El valor de la gestión de datos

Por qué evitar la inconsistencia de datos empresariales

Publicado el 22/09/16 21:00
inconsistencia datos empresariales
Preguntarnos por qué evitar la inconsistencia de datos empresariales significa abordar la necesidad de contar con una información de calidad para sacarle el máximo partido. Es decir, de cara a obtener ventajas competitivas gracias a unos datos confiables y oportunos, que cumplan con las principales dimensiones de la calidad de los datos
Como es bien sabido, el objetivo de los datos debe ser apoyar e impulsar la estrategia de negocio. Con tal fin, se inician los proyectos de calidad de datos, idealmente dentro de un data governance que facilite su uso práctico. Desde la toma de decisiones críticas hasta su utilización en cualquier iniciativa o proceso. 
 
Descárgate nuestra guía gratuita sobre Calidad de Datos y MDM [Recomendaciones y métricas de calidad en proyectos MDM]

La consistencia, una dimensión de la calidad 

Desde un enfoque más amplio, el gobierno de datos y, en especial, su calidad, constituye uno de los pilares fundamentales de las empresas data driven, cuya característica esencial no es otra que su orientación al dato para ganar en efectividad, visión y competititividad. 
 
Al margen del tipo de compañía de que se trate o de que se desee avanzar hacia este modelo, no cabe duda de que los datos son un activo valioso de primer orden. Solo los datos de calidad, entendida como aquella que se ajuste a las necesidades de negocio, posibilitan una utilización ventajosa tanto en los procesos operativos como en usos analíticos que apoyen la toma de decisiones estratégicas.
 
En este sentido, la consistencia constituye una de las principales dimensiones de la calidad de los datos, junto a la completitud, la conformidad, la precisión o, entre otras, la integridad. Evitar datos incompletos, imprecisos o fragmentados, duplicados o inconsistentes, pongamos por caso, es fundamental para lograr unos datos de calidad. 
 
En concreto, la consistencia es una de las dimensiones de la calidad que se consideran necesarios para que un dato la tenga. Sobre todo, en la era de los grandes datos en la que nos hallamos inmersos. Con mayor motivo ahora, por lo tanto, habida cuenta de lo imprescindible que es trabajar con más y más variadas fuentes de información, es primordial asegurar esa consistencia, entre otras dimensiones de la calidad. 
 
Al margen de que un dato tenga o no tenga errores, se hace imprescindible ir más allá para satisfacer el concepto de calidad que demandan los nuevos tiempos. Puesto que unos datos inconsistentes se traducen en información inconsistente, se trata de un riesgo que no podemos correr si aspiramos a contar con datos de calidad. 
 
El riesgo de crear datos inconsistentes es muy común, ya sea por la concurrencia de actualizaciones en distintas aplicaciones que los contienen o a consecuencia de una introducción errónea. Así pues, una vez originada la inconsistencia de los datos tendremos diversas copias de un mismo dato que no concordarán entre sí.
 
¡Resuelve aquí tus dudas sobre Calidad de Datos con uno de nuestros expertos!
 
Volviendo al caso de las actualizaciones como posible generador de inconsistencias, nos encontraríamos con distintas direcciones para un mismo cliente, a consecuencia de una actualización no sincronizada. En los archivos que no se han actualizado, lógicamente, permanecerá la dirección anterior, con lo que en éstos seguirá sin actualizar.
 
Un problema que, por otro lado, se relaciona con la fragmentación de los datos en silos de aplicaciones, de nuevo otra razón de peso que justifica la necesidad de una gestión de datos maestros y, en general, de un gobierno de datos de calidad. 
 
En el presente entorno digital, en definitiva, las empresas deben ser exigentes a la hora de afrontar el desafío de la calidad de los datos, uno de los requisitos imprescidibles para convertirlos en valor. El objetivo último es disponer de datos auténticos y válidos para nuestro propósito, lo cual significa profundizar en las dimensiones de la calidad, entre las que los datos inconsistentes representan un aspecto clave. 
 
Fuente imagen: Stuart Miles / FreeDigitalPhotos.net
 
 
 
New Call-to-action
 

Temas: Data Quality