Un manual para la gestión de datos dentro del campus

Puntos clave de referencia

• A lo largo de cinco años, Life University pasó de ser una institución sin confianza en sus datos a una organización que depende de ellos.
• Para depurar sus datos, Life University asignó dueños y definió los conceptos de datos.
• Life University creó un grupo para vigilar la integridad y confiabilidad de datos para incrementar la confianza de quién los consulte.

Una conversación con John McGee, Vicepresidente de Operaciones de Life University

John McGee no se considera una persona de tecnología. Tiene una formación técnica, pero después de dar consultoría a más de 1,500 organizaciones para ayudarlas a alcanzar sus objetivos, se considera más un "constructor de comunidad". Ahora, como Vicepresidente de Operaciones para Life University, está aplicando esas habilidades de “constructor de comunidad” para ayudar a renovar y revitalizar el enfoque de la institución en cuanto a calidad de la información y análisis de datos.

En esta conversación con Ellucian, John comparte sus ideas y técnicas prácticas para ayudar a las instituciones a prosperar mediante el uso de datos y métricas para tomar decisiones más precisas y predecibles.

P: ¿Puede darnos alguna historia sobre cómo Life University se acercó al análisis de datos antes de que usted llegara?

R: Cuando empecé en Life University hace unos cinco años, no habían generado un reporte confiable en 10 años. No tenían ninguna confianza en sus datos. No tenían idea de cómo hacerlo funcionar, y decidieron abandonarlo. Entonces, cuando tenían reuniones estratégicas, lo que en realidad significaba era que lanzaban una moneda para tomar decisiones. Hemos cambiado eso en los últimos cinco años, y ahora en realidad somos una organización que depende de los datos.

P: ¿Cómo usa Life University sus datos ahora?

R: Obviamente tenemos datos informativos, como la cantidad de estudiantes que tenemos en cierto rango de edad, etc. Lo hacemos como todos los demás. Pero ahora usamos la mayoría de nuestros datos para ayudarnos a dirigir la institución, haciendo preguntas como: “¿Dónde vamos a estar en un año? ¿Si cambiamos esta situación en un tres por ciento, cómo se ve?” Estamos usando los datos ahora para más que simplemente informarnos, sino para guiarnos hacia dónde queremos terminar.

P: ¿Cómo llegaron hasta ese punto?

R: Los datos son la parte más pequeña del ADN de las instituciones, pero cada pieza y dato debe tener un dueño. Esta fue una de las cosas por las que realmente luchamos institucionalmente: nadie era dueño de los datos. O peor aún, el departamento que era responsable de darles orden de alguna manera lo poseía pero no tenía ninguna propiedad de él. Si piensas en los departamentos de inscripción, probablemente recopilan el 80 por ciento de los datos iniciales que se recopilan sobre los estudiantes, pero no les importa nada más que si el estudiante fue reclutado y terminó en un asiento. Entonces, si esa es la persona responsable de una información crítica, probablemente no la estén evaluando de la forma en que use necesitaría. Debe saber quién es el propietario, la persona o grupo adecuado debe ser la propietaria, y los datos deben estar definidos.  

P: ¿Puede explicar qué quiere decir con definición de datos?

R: Hace cinco años, en Life University, asistí a una reunión y pregunté: "¿Cuál es nuestra matrícula?" Y escuché cuatro números diferentes. ¿Cómo llegamos a cuatro números diferentes? Todos explicaron cómo lo calcularon. Entonces, dijimos: "¿Saben qué? No vamos a salir de esta sala hasta que definamos “matrícula”, por lo que puedo tener una definición que diga "¿Cuántas personas se han registrado para asistir a clases en nuestra institución? Ese número es X ”. O puedo decir:“ ¿A cuántas personas se han registrado en nuestra institución, que estén buscando un título universitario?” Ahora, puede que la cifra haya cambiado, pero está definida. Siempre sabemos lo que estamos pidiendo.

P: Con tanta gente tocando cada trozo de información, ¿cómo mantienen todo en orden y evitan el caos?

