El contexto
En los artículos anteriores de esta colección vimos que los fundamentos importan más que las herramientas, que lo técnico tiene un techo corto, y que comunicar es parte del rol de datos. Hay un hilo que conecta todo eso: el trabajo técnico no existe en el vacío.
Podés construir el pipeline más elegante, el modelo dimensional más prolijo, la arquitectura más escalable. Pero si nadie lo usa, ¿qué resolviste?
La única métrica que importa
La medida de éxito de cualquier proyecto de datos es si lo usa la gente o no lo usa. Así de simple.
Esto parece obvio, pero en la práctica se pierde de vista. Es fácil quedarse en la satisfacción de haber resuelto un problema técnico interesante, de haber implementado algo complejo, de haber dejado el código prolijo. Todo eso está bien, pero no alcanza.
Un dashboard que nadie consulta es un fracaso. Un modelo que no informa ninguna decisión es un fracaso. Un pipeline que alimenta tablas que nadie mira es un fracaso. Por más que técnicamente estén impecables.
Consumo y serving son la misma moneda
Hay dos formas de mirar la entrega de datos: desde el lado del que consume y desde el lado del que sirve. Consumo y serving son la misma relación vista desde dos ángulos distintos.
Cuando pensás desde el consumo, te preguntás: ¿quién va a usar esto? ¿Cómo lo va a usar? ¿Qué decisiones va a tomar con esta información? Cuando pensás desde el serving, te preguntás: ¿cómo hago para que esto llegue de la forma más útil posible?
Las dos preguntas llevan al mismo lugar: entender para qué sirve lo que estás construyendo.
Qué cambia cuando pensás desde la adopción
Si tu métrica de éxito es la adopción, tu forma de trabajar cambia.
Antes de construir, preguntás quién va a usar esto y para qué. Durante el desarrollo, validás con los usuarios si lo que estás haciendo tiene sentido. Después de entregar, medís si efectivamente se usa.
Esto conecta con lo que vimos sobre comunicación: si no podés explicar para qué sirve tu trabajo, probablemente no tengas claro para qué sirve. Y si no tenés claro para qué sirve, es difícil que alguien lo use.
También conecta con el techo técnico: después de cierto punto, lo que hace que tu trabajo tenga impacto no es que sea más sofisticado técnicamente, sino que resuelva un problema real para alguien.
El riesgo de optimizar para lo técnico
Hay un riesgo en quedarse solo en lo técnico: construir cosas que nadie pidió, que nadie necesita, que nadie va a usar.
A veces pasa por falta de comunicación con los usuarios. A veces pasa por asumir que sabemos qué necesitan sin preguntar. A veces pasa por priorizar lo que nos parece interesante técnicamente sobre lo que genera valor.
El resultado es el mismo: trabajo que no tiene impacto. Y trabajo sin impacto, por más prolijo que sea, no construye carrera.
En resumen
La medida de éxito de un proyecto de datos es si lo usa la gente. Consumo y serving son dos caras de la misma moneda: entender para qué sirve lo que construís. Pensar desde la adopción cambia cómo trabajás, qué preguntás, qué priorizás. Un proyecto técnicamente impecable que nadie usa sigue siendo un fracaso.