El valor de la gestión de datos

Warehouse management: hacia la madurez en cuatro etapas

Posted on Tue, Feb 3, 2015

Coherencia, integridad, actualización y automatización son algunas de las claves de un buen warehouse management. La meta que las empresas deben plantearse ha de ser alcanzar un modelo de madurez, enfoque que garantiza el óptimo rendimiento, no ya sólo del sistema de almacenamiento de datos y su gestión, sino también de su interacción con la inteligencia de negocio y de los resultados de ésta y de la analítica avanzada.

Entre los objetivos del warehouse management se encuentran los siguientes:

  • Proveer un acceso efectivo a los datos e históricos corporativos para el análisis y la toma de decisiones.

  • Ofrecer una representación de los datos consistente y coherente a lo largo de toda la organización, haciendo extensible su uso a cualquier nivel.

  • Habilitar un entorno de usabilidad real para las aplicaciones de consulta, análisis y reporting.

  • Garantizar la seguridad de los datos.

Para conseguirlo hay que superar limitaciones, tecnológicas y organizativas; diseñar una estrategia y tener claras las prioridades del negocio, para lo cual es imprescindible un conocimiento impecable de los procesos internos.

 

warehouse management 

Créditos fotográficos: "Background Glow Represents High Tech And Abstract" by Stuart Miles

Modelo de madurez para el warehouse management

Las claves de un modelo maduro de data warehouse management tienen que ver con la optimización de los siguientes 4 aspectos:

1. Arquitectura

  • Debe aglutinar los servicios de data warehousing e inteligencia de negocio de forma centralizada, agrupando el almacén de datos central y otras fuentes e origen de datos a través de una interfaz estándar.

  • Necesita integrar las reglas de negocio, que previamente han de quedar definidas y correctamente implementadas.

  • Ha de comprender la gestión de metadatos gracias a la creación de un repositorio central con metadatos integrados, estandarizados y actualizados.

  • Tiene que integrarse con los requerimientos de seguridad corporativos.

  • Es imprescindible que sea capaz de ocuparse tanto de fuentes de datos no estructurados, como de fuentes de datos web.

  • Debe contar con software y hardware específicos para optimizar su rendimiento.

  • En circunstancias ideales, debería ser capaz de proporcionar actualizaciones en tiempo real.

 

2. Modelado de datos

  • Ha de usar herramientas de modelado de datos estandarizadas para el diseño y el mantenimiento de metadatos.

  • Debe garantizar la sincronización automática de todos los modelos de datos.

  • Tiene que asegurar el diseño de los niveles lógico, físico y conceptual en todos los modelos de datos.

  • Los estándares de modelado deben extenderse a toda la organización, así como su documentación.

  • El nivel de granularidad debe minimizarse al máximo en todo lo relativo al warehouse management.

 

3. ETL

  • Generación de procesos de extracción, transformación y carga completos para los metadatos.

  • Capacidades de ETL en tiempo real.

  • Automatización diaria.

  • Herramientas de calidad de datos específicas.

  • Sistema de reinicio y recuperación automáticos.

  • Capacidades de monitorización simples, avanzadas y en tiempo real.

  • Capacidad para gestionar metadatos de todo tipo.

 

4. Aplicaciones de inteligencia de negocio

  • Aplicaciones de BI de bucle cerrado y también en tiempo real.

  • Disponibilidad de una herramienta para el BI principal y otra para las aplicaciones de BI específicas.

  • Warehouse management orientado a los procesos de negocio.

  • Actualización máxima.

  • Integración completa de los metadatos con las aplicaciones de BI.

Post relacionados:

Topics: Data Warehouse