Para que un data warehouse puede asegurar su inteligencia, es necesario que reciba el apoyo de un Master Data Management. ¿De qué manera?
Los sistemas de business intelligence se utilizan principalmente para facilitar la toma de decisiones de una empresa. Sin embargo, si los datos incluidos en el data warehouse no tienen calidad, no son completos o tienen duplicaciones, los informes extraídos con tu business intelligence, lo único que harán es perjudicar al negocio.
Los informes extraídos de un data warehouse debieran ser inteligentes. Si no, el trabajo de todos los usuarios se ve ralentizado y las decisiones pierden coherencia y eficacia. De hecho, según Gartner, trabajar con información de baja calidad lleva a tomar malas decisiones, fallas en cumplir con regulaciones y desventajas competitivas, entre otras cuestiones...
Un estudio reciente reveló que el 81% de los ejecutivos consideran que los datos son críticos para lograr resultados de negocio.
Fuente: Informatica.com
Para que un data warehouse sea inteligente es necesario que reciba el apoyo de un Master Data Management. De esta forma, la toma de decisiones se realizará sobre datos confiables y veraces, lo que le da credibilidad a los usuarios y al negocio como un todo.
Existen dos enfoques principales para la gestión de datos maestros: MDM operativo y MDM analítico.
El primero se centra en asegurar que los datos sean los mismos en los diferentes sistemas operativos. Por otra parte, el MDM analítico se asocia generalmente con el almacenamiento de datos, y ha sido adoptado por organizaciones que buscan mejorar la velocidad y la calidad de sus procesos de generación de informes de inteligencia empresarial (BI).
La estrecha relación entre el MDM y el data warehousing no es sorprendente, ya que las "dimensiones" de un data warehouse (por ejemplo: clientes o jerarquías de productos) son esencialmente datos maestros.
Pero estas dos áreas importantes tienden a ser tratadas como completamente separadas entre sí.
Lo primero que hay que señalar es que los datos maestros se representan como dimensiones en los sistemas BI, y no están asociados con hechos (es decir, transacciones) en esos sistemas. La introducción de un sistema de gestión de datos maestros dentro de la empresa impacta de forma positiva en los sistemas de BI.
Quizás quieras leer: ¿Qué es warehouse y qué debe contemplar un data warehouse moderno?
Por ejemplo, es típico en un sistema MDM que los nombres de datos de atributos y las definiciones de datos utilizadas para describir entidades de datos maestros sean los nombres de datos estándar y las definiciones de datos para la empresa. A menudo, estas definiciones de datos maestros se denominan “vocabulario empresarial compartido” (SBV=shared business vocabulary) para la empresa. El SBV es por lo tanto un metadata maestro.
Podemos aprovechar un SBV de datos maestros en un sistema de BI para reforzar la reutilización de las mismas definiciones de datos en todos los modelos dimensionales, cubos y vistas de negocio de herramienta de BI con el fin de impulsar la consistencia entre datos dimensionales. De esta manera, la adopción de un SBV de datos maestros mejora la comprensión de los datos presentados en los informes del sistema BI, los análisis OLAP, los paneles de control y los scorecards.
Además de metadatos consistentes, la llegada de un sistema MDM a la empresa también puede afectar a la integración de datos en el data warehouse de un sistema BI. Si no se dispone de un MDM, un sistema de BI se basa en una arquitectura clásica de data warehouse, en la que los datos maestros se encuentran divididos entre múltiples almacenes de datos en diferentes líneas de sistemas operacionales de negocio. Por lo tanto, para crear datos dimensionales integrados en un sistema de BI, normalmente se utiliza una herramienta para integrar datos maestros dispares mantenidos en múltiples sistemas operacionales para construir dimensiones.
No es de extrañar que nos confundamos entre el concepto de un centro de datos maestro y un data warehouse, cuando ambos están integrando datos maestros. Ahora bien, ¿por qué necesitamos un sistema MDM cuando ya tenemos un data warehouse? O mejor dicho, ¿por qué estamos haciendo integración de datos maestros en un sistema de BI? ¿No deberían los datos maestros estar ya integrados y tratados como una fuente de datos por las herramientas de integración de datos utilizadas en un sistema de BI?
En efecto, esto podría ser una mejor opción porque los datos maestros tienen que ser suministrados no sólo a un sistema BI sino tambiéna los sistemas operacionales. Los datos maestros se pueden suministrar a las herramientas de integración de datos del sistema BI de al menos tres maneras:
En resumen, la gestión de datos maestros fortalece los sistemas Data warehouse / BI de las siguientes maneras:
La calidad, veracidad y accesibilidad de los datos es fundamental para los negocios hoy en día. De éstos depende la confianza en la organización y la eficacia de las decisiones que se tomen, al mismo tiempo que se evitan riesgos y costos.
¿Quieres conocer más sobre la gestión de datos maestros (MDM) para tu Data Warehouse?
La IA y el gobierno de datos transforman organizaciones. Descubre casos reales y beneficios que revolucionan la toma de decisiones empresariales.
Descubre por qué las cuestiones relativas a la seguridad informática en las empresas son cuestión de prevención de data loss y data leakage
El Market Intelligence es toda la información que recopilamos, que se relacionan con el mercado, los clientes y la competencia. Conoce cómo lograrla.