El valor de la gestión de datos

10 claves para la calidad de los datos en los sistemas informáticos

Posted on Fri, Apr 4, 2014

Toda empresa u organización que gestiona grandes volúmenes de información necesita lograr el éxito con la calidad de los datos, independientmente del volumen de información, tipos de datos con que se trabaje o heterogeneidad de las fuentes de origen. Y conseguirlo significa, básicamente, construir un plan de acción que permita abordar este desafío.

calidad_de_los_datos

monsitj

Calidad de los datos: los 10 pasos que no pueden faltar en tu plan de acción

En la gestión eficaz de los datos no hay fórmulas de éxito de aplicación universal. Lo mismo sucede en todos los aspectos relativos a la calidad de los datos. La palabra clave es adaptación a las necesidades concretas. Se requieren herramientas adecuadas y el talento adecuado, es decir, una buena combinación de profesionales, procesos y tecnología.

En el actual contexto de Big Data los desafíos son muchos: los procesos de gestión de datos se informatizan, aumenta su volumen, los procesos se automatizan y se ha de hacer frente a una realidad cambiante. ¿Cómo seguir avanzando con la certeza de contar con datos limpios, completos, precisos, actualizados y consistentes?

Estas 10 claves para la calidad de los datos son una orientación general a partir de las cuales poder buscar una fórmula propia:

1. Establecer objetivos. El establecimiento de objetivos, qué uso o usos se les va a dar a los datos ahora o en el futuro ayuda a establecer un programa de gobierno de datos dentro de un enfoque realista.

2. Herramientas adecuadas. La gestión de la información ha de llevarse a cabo teniendo en cuenta el tipo de datos y de empresa. No hay dos empresas iguales ni dos conjuntos de datos idénticos, como tampoco se recogen, mantienen o utilizan de la misma manera. Abordar los problemas de calidad de los datos, por lo tanto, requerirá de la búsqueda de software y hardware y demás herramientas adecuadas para gestionar la información garantizando la calidad y la protección de los datos.

3. Analistas adecuados. La tecnología está ligada al negocio, por lo que los usuarios necesitan la aplicación del conocimiento para conseguir un análisis de calidad de los datos. Es así que lograr datos de calidad significa contar con científicos de datos que puedan interpretar los resultados. Una vez se tienen datos de calidad es el momento de trabajar con esa información para obtener datos significativos que permitan tomar las mejores decisiones. Su perfil deberá ajustarse al tipo de datos con los que se está trabajando para el logro de un uso inteligente de los mismos.

4. Actualización. El volumen de datos no deja de aumentar, por lo que hay que estar atentos a ese crecimiento para encontrar soluciones, que pueden exigir cambios de sistemas para dar respuesta a necesidades de introducción, almacenamiento y administración de los datos. A su vez, la información requiere de una medición de la calidad de los datos a lo largo del tiempo, por lo que se requieren actualizaciones constantes para evitar desfases.

                                        

 

Descárgate nuestra guía gratuita sobre Calidad de Datos y MDM [Recomendaciones y métricas de calidad en proyectos MDM]

                                                 

5. Anticipación. La gestión de la información va más allá de una administración en el día a día. Por muy efectivas que resulten las soluciones actuales y se domine el funcionamiento de los equipos, conviene estar atentos a futuras arquitecturas y software. Las listas de tecnologías y tendencias de compañías de análisis como Gartner, IDC o Forrrester facilitan estar al día para poder anticiparse a los cambios tecnológicos.

6. Implicación. La importancia de mantener datos de buena calidad compete a todos los empleados. Con el fin de incentivar el cumplimiento, los expertos recomiendan establecer orientaciones claras y mantener reuniones periódicas para asegurar que los procesos de calidad están al día.

7. Inversión a largo plazo: Un buen programa de calidad de los datos es una inversión a largo plazo para la rentabilidad de un negocio. Se busca obtener el máximo provecho de la inversión en la calidad de datos con el plan de gobierno de datos, pero a menudo estas mejoras están ocultas, aunque sus efectos sobre la salud de cualquier organización son grandes. En este aspecto se precisa del apoyo por parte de los ejecutivos, en ocasiones reacios a entender la importancia de la calidad de los datos .

 

Calidad de datos

8. Enfoques top-down y bottom-up. Una regla fundamental para la aplicación de programas de calidad de los datos es establecer un plan que suponga un esfuerzo conjunto y estratégico de ejecutivos y personal de base, de acuerdo con Ted Friedman, analista de gestión de datos de Gartner, empresa que investiga las tecnologías de la información.

9. Los signos del éxito. Cuando un plan de calidad de datos empieza a dar sus frutos algunas de las mejoras se manifiestan de forma puntual. Sin embargo, la manera adecuada de medir su rendimiento ha de sistematizarse mediante el seguimiento de aspectos clave como la satisfacción del cliente en encuestas sobre el producto o servicio, el ahorro de tiempo en la administración de datos o en la precisión de los mismos, por ejemplo con menor volumen de correo devuelto .

10. No bajar la guardia. Un programa de datos satisfactorio no es sinónimo de trabajo hecho, pero sí de trabajo bien hecho. Por lo tanto, hay que seguir trabajando para mantener y mejorar los resultados. Bajar la guardia puede significar volver a empezar de nuevo.

 

La calidad de los datos parte de distintos lugares, dependiendo de cada empresa y se trabaja con la vista puesta en metas también diferentes. El trabajo de unas y otras organizaciones, al igual que la forma de diseñar el plan de data quality o aplicarlo no se pueden comparar, lo que sí es común a todas las compañías es la aceptación del esfuerzo constante que supone preservar la integridad y buena salud de los activos informacionales del negocio.

 Post relacionados:


calidad de datos imprescindibles factores

Créditos fotográficos: Stuart Miles/FreeDigitalPhotos.net

Topics: Data Quality