Vivir mejor a través de la automatización del proceso de datos

Invisible a los ojos, pero no fuera de vista.

Activas un interruptor, fluye la electricidad y se enciende una luz en el techo. Prácticamente todas las necesidades básicas que disfrutamos en la actualidad dependen de la electricidad para su correcto funcionamiento, y la confianza y respuesta casi instantáneas que nos brindan nuestros electrodomésticos hacen que podamos dar esto por sentado – hasta que se corta la energía, claro. Ante una situación así, nos quedamos pensando cómo continuar trabajando, cómo preparar la cena, cómo lavar la ropa…, ¡y cómo hacer todo esto en la oscuridad!

Por supuesto, no podemos olvidar que el inmenso poder de la electricidad también conlleva un riesgo sustancial: es peligroso trabajar con ella y un cortocircuito podría provocar daños a la propiedad que requieran mucho tiempo de reparación.

La automatización del proceso de datos sería lo equivalente en los sistemas de datos actuales. Cuando este proceso se configura correctamente, la automatización puede funcionar con tanta facilidad y fiabilidad que incluso podemos olvidar que está ahí. Impulsando el movimiento de datos, los controles de calidad, las pruebas de control o el outbound marketing, entre otros, la automatización del proceso de datos puede reducir el costo y la complejidad de algunas de las tareas esenciales que solemos realizar cada día. No obstante, cuando se rompe (o si nunca se llegó a configurar correctamente), puede causar estragos: se pueden llegar a eliminar o sobrescribir series de datos críticos; los mensajes de e-mail marketing se pueden enviar a audiencias equivocadas o en horarios erróneos, e incluso se pueden producir bucles infinitos que consuman tiempo de procesamiento o amenacen los límites de uso de una API.

Del mismo modo que lavar la vajilla o preparar la cena se podrían realizar sin el uso de electricidad, todas las tareas anteriormente mencionadas pueden llevarse a cabo sin ningún proceso de automatización; simplemente es mucho más difícil y el riesgo de cometer errores es mucho mayor.

Automatización de procesos de datos

Por tanto, ¿cómo pueden las organizaciones minimizar riesgos con la automatización de sus procesos de datos?

Hay que definir de manera clara los objetivos de un proceso automatizado.

Es imprescindible que sean específicos y concretos. “Recuperar los datos de un proveedor, cargarlos en una base de datos propia y verificar si hay duplicados” son tres objetivos en uno. Los tres pueden estar interrelacionados, pero deben tratarse de forma individual, ya que es probable que deban plantearse diferentes criterios en el proceso automatización. Tratar cada uno de ellos de forma individual permitirá al equipo elaborar sus procesos de automatización de forma gradual.

Anticipa posibles fallos que se puedan producir.

Los procesos pueden fallar de muchas maneras, aunque, como humanos, tendemos a ser muy optimistas, especialmente cuando tiene que ver con un proceso que nosotros mismos estamos elaborando o en el que depositamos nuestra confianza. Por este motivo, es fundamental pensar en las diferentes formas en que las cosas podrían salir mal. ¡Escribe todas tus ideas! Está bien priorizar por la probabilidad de que sucedan o del riesgo de desastre que supongan de ocurrir. Ser realista sobre cómo pueden fallar las cosas ayudará a desarrollar una automatización sólída.

Desarrolla planes de contingencia para cuando las cosas vayan mal.

¿Se ha producido un error en una llamada a la API? ¿Cuánto tiempo es necesario esperar para volver a intentarlo y qué sucede si todavía falla? ¿Habría que avisar a alguien? Si es así, ¿cómo? ¿Por correo electrónico, mensaje de texto o teléfono? ¿En cuánto tiempo se debería de responder para que la situación no se agrave aún más? ¿Cómo se deberían compensar los procesos posteriores? ¿Habría que pararlos o avanzar sin que el resultado de este proceso de automatización esté bien? Disponer de estas respuestas permite tener una idea de cómo puede responder y recuperarse de un problema el sistema.

Recuerda que los rayos pueden caer dos veces en el mismo lugar.

Si se produce un error que no tenías previsto, priorízalo para desarrollar un proceso de contingencia, ya que es probable que vuelva a suceder. Los eventos inusuales suelen descartarse, pero en realidad, son casi siempre síntoma de algún riesgo sistémico que no se ha abordado completamente todavía. ¡No tropieces dos veces con la misma piedra!

Trata de mantener buenas relaciones con terceros.

Muchas de las tareas de automatización involucran el movimiento de datos hacia o desde terceros. Es importante saber quiénes son los contactos de referencia y cómo comunicarse con ellos en caso de que sea necesario. Resulta fundamental contactarles de vez en cuando para estar seguro de que siguen siendo las personas adecuadas y actualizar los registros si se considera oportuno. Deben sentirse familiarizados con los casos de uso de tu organización para estar informados y preparados y poder actuar ante una situación crítica.

¡Prueba, prueba, prueba y haz copias de seguridad!

Prueba los procesos de automatización cada vez que se produzca un cambio y asegúrate de probar también el impacto que puedan tener en los procesos a los que afecta. Siempre que sea posible, realiza test de estrés y de esfuerzo, para evitar probar continuamente en la situación óptima. ¡Asegúrate siempre de realizar copias de seguridad (preferiblemente de forma automática)! No es buena idea que la primera vez que tu plan de contingencia se ponga a prueba sea cuando estés en medio de una situación de crisis.

Al igual que ocurre con la electricidad en nuestros hogares, la automatización del proceso de datos permite ahorrar una enorme cantidad de tiempo al realizar tareas rutinarias. Siempre que se sea consciente de los riesgos y peligros involucrados, que nos preparemos adecuadamente para los cambios y estemos atentos ante situaciones que puedan parecer inusuales, el proceso de automatización continuará siendo parte fundamental para una gestión exitosa de los datos de cualquier organización.

Artículo original de George C. L’Heureux, Jr. Principal Consultant, Data Strategy de Dun&Bradstreet