Imagineu un equip de dades que presumeix d’una execució perfecta dels “sprints”. Les tasques es tanquen a temps, la velocitat de lliurament és constant i les retrospectives són sempre positives. Tanmateix, el portfolio de dades —quadres de comandament, pipelines, informes— creix sense parar i mai no es redueix. Aquesta situació, lluny de ser una coincidència, és la conseqüència directa de mesurar allò que no importa: tancar una incidència no és el mateix que generar valor. Durant anys, moltes organitzacions han confós activitat amb productivitat, acumulant actius digitals que consumeixen recursos sense aportar retorn.
El problema no és tècnic, sinó de disciplina directiva. En qualsevol altra àrea de l’empresa, un producte que no funciona es retira del mercat; una campanya que no convenç es para; una inversió que no rendeix es desinverteix. En canvi, quan parlem de dades, la reacció instintiva és afegir-ne més: més fonts, més eines, més enginyers. Ningú no s’atura a preguntar “què podem deixar de fer?”. Aquesta asimetria genera allò que anomeno “deute de dades”: un passiu silenciós que alenteix l’agilitat de l’equip.
La clau és aplicar el mateix rigor que dediquem a la gestió de costos en altres partides. De la mateixa manera que una empresa no manté una botiga física buida perquè sí, no hauria de conservar un quadre de comandament que ningú no ha obert en sis mesos. Per trencar aquest cercle, proposo tres passos concrets que qualsevol equip pot adoptar a partir del pròxim trimestre.
El primer pas és fer un inventari honest. No n’hi ha prou de saber què s’ha construït; cal documentar quan va ser l’última vegada que es va utilitzar, quant costa mantenir-lo (còmput, emmagatzematge, hores de manteniment) i quantes persones el trobarien a faltar si desaparegués un mes. Aquesta informació sol estar disponible als logs de les eines de BI i als sistemes de monitorització; només cal recopilar-la i plantejar la pregunta difícil.
El segon pas és establir un procés de retirada tan formal com el de noves funcionalitats. Cada candidat a ser retirat ha de passar per la mateixa planificació trimestral que les noves característiques: mateixos stakeholders, mateixes estimacions en story points, mateixa definició de “ fet” (aturar el pipeline, arxivar el quadre de comandament, eliminar regles d’alerta, documentar el canvi). I, sobretot, si un interessat s’hi oposa, no té poder de veto; es converteix automàticament en el responsable visible dels costos associats, amb un registre accessible per a tot l’equip. Aquest mecanisme transforma un “per si de cas” en una decisió formal amb conseqüències reals.
El tercer pas és canviar els indicadors. La velocitat de sprint i la taxa de tancament de tickets no reflecteixen si el portfolio s’està fent més àgil o simplement més gran. En lloc d’això, cal mesurar dues coses: 1) si el temps ocult que el negoci dedica a sortejar mals productes de dades es redueix trimestre a trimestre, i 2) si l’equip té capacitat real per construir, o si està dedicant tota la seva energia a sobreviure a la seva pròpia acumulació. Aquests indicadors, tot i que menys habituals, són molt més predictius del valor real que l’organització obté de les seves dades.
A Q2BSTUDIO, sabem que la gestió del cicle de vida de les dades és tan crítica com la seva generació. Per això ajudem les empreses a dissenyar arquitectures de dades que incloguin des de l’inici mecanismes de retirada i governança. Els nostres serveis de programari a mida permeten construir solucions que no només resolen problemes actuals, sinó que eviten l’acumulació futura. A més, la integració amb plataformes cloud com AWS o Azure facilita l’automatització de la retirada de recursos no utilitzats, reduint costos d’infraestructura. La intel·ligència artificial i els agents d’IA poden fins i tot monitoritzar patrons d’ús i suggerir candidats a retirar abans que l’humà els detecti.
El canvi cultural no és immediat, però comença amb una decisió valenta: abans d’aprovar el pròxim roadmap, dediqueu un espai a identificar un sol actiu que s’hagi de retirar. Sotmeteu-lo al mateix escrutini que una nova funcionalitat. Observeu com d’estrany resulta al principi i com de ràpid es normalitza. Aquesta petita acció és el germen d’un equip de dades més eficient, més enfocat i, sobretot, més valuós per al negoci.
