Gestión de Datos empresariales: uso y necesidad

Introducción

Nuestro mundo digital se basa en la información. Los datos están en todas partes y todo el mundo los utiliza para su negocio diario. La gestión de datos ha experimentado recientemente un aumento en la popularidad entre empresas, organizaciones, analistas y asesores. ¿Qué impulsa este desarrollo, teniendo en cuenta que este tema generalmente no se considera muy sexy?

Los datos son una representación de hechos. Al colocar los datos en contexto, se crea información. La ausencia de una buena gestión de los datos a menudo significa automáticamente que la información operativa y de gestión no es eficaz. A la larga, esto paralizará a una organización en la medida en que ya no pueda funcionar adecuadamente. La razón de esto es que las decisiones importantes se toman demasiado tarde, porque las personas ya no pueden confiar en la información de gestión. Además, la gestión de los procesos institucionales requiere más tiempo y esfuerzo porque las tareas y responsabilidades de los departamentos no están bien alineadas entre sí. En esta situación, todo el mundo crea y administra solo los datos necesarios para la ejecución de sus propias funciones, y, en consecuencia, hace uso de un conjunto propio de definiciones de datos. Debido a que los departamentos se acusan mutuamente de inexactitud, las medidas de control se imponen en masa y las operaciones se vuelven aún más sensibles, lo que conduce a una espiral descendente para toda la empresa. Por lo tanto, existe una razón comercial urgente para asignar a la gestión de datos una posición independiente y profesional dentro de las organizaciones.

Además, las normas y reglamentos imponen una organización estructurada de la gestión de datos. Los reglamentos del sector financiero, como Basilea y Solvencia, exigen que se aplique un marco de gobernanza para la calidad de los datos y la trazabilidad de la información utilizada en los informes de la organización. En este contexto, Basilea II afirma: «El banco debe disponer de un proceso de verificación de los datos introducidos en un modelo estadístico de predicción de impagos o pérdidas que incluya una evaluación de la exactitud, exhaustividad e idoneidad de los datos específicos para la asignación de una calificación aprobada.»La gestión cualitativa de datos es importante para poder cumplir estos criterios, pero también puede llevar mucho tiempo implementarla. En este contexto, es difícil cumplir las normas y reglamentos o los acuerdos vigentes con proveedores y clientes.

La Gestión de datos empresariales comprende todas las actividades dentro de las organizaciones destinadas a la identificación estructurada, clasificación, registro, modelado, desbloqueo, seguridad, archivo y eliminación de datos. En este marco, el término «empresa» representa el carácter de la gestión de datos en toda la organización.

El hecho de que la gestión de datos desempeñe un papel tan crucial en las operaciones comerciales se subraya en declaraciones de funcionarios de nivel C. Aloys Kregting, CIO de DSM, elegido como CIO del Año en 2011, dice: «El CIO debe preocuparse sobre todo por el valor de la información. Debe saber exactamente qué personas necesitan qué información y cuándo, y facilitar ese proceso también. Esto subraya una vez más la importancia de la presentación de informes y de la gestión de datos maestros.»

Como segundo ejemplo, podemos señalar al CEO de una empresa de exploración y producción de petróleo, que se da cuenta de que una buena gestión de datos es el siguiente paso en el progreso de su empresa hacia la excelencia empresarial, y le permitirá destacarse de sus rivales: «Los esfuerzos de mejora continua ahora se centrarán en aprovechar estos cambios y descubrir el valor oculto que ofrecen. Esto significa impulsar procesos simplificados y una gestión de datos reforzada para proporcionar una toma de decisiones más rápida y mejor informada, una mayor capacidad de respuesta a las necesidades del cliente y menos desperdicio, todo lo cual resulta en un mayor rendimiento competitivo.»

