Luego de egresar de la carrera de Ingeniería Informática de la Pontificia
Universidad Católica en 1998 ingrese a trabajar en el área de sistemas del
Banco de Crédito del Perú en diferentes roles Programador, Analista y finalmente
Arquitecto de Sistemas, luego de ello pase por otras de negocio del mencionado
Banco para finalmente estar a cargo de la creación del Área de Data dentro del
grupo Credicorp.
En Enero del 2015 el Banco de Crédito del Perú empezó a delinear la
creación del Área de Data y Analytics debido a la necesidad de contar con la
información necesaria para poder cumplir con su principal objetivo “Transformar
sueños en realidad”, antes de la creación de esta área, los datos no eran
gobernados por una única entidad y estaba dispersa en las diferentes áreas de
negocio y tecnología lo que llevaba a tener diversos problemas de disponibilidad,
integridad y veracidad de la información, además del alto costo que conllevaba
este modelo de trabajo.
A mediados del 2015 se me encargó crear y liderar el Área de Data con el
objetivo principal de poner en valor los activos de información del BCP, al poco
tiempo se incrementó el alcance de la función a todo el grupo Credicorp (BCP,
Prima, Pacifico, Credicorp Capital y Mi Banco).
Para la realización de este encargo se dividió en 5 principales iniciativas,
desarrolladas principalmente por el personal del BCP:
Gestión del recurso humano, el cual incluye organización, funciones, perfiles,
capacitación y desarrollo de carrera dentro de un entorno de agilidad, esto
conlleva a incluir especializaciones en lugar de estructura jerarquica asi como
verdaderas evaluaciones 360.
Gobierno y Calidad de Datos, definición e implementación del gobierno de
datos que permita tener una sola verdad en relación a que significa cada dato y
donde es posible encontrarlo complementándolo con los estándares de calidad
de acuerdo a la criticidad del mismo, el entregable fue el diccionario de datos
(20mil) de la organización.
Arquitectura de Datos basado en tecnología de Big Data, definición e
implementación de los diversos componentes de almacenamiento (data lake),
explotación y visualización , carga de datos, gobierno y calidad, seguridad y
streaming, finalmente se opto por el uso de tecnología de Cloudera on-premise
para el almacenamiento, Datameer y Qlik para explotacion y visualizacion, IBM
Infosphere para la carga de datos de los aplicativos core y bases externas, Spark
para la carga entre capas del datalake, kafka para el streaming de datos y
Cloudera DataScience Workbench como herramienta de modelamiento
estadísticos donde se podía programar en Python, R y Spark..
Cultura de Datos, definición e implementación de la metodología de cultura de
datos como un segundo idioma que permita definir el nivel de madurez de cada
área en termino de uso de datos en la toma de decisiones.
Data Enrichment, si bien la información que posee el grupo es relevante, es
necesario enriquecer la información no solo con nuevos elementos de datos sino
también actualizando los existentes de tal manera de tener información fiable.
Por otro lado se hizo necesario la creación de un laboratorio de datos
donde no solo se probaba tecnología sino también permitía implementar
soluciones que capturen mas datos para la tomar de decisiones.
Laboratorio de Big Data, definición e implementación del laboratorio de Big
Data de tal manera que se pueda poner en valor de forma inmediata el uso de
los datos sin esperar a que se culmine todo el proceso de carga de información,
para esta labor se utilizo el framework Scrum para el desarrollo de productos de
data y la Arquitecture de Big Data con herramientas de Microsoft Azure.
Dentro de las principales conclusiones que conllevaron al éxito en la
implementación de la estrategia de data se encuentran :
• El desarrollo de una estrategia de datos tiene diferentes aristas
tecnológicas, culturales y de procesos que deben avanzar en paralelo
para el mejor aprovechamiento del valor de la data.
• Es necesario un alineamiento de la estrategia de datos a la estrategia
corporativa, de esta manera se asegura el soporte de la gerencia central.
• La estrategia de datos debe ser conocida por toda la organización y a todo
nivel, debido a que es un proceso federado.
• Se deben desarrollar las capacidades técnicas del personal ya que el
universo de personas que conocen tecnología de big data en el país es
muy reducido.
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/19161 |
| Date | 18 May 2021 |
| Creators | Almeyda Alcántara, José Marcelo |
| Contributors | Cueva Moscoso, Rony |
| Publisher | Pontificia Universidad Católica del Perú, PE |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bachelorThesis |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess, Atribución-CompartirIgual 2.5 Perú, http://creativecommons.org/licenses/by-sa/2.5/pe/ |
Page generated in 0.002 seconds