El Valor de la Gestión de Datos

3 errores que debes evitar en un proyecto de gestión de datos maestros

Escrito por Redacción PowerData | 16/12/16 1:00

La gestión de datos maestros es mucho más que una simple aplicación empaquetada que implantas en tu compañía. Es una composición de herramientas, métodos, servicios, políticas y procedimientos, diseñados para mejorar enormemente el valor  empresarial de los activos de información corporativa. Cuando vemos el estado final de una gestión de datos maestros, la gente suele ignorar los desafíos explícitos y sutiles que pueden obstaculizar el éxito estratégico de esta iniciativa.

Los secretos del éxito radican en entender como la gestión de datos maestros proporcionará a tu organización un marco de gobierno de datos fuerte, articulando funciones y responsabilidades, y creando una cultura de aseguramiento proactivo de la calidad de los datos. Una gestión de datos maestros exitosa conduce a una mayor integración efectiva entre la tecnología y el negocio, y a una mejor colaboración y productividad organizacional, lo que en última instancia lleva a una incremento de tus ventajas competitivas.

Un sistema de gestión de datos maestros es muy complejo y muchos expertos recomiendan utilizar una detallada solicitud de propuesta de MDM (se utiliza el término RFP en inglés), dónde comunicar los requisitos a los posibles proveedores. Los principales errores en el posterior proyecto de gestión de datos maestros vienen de no usar correctamente esta solicitud de propuesta MDM. Veamos cuáles son los 3 principales errores que se producen.


Ignorar las necesidades de gobierno de datos 

Muchos expertos se adhieren al concepto de que cuando se hace MDM se está realmente implantando gobierno de datos, Y no podría ser más cierto. Pero eso también significa que antes de que la gestión de datos maestros se haya implantado, ya debería estar presente una política de gobierno de datos. Esto se vuelve incluso más complicado por el hecho de que el gobierno de datos es único para cada cultura de empresa, procesos de negocio y entorno de IT. Pero muchas empresas seleccionan una plataforma de MDM sin pensar mucho en las necesidades de gestión de datos a nivel departamental o empresarial.

Es muy importante que la plataforma de gestión de datos maestros que se seleccione sea capaz de soportar las políticas de gobierno de datos y procesos que sean definidas específicamente para las necesidades de tu empresa. Si esto no pudiera ser, tu diseño de gobierno de datos podría estar comprometido de forma significativa, forzando esto a ajustarse a las limitaciones de algún sistema de gestión de datos maestros, con modelos de datos fijos o muy rígidos.

 

No asegurarse que van a poder ser administradas simultáneamente varias entidades de datos

Uno de los principales objetivos que deben cumplirse al diseñar un sistema de gestión de datos maestros es asegurar que va a ser capaz de administrar múltiples entidades de datos al mismo tiempo. Todas con la misma plataforma de software. Algunos ejemplos de estas entidades podrían ser clientes, productos y organizaciones. Esto reduce y simplifica el mantenimiento del sistema lo cual resulta en un coste de propiedad mucho más bajo.

Es muy difícil identificar los grupos y funcionalidades que un sistema MDM necesitará abordar en el futuro, pero la necesidad de tratar múltiples entidades debe ser incorporada en el sistema MDM desde el principio.

 

 

Tal vez te interese leer: 
Introducción a la Calidad de Datos: Definición, Control y Beneficios

 

 

No asegurarse de que el sistema de gestión de datos maestros funciona con las herramientas the workflow existentes

Hay muchas razones por las que es importante plantear la cuestión de cómo de bien una plataforma MDM se integrará con las herramientas estándar de workflow que tu organización ya está utilizando.

Los workflows son importantes tanto para el gestión de datos maestros como para el gobierno de datos porque podrían utilizarse durante la creación y el mantenimiento de una entidad de datos maestros. Las funciones de workflow también son usadas para monitorizar automáticamente los datos a medida que se introducen o se adquieren, y alertar automáticamente al administrador de datos acerca de cualquier problema de calidad de datos.