Datos como activo

Como se mencionó anteriormente, los datos son una representación de hechos. En un entorno empresarial, esto significa «hechos relativos a las operaciones comerciales». Sin contexto o estructura, estos datos no tienen valor añadido para una empresa. Carece del contenido y el significado para tener un valor real. Aquí, hacemos una distinción entre datos estructurados (almacenados y organizados en una base de datos) y datos no estructurados (en forma de documentos, archivos, imágenes, mensajes de texto, formularios, videos o grabaciones de sonido, que no se pueden incorporar en filas, columnas o registros).

Sin información complementaria, es difícil, si no imposible, clasificar, registrar y desbloquear estos datos para su uso. En el momento en que ponemos contexto a estos datos, es cuando adquieren importancia. Luego agregamos una referencia, una fecha y una hora, el significado del mensaje, un formato. Con esto, los datos se estructuran y se convierten en información. Si conectamos todas las diversas fuentes de información, estableciendo relaciones e identificando patrones, esta información se convierte en conocimiento. Este es, por lo tanto, el valor añadido de la inteligencia de negocios (BI): conectar varias fuentes de información en una organización para mejorar la toma de decisiones por parte de la dirección de la empresa. Véase también la Figura 1.

Figura 1. Valor de los datos, colocados en contexto.

Las organizaciones que mejor puedan estructurar sus datos y abrir esta información a los trabajadores del conocimiento dentro de la empresa tendrán una ventaja competitiva. Hacer uso del poder comercial inherente de estos datos dará a las empresas y organizaciones una ventaja estratégica sobre sus competidores. Eric Schmidt, antiguo CEO de Google, declaró en 2010: «No creo que la sociedad entienda lo que sucede cuando todo está disponible, conocible y grabado por todos todo el tiempo. Y Gartner declara: «En el sector privado estimamos, por ejemplo, que un minorista que utiliza big data al máximo tiene el potencial de aumentar su margen operativo en más de un 60%.'()

Pero no se trata solo de una buena estructuración y desbloqueo de datos. Durante varios años, la idea predominante fue que BI resolvería el problema de la información de gestión. La mayoría de las empresas y organizaciones globales han implementado software complejo y ejecutado costosos programas de BI. Sin embargo, la dirección no está satisfecha. Dado que la BI está orientada principalmente hacia los datos estructurados, no se invierte suficiente esfuerzo en desbloquear el valor de los datos no estructurados. Además, la información de gestión no se puede modificar fácilmente para adaptarse a las necesidades cambiantes de la empresa. KPMG ha declarado: «Las grandes inversiones en TI no garantizan necesariamente una mejor información. Lo que es más importante es cambiar fundamentalmente la forma en que se recopilan, procesan y presentan los datos.»()

La información expuesta por medio de un almacén de datos no tiene valor si la calidad del conjunto de datos subyacente es deficiente. Datos no estructurados (aprox. el 85% de todos los datos de la empresa) no se puede acceder a través de un almacén de datos. Por lo tanto, las preguntas son: ¿cómo podemos actualizar estos datos y qué constituye una buena gestión de datos para datos no estructurados? En este contexto, «bueno» significa de acuerdo con los criterios de calidad que la organización ha impuesto a los datos. Es evidente que los «buenos datos» no son algo que simplemente aparece de la nada. Se requiere un marco. Este marco consiste en actividades que una empresa debe organizar e integrar en la organización de manera lógica y precisa. Esto se denomina gestión de datos y cubre todas las actividades de la organización dirigidas a las operaciones comerciales, con el fin de identificar, clasificar, registrar, modelar, desbloquear, proteger, archivar y eliminar datos de una manera estructurada. Para tales actividades, utilizamos el término «Gestión de Datos Empresariales» (EDM), porque implica actividades que se ejecutan en toda la organización.

