El Valor de la Gestión de Datos

Los elementos clave de un Data Governance exitoso

Escrito por Redacción PowerData | 22/11/23 12:23

A medida que la cantidad de datos aumenta de forma exponencial y se hacen más indispensables para lograr los objetivos de negocio, el Data Governance se vuelve un elemento fundamental para aumentar la productividad y minimizar los costos de retención de datos, al mismo tiempo que asegura una mejor calidad y disponibilidad de los mismos.

Cuando los datos se utilizan de manera inteligente, permiten que las organizaciones tomen decisiones basadas en información, aborden de forma inteligente las necesidades de sus clientes, descubran eficiencias e ineficiencias, aprovechen las nuevas oportunidades y reconsideren los modelos de negocio tradicionales para lograr mejores resultados. ¿De qué forma es posible exprimir al máximo los datos para obtener información valiosa?

 

La gobernanza de datos es la máxima prioridad para el 60% de los líderes de datos seguida por la calidad de los datos (46%), la ciencia de datos (40%), el autoservicio (34%) y DataOps (22%).

Fuente: Atlan

 


4 capacidades básicas para reducir los esfuerzos de retención y data discovery

Un marco de Data Governance permite administrar la información a lo largo de su ciclo de vida de forma que pueda dar soporte a los requisitos estratégicos, operativos, regulatorios, legales, de riesgos y ambientales de la organización.

 

 

Esto no solo mejora la productividad de los usuarios individuales al facilitar la búsqueda de información al instante, sino que también reduce los costos de retención mediante el filtrado de conjuntos de datos que ya no se necesitan. Las 4 capacidades involucradas en este proceso son:

1. Clasificación y etiquetado: permiten determinar el valor de los datos, optimizar los resultados de búsqueda y acelerar la recopilación de datos. Además, examinar los metadatos para tener contexto adicional puede mejorar la capacidad de descubrir datos de forma rápida y fácil.

Las empresas pueden incorporar etiquetas de clasificación en sus políticas para automatizar completamente sus procesos. Una política de archivado, por ejemplo, puede asignar automáticamente un período de retención para cumplir con los requisitos reglamentarios de los datos que contienen información de identificación personal (PII), como direcciones, registros de salud, tarjetas de crédito, pasaportes o números de teléfono. Dado que las políticas o regulaciones pueden cambiar con el tiempo, es fundamental que se puedan reclasificar los datos si surge la necesidad.

 


Quizás te interese seguir leyendo
Que tus datos hagan más: prioridad, estrategia y mejores experiencias

 

 

2. Aplicación de políticas: con la expansión actual de los datos, es crucial contar con un enfoque sistemático para automatizar la recopilación, retención y caducidad del contenido. Las empresas pueden implementar un marco de políticas que impulse la definición y aplicación coherente de reglas en toda la organización.

Un proceso de archivado, que indexa todos los datos de la empresa y los procesa en un único repositorio, ayuda a lograr eso. Además, garantiza el almacenamiento y procesamiento seguro y confidencial de los datos junto con un registro preciso y fiable teniendo en cuenta las normas éticas y marcos reglamentarios que pueden aplicarse.

3. Analítica: tanto el gran volumen de datos como la cantidad de repositorios donde residen pueden ser abrumadores. Sin un enfoque coherente para construir un mapa de datos y rastrear el acceso a los datos, los usuarios podrían gastar muchos esfuerzos en la búsqueda.

La analítica permite rastrear qué empleados han creado, accedido y modificado los datos, para eliminar los objetivos no relevantes de los esfuerzos de data discovery. También permite garantizar que la información se ha mantenido dentro de una determinada jurisdicción para cumplir con los requisitos de cumplimiento. Por ejemplo, las regulaciones de protección de datos permiten a cualquier persona solicitar a las organizaciones que proporcionen y borren toda la información que tienen sobre ellos.

 

 

4. Búsqueda contextual y machine learning: revisar manualmente las cargas de contenido potencialmente relevante puede ser lento, ineficiente y costoso. Hoy en día, con la llegada de la búsqueda contextual y los algoritmos de machine learning, descubrir conversaciones de correo electrónico y nombres de códigos secretos que se utilizan para ocultar actividades cuestionables o incluso ilícitas se ha vuelto mucho más fácil.

Después de establecer los criterios de búsqueda, el filtrado automático puede eliminar automáticamente contenido irrelevante y acelerar los esfuerzos de data discovery. La capacidad de localizar rápidamente la información requerida y realizar búsquedas avanzadas de palabras clave permite ampliar el contenido relevante conduciendo a mejoras en la productividad.

 

Los trabajadores del conocimiento informaron que pasan casi el 29% de su semana (11,6 horas) buscando la información clave que necesitan para realizar su trabajo.

Fuente: Forrester & Airtable

 

En suma, un gobierno de datos que asegure la calidad y privacidad de información incluye una combinación de personas, políticas, procesos, métricas y herramientas, para ayudar a extraer el mayor valor a los datos y mitigar los riesgos empoderando así a las personas y al negocio.

 

 

 

 

¿Cuán confiable es la información de su empresa?