Objectivos:

En cualquier organización se necesitan determinados datos en todas las áreas de negocio, procesos y sistemas. Si estos datos se comparten y todas las unidades de negocio pueden acceder a las mismas listas de clientes, códigos de ubicación geográfica, listas de unidades de negocio, opciones de entrega, listas de piezas, códigos de centros de coste contables, códigos fiscales gubernamentales y otros datos utilizados para gestionar la empresa, la organización en su conjunto y sus clientes saldrán beneficiados. Las personas que utilizan datos suelen suponer que existe un nivel de coherencia en toda la organización hasta que ven datos heterogéneos.

En la mayoría de las organizaciones, los sistemas y los datos evolucionan de forma más orgánica de lo que desearían los profesionales de la gestión de datos. Especialmente en las grandes organizaciones, diversos proyectos e iniciativas, fusiones y adquisiciones y otras actividades empresariales dan lugar a múltiples sistemas que realizan esencialmente las mismas funciones, aislados unos de otros. Estas condiciones conducen inevitablemente a incoherencias en la estructura y los valores de los datos entre sistemas. Esta variabilidad aumenta los costes y los riesgos. Ambos pueden reducirse mediante la gestión de Datos Maestros y Datos de Referencia.

Actividades realizadas por nuestro Equipo:

Actividades de Gestión de Datos Maestros – MDM

• Definición de los drivers y requisitos de MDM: cada organización tiene diferentes drivers y problemas críticos relacionados con MDM, influidos por el número y tipo de sistemas, su antigüedad, los procesos empresariales que soportan y la forma en que se utilizan los datos tanto para transacciones como para análisis. Los drivers suelen incluir oportunidades para mejorar el servicio al cliente y/o la eficiencia operativa, así como para reducir los riesgos de privacidad y cumplimiento. Entre las cuestiones críticas figuran las diferencias en el significado y la estructura de los datos entre sistemas.
• Estimar y evaluar las origenes de datos: Los datos de las aplicaciones existentes constituyen la base de las actividades de Gestión de Datos Maestros. Es importante comprender la estructura y el contenido de estos datos, así como los procesos a través de los cuales se recopilan o crean. Uno de los resultados de las actividades de MDM puede ser la mejora de los metadatos generados mediante la actividad de evaluación de la calidad de los datos existentes. Uno de los objetivos de la evaluación es comprender lo completos que están los datos en relación con los atributos que componen los Datos Maestros; este proceso incluye aclarar las definiciones y la granularidad de estos atributos.
• Definir el enfoque arquitectónico: El enfoque arquitectónico de MDM depende de la estrategia empresarial, las plataformas de origenes de datos existentes y los propios datos, en particular su linaje y volatilidad, y las implicaciones de una latencia alta o baja. La arquitectura debe tener en cuenta los patrones de utilización e intercambio de datos. Las herramientas de mantenimiento dependen tanto de los requisitos empresariales como de las opciones de arquitectura; estas herramientas ayudan a definir y, al mismo tiempo, dependen del enfoque de la gestión y el mantenimiento.
• Modelación de Datos Maestros: MDM es un proceso de integración de datos. Para obtener resultados coherentes y gestionar la integración de nuevas fuentes a medida que crece una organización, es necesario definir un modelo de datos dentro de las áreas temáticas. Se puede definir un modelo lógico o canónico en las áreas temáticas dentro del hub de intercambio de datos. Esto permitiría definir en toda la organización las entidades y atributos del área temática.
• Definir la stewardship y los procesos de gestión y mantenimiento: las soluciones técnicas pueden realizar un trabajo notable de cotejo, fusión y gestión de los identificadores de registros maestros. Sin embargo, el proceso también requiere stewardship, no sólo para tratar los registros que se descartan del proceso, sino también para remediar y mejorar los procesos que causan que se descarten en primer lugar. Los proyectos MDM deben tener en cuenta los recursos necesarios para mantener la calidad constante de los datos maestros. Hay que analizar los registros, proporcionar información a los sistemas de origen y datos de entrada que puedan utilizarse para optimizar y mejorar los algoritmos que impulsan la solución MDM.
• Establecer políticas de gobernanza para imponer el uso de los Datos Maestros: El lanzamiento inicial de una actividad de Datos Maestros supone un reto y requiere mucha atención; los beneficios reales llegan cuando las personas y los sistemas empiezan a utilizar los Datos Maestros. El esfuerzo global debe incluir una roadmap para que los sistemas adopten los valores e identificadores de los Datos Maestros como input para los procesos.

Actividades de Datos de Referencia

• Definir drivers y requisitos: Los principales drivers de la Gestión de Datos de Referencia son la eficacia operativa y la calidad superior de los datos. La gestión centralizada de los Datos de Referencia es más cómoda que tener varias unidades de negocio manteniendo sus propios conjuntos de datos; también reduce el riesgo de incoherencia entre sistemas. Los conjuntos de Datos de Referencia más importantes deben cumplir los requisitos de un sistema de Gestión de Datos de Referencia. Una vez implantado dicho sistema, pueden crearse nuevos Conjuntos de Referencia.
• Evaluar las origenes de datos: La mayoría de los conjuntos de Datos de Referencia estándar del sector pueden obtenerse de las organizaciones que los crean y gestionan. Algunas son gratuitas, otras son de pago. Los intermediarios también empaquetan y venden Datos de Referencia, a menudo con características de valor añadido. Dependiendo del número y tipo de conjuntos de Datos de Referencia que necesite una organización, puede ser preferible comprarlos a un proveedor, sobre todo si éste garantiza la entrega de actualizaciones según un calendario establecido y realiza un control de calidad básico de los datos. Muchas organizaciones también confían en los Datos de Referencia creados y gestionados internamente. Determinar el origen de los datos de referencia locales o internos suele ser más difícil que en el caso de los datos de referencia estándar del sector.
• Definir el enfoque arquitectónico: antes de adquirir o crear una herramienta de gestión de Datos de Referencia, es esencial tener en cuenta los requisitos y retos que plantean los Datos de Referencia que se van a gestionar. Hay que asegurarse de que la interfaz para las actualizaciones sea sencilla y pueda configurarse para aplicar reglas básicas de introducción de datos, por ejemplo, garantizar que se mantengan las relaciones padre/hijo en los Datos de Referencia que comprenden jerarquías.
• Modelización de conjuntos de Datos de Referencia: para muchos, los Datos de Referencia son simples códigos y descripciones. Sin embargo, muchos Datos de Referencia son más complicados. Para permitir su uso a largo plazo y establecer metadatos precisos, así como para el propio proceso de mantenimiento, resulta útil crear modelos de conjuntos de Datos de Referencia. Los modelos ayudan a los usuarios de datos a comprender las relaciones dentro del conjunto de Datos de Referencia y pueden utilizarse para establecer normas de calidad de los datos.
• Definir la stewardship y los procesos de mantenimiento: los Datos de Referencia requieren una stewardship que garantice que los valores son completos y actuales y que las definiciones son claras y comprensibles. En algunos casos, los administradores serán directamente responsables del mantenimiento práctico de los datos de referencia; en otros, pueden facilitar el proceso.
• Establecer políticas de gobernanza de los Datos de Referencia: una organización sólo obtiene valor de un repositorio de Datos de Referencia gestionado de forma centralizada si la gente utiliza realmente los datos de ese repositorio. Para ello, es importante aplicar políticas que rijan la calidad y obliguen a utilizar los Datos de Referencia de ese repositorio, ya sea directamente a través de su publicación o indirectamente a partir de un sistema de referencia poblado con datos del repositorio central.