La conciencia de que una buena gestión de los datos puede agregar valor a las actividades de la empresa y aumentar los beneficios ha llevado a analistas y asesores a poner los datos al mismo nivel que otros recursos de la empresa, como terrenos, edificios y maquinaria. En este contexto, los datos se definen como un activo de la empresa. Los activos deben estar bien gestionados: bien mantenidos y protegidos, con la propiedad asignada y la eliminación o sustitución oportuna de los datos si quedan obsoletos. Al igual que otros activos, los datos de la organización también se pueden vender para extraer su valor. Por ejemplo, los competidores valorarán la información del cliente porque se puede usar para mejorar las ventas.

Los directores de empresas líderes en todo el mundo lo han reconocido plenamente. Los programas relacionados con los datos ocupan un lugar destacado en sus listas de actividades. El Grupo Hackett afirma: «Lo que las empresas están reconociendo es que han invertido mucho dinero en las aplicaciones, pero, sin estandarizar y limpiar sus datos, siguen obteniendo información que no tiene sentido. Tienen negocios que usan diferentes definiciones, que calculan métricas de manera diferente, que usan diferentes jerarquías. Todo este concepto de gestión de datos maestros es absolutamente crítico para que las empresas puedan llegar al punto en que tengan análisis predictivos.»El caso de negocio para iniciar programas de gestión de datos maestros (MDM) parece evidente:» Para 2013, la MDM reducirá la redundancia de datos de las organizaciones, lo que puede ahorrar el 80% de los costos asociados con la gestión de datos redundantes.'()

Modelos para la Gestión de Datos Empresariales

La gestión de datos ha sido objeto de mucha atención durante bastante tiempo, y hay una gran cantidad de modelos y métodos que afirman proporcionar la mejor respuesta a la estructura de la Gestión de Datos Empresariales. La Organización Internacional de Normalización, más conocida como ISO, tiene innumerables normas, cada una de las cuales cubre un sub-aspecto del espectro de datos. Por ejemplo, la norma ISO 27001 se ocupa de la seguridad de la información. ISO 15489 es la norma que se aplica a la gestión de la información desde una perspectiva de archivo. ISO 23081 es el estándar para metadatos. Además, se puede utilizar la norma ISO 19005 como guía para la aparición de datos. Así que tenemos un exceso de estándares. Otros marcos como COSO y marcos como Cobit e ISF hablan de la importancia de los datos en un sentido más amplio, pero solo desde una perspectiva de riesgo.

Cuerpo de Conocimiento de Gestión de datos

Un modelo más completo parecería ser el de DAMA-DMBOK. Contiene una colección de mejores prácticas en el campo de la gestión de datos que se han complementado con nuevos conocimientos de la práctica de la vida real a lo largo de los años. La Guía DAMA-DMBOK (in full: Data Management Body of Knowledge) es una publicación de la Asociación de Gestión de datos, una organización internacional dirigida a administradores de datos y profesionales de datos para la distribución de conocimiento sobre la gestión de datos.

El DMBOK identifica diez funciones de datos diferentes. Estas funciones se muestran en la Figura 2. El gobierno de datos es la función que vincula los otros dominios entre sí. En cada una de las esferas, se debe prestar atención a los factores ambientales, como los métodos y procedimientos de trabajo actuales, las técnicas utilizadas y la cultura organizacional.

Figura 2. Dominios de datos según DAMA ().

DAMA tiene sus puntos débiles. Por ejemplo, el hecho de que las funciones mencionadas solo se refieran entre sí en términos generales, lo que significa que un usuario no siempre reconoce o entiende la relación entre funciones y, posteriormente, la importancia general de la combinación. Además, DAMA parece estar orientada hacia los datos tradicionales y estructurados, al menos en este momento. Siendo este el caso, se presta poca atención a la importancia del contenido de las redes sociales. La seguridad de los datos dentro de DAMA está dirigida principalmente a la protección tecnológica de los datos. Aparte de esto, la diferencia en la forma en que las generaciones tratan los datos no se ha reconocido explícitamente como un factor relevante (factor ambiental). Por último, y esta es quizás la mayor objeción, se trata sobre todo de un marco conceptual. Carece de ejemplos prácticos para que los conceptos y términos sean suficientemente claros para el lector, lo que entraña el riesgo de una interpretación incoherente. La forma en que debería aplicarse el marco tampoco es clara. Esto es contrario al objetivo principal de un cuerpo de conocimiento. Después de todo, la aplicación de este acervo de conocimientos debería tener por objeto estimular la coherencia en la aplicación de la gestión de datos. Es por estas razones que usamos DAMA solo para su identificación de funciones, porque esas son sólidas.

