enfoque, desde la definición del alcance hasta la realización.