Cuadrante Mágico de Gartner para herramientas de calidad de datos

Las herramientas de calidad de datos siguen creciendo. Cada vez más, este tipo de herramientas están ayudando a líderes, tanto de empresas ya consolidadas como de otras empresas emergentes, a obtener mucho más valor de negocio del análisis de sus datos.

Son ya muchas las organizaciones que rentabilizan sus activos de información mezclando datos externos con internos, utilizando un modelo de gobierno de datos basado en la confianza y aplicando machine learning, mientras exploran el valor del Internet de las Cosas. Con este panorama, es necesario prestar mucha atención a la calidad de los datos para asegurarse de que todas las oportunidades de negocio pueden ser totalmente aprovechadas.

La definición del mercado de herramientas de calidad de datos se ha actualizado en 2016 reflejando la dinámica del mercado impulsada por desarrollos emergentes de tecnología adyacente así como por la creciente madurez de este mercado. Los proveedores de este tipo de herramientas ofrecen productos de software independientes que satisfacen los requisitos funcionales básicos de la disciplina de calidad de datos.

Requisitos básicos de Calidad de Datos a satisfacer por las herramientas

• Perfilado de datos, medición y visualización: análisis de datos para capturar estadísticas que proporcionen capacidad de análisis a usuarios de IT y negocios, así como información sobre la calidad de datos y ayuda para identificar y entender los problemas de calidad de datos que puedan surgir.

• Estandarización: descomposición y transformación de campos de texto y contenidos en componentes, y el formateo de valores en formatos coherentes basados en los estándar de la industria, estándares locales (por ejemplo las normas utilizadas para direcciones postales), reglas de negocio definidas por el usuario y base de conocimiento de valores y patrones, utilizando diversas técnicas, incluyendo machine learning.

• Limpieza de datos: modificación de los datos para cumplir con las restricciones de dominio, restricciones de integridad u otras reglas de negocio que definen cuando la calidad de los datos es suficiente para una organización.

• Matching: identificación, vinculación o fusión de entradas relacionadas dentro o entre conjuntos de datos, utilizando diversas técnicas, incluyendo machine learning.

• Monitorización: implementación de controles para asegurar que los datos siguen cumpliendo las reglas de negocio que definen la calidad de datos de la organización.

• Resolución de problemas y workflow: identificación, puesta en cuarentena, asignación, escalado y resolución de problemas de calidad de datos a través de procesos e interfaces que permiten la colaboración con actores clave de la organización, como el administrador de datos.

• Enriquecimiento: mejora del valor de los datos almacenados internamente, añadiendo atributos relacionados que provienen de fuentes externas (por ejemplo atributos demográficos y geográficos de los consumidores).

• Usabilidad: provisión de toda la funcionalidad anterior a través de una interfaz orientada a negocio, disponible para usuarios técnicos y de negocio, de una manera que sea apropiada para su rol.

Otras funcionalidades relacionadas necesarias aunque no exclusivas de Calidad de Datos

• Conectividad y adaptadores que confieran la capacidad de interactuar con una gama de diferentes tipos de estructuras de datos, tanto en reposo (como bases de datos relacionales y Hadoop) como en movimiento (como flujos de datos y machine data).

• Soporte para áreas específicas que proporcione capacidades de estandarización para áreas de datos concretas (como funcionalidad para direcciones postales e IoT).

• Soporte internacional que proporcione la capacidad de ofrecer operaciones de calidad de datos apropiadas a nivel global (como manejar datos en múltiples idiomas y sistemas de escritura).

• Gestión de metadatos que permita descubrir, capturar, conciliar, tener trazabilidad e interoperar metadatos relacionados con el proceso de calidad de datos.

• Habilidades de configuración de entornos que permitan la creación, gestión y desarrollo de reglas de calidad de datos.

• Facilidades para operaciones y administración que soporten la monitorización, administración, auditoría y control de los procesos de calidad de datos.

• Habilitación de servicios que proporcionen características orientadas al servicio y soporte para el acceso basado en API.

• Selección de opciones de despliegue para ofrecer capacidades para implementar algunas o todas las funciones de calidad de datos y servicios más allá de los despliegues locales (por ejemplo en la nube).

Cuadrante Mágico de Gartner, Informatica es el líder

Los criterios de evaluación de Gartner son:

• Capacidad de ejecución:  los analistas de Gartner evalúan a los proveedores de tecnología acerca de la calidad y la eficacia de los procesos, sistemas, métodos y procedimientos, que permiten que su rendimiento sea competitivo, eficiente y efectivo, y que afecten positivamente a sus ingresos, retención de clientes y reputación. En última instancia, los proveedores de tecnología son evaluados por su capacidad de capitalizar su visión y su éxito en hacerlo. Se valora la capacidad de ejecución de los proveedores en relación a las herramientas de calidad de datos, utilizando los siguientes criterios:

• Producto o servicio
• Viabilidad general
• Ejecución de ventas y precios
• Ejecución de marketing
• Experiencia de cliente
• Operaciones
• Integridad de su Visión:  Los analistas de Gartner evalúan a los proveedores de tecnología sobre su capacidad para expresar de manera convincente declaraciones lógicas sobre la orientación actual y futura del mercado, la innovación, las necesidades de los clientes y las fuerzas competitivas, así como cuál es su correspondencia con la posición de Gartner. En última instancia, los proveedores de tecnologías son evaluados por su comprensión acerca de cómo las fuerzas del mercado pueden ser explotadas para crear oportunidades. Se evalúa la integridad de su visión en relación a las herramientas de calidad de datos, utilizando los siguientes criterios:

• Comprensión del mercado
• Estrategia de marketing
• Estrategia de ventas
• Estrategia de productos
• Modelo de negocio
• Estrategia vertical o de sectores
• Innovación
• Estratégica geográfica

En base a esto, Gartner considera a Informatica como líder en este tipo de herramientas con las siguientes fortalezas:

• Innovación y estrategia de producto: la estrategia de producto de Informatica para la calidad de datos se basa en su innovadora plataforma de datos inteligentes.  Utiliza machine learning, algoritmos, y analítica predictiva, para abordar los escenarios emergentes como el IOT, el análisis de Big Data, data governance y análisis de datos basados en contenido.

• Tecnología empresarial orientada a empresas: las capacidades de calidad de datos de Informatica responden a las necesidades de los principales roles empresariales, como el administrador de información y los analistas de datos, a la vez que proporcionan la profundidad y escalabilidad de empresa necesarias para los roles técnicos.

• Comprensión del mercado, fuerte estrategia de marketing y ventas: Informatica está creciendo fuertemente respaldada por su profunda comprensión del mercado de calidad de datos y su capacidad de predecir y adaptarse a los cambios del mercado. Su comprensión del mercado está altamente correlacionada con su estrategia de ventas y marketing y con la ejecución del mercado.

Para Gartner, Informatica demuestra su fuerza a través de una gama completa de funciones de calidad de datos, incluyendo perfilado, análisis, normalización, matching, validación y enriquecimiento. Informatica exhibe una clara comprensión y estrategia acerca del mercado de la calidad de datos. Piensa como líder, aportando diferenciación de ideas y entregando productos innovadores al mercado. Aborda todos los verticales, geografías, dominios de datos y casos de uso. Sus productos incluyen capacidades de reconocimiento de problemas de calidad de datos, multidominio, alternativas de despliegue tales como SaaS, preparación de datos para usuarios empresariales, uso de machine learning, de algoritmos soporte de calidad de datos para IoT, etc. Informatica tiene una presencia en el mercado establecida, un tamaño significativo y presencia multinacional, ya sea directamente o a través de una empresa matriz.