Modelo de gestión de datos empresariales de KPMG

Los modelos mencionados anteriormente contienen elementos importantes que deben atenderse en la realización de una organización de gestión de datos profesional. Para la operacionalización de la gestión de datos, sin embargo, también es importante otro conjunto de aspectos, aspectos que no están cubiertos por estos modelos.

En primer lugar, implican el hecho de que los datos se intercambian entre sistemas dentro de la organización y entre la organización y terceros. Por lo tanto, la gestión de los datos debe garantizar que se alcancen buenos acuerdos sobre el formato en que se entregan los datos, sobre la validación de la calidad de los datos entregados, sobre las posibles rondas de enriquecimiento antes de que se procesen los datos y sobre cualquier procedimiento en caso de que se produzcan defectos en el proceso. Agrupamos estas actividades bajo los términos «adquisición y creación» y «distribución».

Además, la EDM también debe garantizar que el marco de la EDM pueda mantenerse en su conjunto. La organización debe tener procesos a su disposición para registrar los documentos y las fallas identificadas durante la ejecución operativa de las actividades de gestión electrónica de datos. Estas cuestiones deberían debatirse en los órganos de consulta de la gobernanza del GDE y deberían conducir a un ajuste de los procedimientos y técnicas existentes. En este contexto, se puede considerar una situación en la que un panel de calidad de datos utilizado dentro de una organización debe adaptarse porque la organización desea monitorear un nuevo objeto de datos. En tales casos, debe haber un «proceso de cambio» que establezca la toma de decisiones sobre este cambio e implemente la alteración del tablero después de que se haya tomado la decisión.

Finalmente, todas las actividades de EDM realizadas por una organización deben evaluarse de acuerdo con su eficacia y eficiencia. Al igual que en el caso de los procesos primarios dentro de una organización, debe haber un mecanismo de «planificar, hacer, verificar, actuar» para la EDM, de modo que se pueda controlar si la ejecución de las actividades de EDM cumple o no con los acuerdos alcanzados al respecto. El «monitoreo de procesos» permite esto, y permite a la organización de EDM identificar de forma independiente cualquier defecto y tomar medidas correctivas.

Estos pasos se muestran en el modelo de EDM de KPMG en la Figura 3.

Figura 3. Modelo de Gestión de Datos Empresariales de KPMG.

A continuación se presenta una breve descripción de los elementos más importantes del modelo.

• El gobierno de datos está dirigido a la dirección de las actividades de gestión de datos. Cuestiones como la estrategia, la política, las funciones, las tareas y las responsabilidades entran en esta categoría.
• La arquitectura de datos se ocupa de la definición y documentación de objetos de datos y estructuras de datos en un modelo de datos. Estos constituyen la base para el análisis de la información y la construcción de procesos y sistemas en una organización.
• La gestión de datos maestros se refiere a la calidad de los datos maestros y de referencia. El objetivo final es crear registros únicos (‘dorados’).
• El almacenamiento de datos es la actividad que garantiza la definición de la arquitectura utilizada para almacenar datos en bases de datos relacionales.
• La inteligencia de negocios implica abrir datos almacenados en almacenes de datos. Los datos deben proporcionarse de manera que proporcionen información útil a la administración, que les permita tomar decisiones bien fundamentadas.
• La gestión de la calidad de los datos se refiere a una documentación estructural de los criterios de calidad, el análisis de la calidad real de los datos y la presentación de informes sobre la calidad de los datos.
• La gestión de contenidos está dirigida a la clasificación de datos, la estructuración de flujos de documentos y el acceso a ellos.
• El archivado está orientado a la reubicación de datos inactivos a otros entornos.
• En Operaciones de gobernanza, «metadatos» se refiere a información sobre elementos de gestión de datos, como descripciones técnicas y funcionales de objetos de datos y modelos de datos.
• La gestión de bases de datos está dirigida a la gestión técnica operativa de bases de datos.
• La seguridad de datos está dirigida a proteger los datos contra el acceso y uso no autorizados de estos datos.
• Gestión de identidades, en conclusión, especifica el acceso a los datos.

