Los datos no estructurados: la pieza que falta en la transformación SAP

Puntos clave

• Alrededor del 80 % de los datos empresariales no están estructurados, y la mayoría de las herramientas de transformación no están diseñadas para gestionarlos.
• Si no se gestionan, suponen un riesgo real: trabajo manual adicional, exposición a problemas de cumplimiento y una preparación insuficiente de los sistemas desde el primer día.
• La IA puede convertir estos datos en un activo utilizable a gran escala. Sin embargo, es la experiencia en transformación la que, en última instancia, determina qué se hace con ellos.

Lo que los datos estructurados no capturan

La mayoría de los proyectos de transformación se centran principalmente en los datos estructurados de los sistemas ERP. Sin embargo, una gran parte de la información crítica para el negocio se encuentra fuera de estas estructuras, en formatos que requieren un enfoque diferente para su evaluación y gestión.

Algunos ejemplos comunes son:

• Contratos y acuerdos de confidencialidad
• Registros de empleados
• Instrucciones de trabajo y documentación de procesos
• Documentos de ventas
• Correos electrónicos
• Documentación de TI y tickets de soporte
• Archivos PDF, presentaciones y hojas de cálculo almacenados fuera del sistema ERP

En la mayoría de las organizaciones, estos datos están repartidos en docenas de sistemas: sitios de SharePoint, repositorios compartidos, bandejas de entrada de correo y, en ocasiones, registros en papel que nunca se han digitalizado.  Y estos repositorios se crearon para las operaciones empresariales cotidianas, no para futuros carve-outs, fusiones o transformaciones de sistemas.

Precisamente por eso, este tema se vuelve crítico en proyectos de este tipo. Las fusiones y adquisiciones (M&A) constituyen el único momento en el que la información de una empresa se canaliza a través de un único punto, a menudo con plazos muy ajustados. De repente, los equipos deben determinar qué información pertenece a la entidad que se va a separar, qué debe migrarse y qué puede dejarse atrás, sin disponer del tiempo necesario para revisar cada documento por separado.

Según Gartner, los datos no estructurados, como los documentos y los ficheros multimedia, representan alrededor del 80 % de los datos de las empresas. La mayoría de estos datos no están estructurados y, mucho menos, identificados o preparados para una transformación.

El riesgo oculto de los datos no estructurados

Los datos no estructurados que no se gestionan adecuadamente no se quedan ahí sin más. Generan riesgos que suelen salir a la luz más adelante.

Estos riesgos se acumulan de forma silenciosa. Una única lista de materiales ausente o un documento jurídico desactualizado pueden pasar desapercibidos durante meses. Y cuando llega el momento de utilizarlos, nadie puede encontrarlos ni verificar si siguen vigentes.

El principal reto tampoco es el volumen. Consiste en saber qué información es relevante, crítica para el negocio o sensible, y cuál no lo es. Revisar todo manualmente no es una solución viable a gran escala. E ignorarlo no es una opción.

Cómo la IA te ayuda a trabajar con datos no estructurados a gran escala

La IA está empezando a cambiar la forma en que las organizaciones abordan este problema. En lugar de basarse en nombres de archivos o palabras clave, la IA puede interpretar lo que realmente contiene un documento y por qué es importante.

A grandes rasgos, las capacidades impulsadas por IA pueden ayudar a los equipos a:

• Escanear y analizar grandes volúmenes de documentos
• Clasificar el contenido según el significado y el contexto, no solo según etiquetas
• Identificar información empresarial relevante o sensible
• Aplicar reglas coherentes en grandes conjuntos de datos
• Reducir las tareas repetitivas de revisión manual
• Tomar decisiones más fundamentadas sobre qué conservar o migrar

Gartner lo plantea como un proceso de cinco pasos: Descubrir y catalogar los datos, preprocesarlos y analizarlos, etiquetarlos y clasificarlos, conectarlos a sistemas estructurados y gestionarlos con políticas claras en todo momento. Así, los datos no estructurados pasan de requerir un proceso manual y reactivo a uno que es sistemático, escalable y sensible al contexto.

Sin embargo, la IA por sí sola no basta. Para que el análisis sea útil en una transformación real, tiene que estar vinculado al contexto empresarial y a los objetivos específicos de la migración o el carve-out, y no limitarse a generar una lista ordenada de documentos etiquetados.

Cómo la IA integra los datos no estructurados en la transformación

La IA puede decirte qué es un documento. Pero no siempre puede decirte qué hacer con él. Por ejemplo, piensa en un contrato. La IA puede identificarlo, clasificarlo y marcarlo como relevante.

Pero para determinar lo siguiente, la IA requiere más contexto:

• A qué entidad jurídica pertenece
• Si sigue estando activo
• Si debe migrarse, conservarse o archivarse
• Dónde debe ubicarse en el entorno destino

Esas son decisiones de transformación, que se basan en el mismo proceso de definición del alcance y validación orientado al negocio del que depende cualquier migración bien gestionada. La IA no sustituye ese criterio. Lo que hace es proporcionar a quienes toman esas decisiones un punto de partida mucho mejor que un repositorio lleno de archivos sin clasificar.

El enfoque de SNP para los datos no estructurados

SNP está ampliando su plataforma Kyano para abordar este desafío. Una de sus primeras funcionalidades, “Unstructured Data Processing”, aplica análisis basados en IA a los datos no estructurados como parte de un proceso de transformación más amplio.

De hecho, SNP ya está aplicando este enfoque a los datos no estructurados. Aquí hay dos ejemplos:

• Una migración de varios años en la que la documentación crítica de la planta solo existía en forma de archivos PDF dispersos y registros en papel, y de la que solo tenía conocimiento una persona en las instalaciones.
• Décadas de documentación técnica procedente de múltiples adquisiciones, almacenada en formatos inconsistentes, prácticamente inutilizable sin un gran esfuerzo de revisión manual.

Una brecha que nadie detecta… hasta que se convierte en un problema

El análisis está diseñado para realizarse dentro del propio entorno del cliente, por lo que no hace falta transferir los datos a un sistema externo. Aún es pronto, pero la dirección está clara: los datos no estructurados se están convirtiendo en una parte habitual a la hora de definir el alcance de las transformaciones, y no en algo que se descubre a medias en medio del proyecto.

El éxito de la transformación depende de todos los datos

Los proyectos de transformación futuros no tratarán los datos estructurados y no estructurados como problemas separados. Los dos tendrán que gestionarse juntos desde el primer día de planificación.

La migración limpia de datos ERP siempre ha sido importante. Y cada vez es más importante comprender y gestionar el ecosistema de información que lo rodea: los contratos, los registros y los documentos que no están en los sistemas SAP, pero que pueden determinar el éxito de una transformación.