R: Con un almacén de datos. Personas de distintas unidades de negocios ingresan y administran los datos institucionales. Un almacén de datos se utiliza para recopilar datos de la manera más consumible y ordenada posible. Lo que significa es que no queremos que la gente piense en definir nuevamente los datos, ni que den sus propias interpretaciones. Entonces, cuando recopilamos la información, creamos la definición y luego creamos la fórmula que cumple con esa definición. Y luego lo metemos en el almacén. Entonces, cuando alguien viene y extrae ese dato, no hay interpretación. No tienen que escribir una fórmula. El almacén de datos no es para mero almacenamiento. Está diseñado para aquellos datos críticos que desea manipular o administrar de alguna manera y luego distribuir a los usuarios finales. Un almacén de datos debe ser diseñado y desarrollado para guiar la toma de decisiones, no sólo para informar.

P: ¿Qué otras herramientas o técnicas pueden usar las instituciones?

R: También usamos un documento que definía los datos, al mismo tiempo que dictaba las reglas para su manejo. Cada pieza de información una fuente y un destino, para acceder a ella se genera una solicitud. Y nuestro equipo plasma quién es el propietario de los datos, qué departamento lo tiene, a dónde va y cómo saber si es correcto; aunque no podemos hacer eso con cada dato. Si presentas una solicitud de ingreso a Life University y pones tu primer nombre, no sé si eres Bill o Bob. Pero sí sé que tiene que haber algo en ese campo de información. A veces podemos ser muy específicos: tiene que ser una de estas cuatro letras, por ejemplo. Y luego a veces tenemos un rango.

P: ¿Cómo controlan los datos?

R: Tenemos un módulo de limpieza de datos, y cuando, por ejemplo, salen 350 piezas de datos, lo comparamos con esas definiciones. Y si se limpia correctamente, entran en el almacén. Si no se limpia correctamente, se envía un correo electrónico a la persona a la que identificamos como propietario y le decimos "Soluciónalo". Dos veces al día extraemos todos los datos y los limpiamos. Ahora tenemos una confianza tremenda en la limpieza de nuestros datos. Significa lo que queríamos que significara. Cuando identificamos quién y cuál departamento es el dueño de los datos, entramos en ese departamento y documentamos el proceso mediante el cual se introdujo en el sistema. Entonces, entendemos cómo cobra vida en nuestra organización. Y cuando identificamos algún conflicto porque el proceso era incorrecto, cambiamos los procesos. Esto es mucho más que solo datos

P: ¿Puede contarnos cómo lo hizo, cómo logró que todos los interesados participaran?

R: Tenemos un grupo que cuida la integridad de los datos. Estos son los usuarios que tienen voz para mantener los datos confiables. Entonces, cuando decimos: "Oigan, muchachos, vamos a cambiar este dato, vamos a cambiar el proceso por el cual se recopila", alguien que está encargado de ese dato puede decir: “Espere un segundo, si lo cambias, me va a generar problemas”. Traemos a esas personas a la mesa y hablamos sobre los cambios que vamos a hacer. El grupo debe representar a toda la institución. Estas son personas que toman decisiones en esos departamentos.

La transparencia es primordial. En nuestro grupo para mantener la integridad de los datos, tenemos una regla no escrita: si va a haber un cambio importante, nos reuniremos tres veces antes de implementar el cambio. Vamos a dar a todos la oportunidad de revisar tres veces lo que estamos diciendo antes de que realmente hagamos el cambio.

P: Ya que implementaron y mejoraron la calidad de los datos en Life University, ¿qué resultados han visto?

R: El resultado más gratificante ha sido que ahora no podemos completar las solicitudes de datos lo suficientemente rápido. Estamos construyendo tableros de mando y modelos de datos constantemente. Hablando profesionalmente, la mejor parte ha sido nuestra capacidad para crear herramientas predictivas que permitan mirar hacia el futuro, no solo predecir lo que podría suceder, sino también construir herramientas que nos permitan hacer suposiciones basadas en datos para construir el futuro que deseamos y luego traducir eso en una realidad.

Por ejemplo, si queremos aumentar la matrícula de inscripción en un 7% en los siguientes cinco años, necesitamos entender cómo la retención, la graduación y el reclutamiento funcionan juntas para darnos ese aumento del 7%. Nuestro modelo puede enfocarse completamente en reclutar más estudiantes, o reducir la retención, o cualquier combinación de los dos. Al manipular el grado de cambio en cada una de esas áreas, podemos desarrollar un balance que tenga sentido para nosotros. Luego podemos crear un modelo de datos que alinee los recursos, el tiempo y las personas necesarias para implementar la solución.

Si quiere obtener más información sobre los beneficios de la analítica y cómo implementar un programa en su institución, visite nuestra página web del campus orientado a la analítica.