Para una descripción más detallada de varios de estos elementos EDM, le remitimos a las contribuciones separadas sobre elementos EDM que se han incluido en este Compacto.

EDM desde una perspectiva organizacional

Dentro del alcance de este artículo, solo nos queda responder a la cuestión de la mejor manera de implementar el modelo de EDM en la práctica de la vida real.

Si observa de cerca los diversos componentes de EDM, como se muestra en la Figura 3, tiene la impresión de que hay poco orden lógico en estos componentes. En el gráfico 3 se demuestra que no se propone establecer prioridades o fases para la construcción y aplicación de los elementos. Sin embargo, es evidente que la gobernanza de datos conecta todos los demás elementos. Con esto, queremos indicar que no hay clasificación entre los dominios, y que el orden de secuencia en el que se organizan los componentes de EDM es puramente aleatorio. La gobernanza de datos constituye una excepción aquí. El vínculo que forman los formularios de gobernanza de datos entre todas las demás partes de EDM muestra claramente que ninguna actividad de gestión de datos puede desarrollarse e implementarse con éxito si no hay gobernanza de datos dentro de la organización.

La gobernanza de datos sienta las bases para todas las actividades de gestión de datos. Sin esta base, las actividades serían simplemente un montón de ladrillos sueltos sin estructura ni cemento. Esto podría significar que las soluciones de BI se compran e implementan mientras no hay suficientes estándares de datos o definiciones de datos. O puede darse el caso de que la calidad de los datos requerida para generar información de gestión fiable sea inadecuada. Esto puede llevar al diseño y la adquisición de sistemas que no son compatibles con otros sistemas porque no existe un modelo general de datos institucionales que sirva de base para todos los desarrollos del sistema. En última instancia, puede resultar en que una organización haga un uso activo de las huellas que los usuarios de Internet dejan en los sitios web, sin tener en cuenta las normas de privacidad, lo que podría provocar daños en la imagen y, tal vez, reclamaciones.

El gobierno de datos garantiza que haya una visión y una estrategia para la gestión de datos en toda la organización, respaldadas por la administración. La visión nos informa de lo que deseamos lograr. Indica, por así decirlo, la ambición de la organización. Todas las actividades relacionadas con los datos deben ajustarse a esta visión, y la estrategia debe aportar coherencia a estas actividades. La estrategia también determina el alcance de la gestión de datos dentro de una organización. Ignorando el modelo de DAMA general, las organizaciones pueden preferir omitir ciertos aspectos de la consideración porque probablemente ya se están rellenando en otro lugar, en una unidad descentralizada. Un fenómeno recurrente y constante, por ejemplo, es el hecho de que Recursos Humanos crea su propia organización de gestión de datos y hace un uso limitado de las directrices y normas que la organización central de gestión de datos ha desarrollado.

La gobernanza de datos también garantiza que se preste atención a la formulación de normas de política. En este contexto, nos referimos a la política de seguridad de la información, las normas de política relativas a la arquitectura de datos, el archivo y la calidad de los datos. Además, la gobernanza de datos garantiza la integración organizativa de la gestión de datos. Es necesario determinar: ¿quién es el responsable en última instancia, dónde y cómo se toman las decisiones sobre estrategia, política, normas, funciones, propiedad? Por ejemplo, ¿cómo y cuándo se formulan los informes sobre las actividades de gestión de datos dentro de la organización? ¿De qué manera organizamos la ejecución de las actividades de mantenimiento de datos maestros?

Esta descripción general habrá dejado claro que la gobernanza de datos es la base de una buena gestión de datos. Independientemente de la etapa de madurez en la que se encuentre una organización, siempre es beneficioso examinar seriamente la calidad de la gobernanza de datos y verificar si su alcance es adecuado o no.

Imagine que una organización tiene su gobierno de datos completamente en orden. ¿Hay puntos de apoyo disponibles o mejores prácticas que puedan aclarar cuáles de los otros componentes de gestión de datos son directamente elegibles para la optimización, en términos de priorización? Desafortunadamente, este no es el caso. En otras palabras, la experiencia nos ha enseñado que esto depende de las prioridades que se plantean en el programa de la propia organización.

Imagine que una organización decide reemplazar un sistema de información heredado por un nuevo sistema de planificación de los recursos institucionales. Uno podría preguntarse entonces sobre el impacto que esto podría tener en la gestión de datos. ¿Qué debería tener la máxima prioridad? Esto puede dar lugar a que se asigne la máxima prioridad a la «Gestión de la Calidad de los Datos» como consecuencia de la migración necesaria. Se limpian los datos contaminados, se aborda la metadocumentación y se mejora la gestión de los datos maestros. La implementación de una aplicación de integración de datos puede llevar, por ejemplo, a actualizar el modelo de arquitectura de datos y seleccionar e implementar una aplicación de calidad de datos para limpiar y enriquecer los datos antes de compartirlos con otras plataformas.

Figura 4. Relación entre modelo de negocio y EDM.

Concluyendo, creemos que, sobre la base de la gobernanza de datos y en función de la agenda de negocio de la organización, se deben llevar a cabo aquellas actividades de gestión de datos que aporten el mayor valor añadido en la realización de la agenda en un momento determinado. Los detalles se muestran en la Figura 4. Centrado en la visión y la estrategia, se construye el modelo de negocio necesario para realizar los objetivos declarados en la visión y la estrategia. Este modelo de negocio exige los procesos primarios y de apoyo. Se necesitan recursos para que estos procesos funcionen, y posteriormente se pueden subdividir en recursos humanos, de datos y de TI. La agenda de negocios determina exactamente qué y cuánto se necesita en el lado de los datos en un caso específico. La EDM ofrece un punto de apoyo para la forma en que se debe organizar. Esto incluye un enfoque a medida y no puede encapsularse en un patrón fijo de actividades de gestión de datos.

Conclusión

En esta contribución hemos dado una introducción al EDM como un enfoque para la gestión de todos los datos que genera o adquiere una organización. Una implementación adecuada de este enfoque garantiza que estos datos cumplan con los requisitos de calidad de datos de la organización y que los datos necesarios para ejecutar procesos y permitir que la administración tome decisiones bien fundadas sean correctos, completos y estén disponibles oportunamente. Cuando este es el caso, los datos son un activo que debe gestionarse al igual que todos los demás activos de la empresa. Posteriormente, hemos definido con más detalle las partes constitutivas de la DGE. Así pues, ha surgido un marco de actividades de gestión que constituye la base de la calidad de los datos. Por último, hemos argumentado que la aplicación de las partes constitutivas no puede tener lugar de acuerdo con un modelo fijo. En la operacionalización, es la estrategia de la empresa y la priorización lo que determina cuáles de los componentes de EDM se seleccionan y optimizan. Se asigna un papel crucial a la gobernanza de los datos, que garantiza la visión y la estrategia de toda la organización y patrocinada por la administración.