Cuando un Director de Datos consigue un excelente gobierno de datos maestros, deja de ser alguien que reacciona ante problemas cuando los datos se desordenan o afectan un sistema, para convertirse en un habilitador proactivo del negocio, con una visión integral. Esta serie explora por qué razón el gobierno de datos maestros es vital para: el modelado de datos, la calidad de los datos, el contenido enriquecido, las normas del sector y el enriquecimiento de datos.
Introducción a la serie
Sin un modelo de datos sólido, su organización podría enfrentarse a una serie de desafíos complejos.
Podría desencadenar diferentes situaciones, como que los clientes no reciban sus pedidos debido a direcciones incorrectas (clientes insatisfechos=problema) e incluso la falta de medidas de protección adecuadas para cumplir con normativas como el GDPR y HIPAA (reguladores insatisfechos=problema grave).
Así que hemos escrito esta guía para ayudarle a definir cual es su modelo de datos, ayudarle a decidir si ha llegado el momento de cambiarlo y lo que es más importante, mostrarle por qué su modelo de datos debe construirse sobre una base sólida de gobierno de datos maestros.
El gobierno de datos es esencial para garantizar que su modelo de datos sea adecuado para su propósito, expansible y mantenga la integridad de los datos.
Continúe leyendo para descubrir cómo puede pasar de ser un guardián a convertirse en un líder que proporciona dirección, mejorando su modelo de datos con gobierno de datos maestros.
Retomando lo más básico— ¿qué es un modelo de datos?
Primero lo primero, ¿qué es un modelo de datos?
En términos sencillos, un modelo de datos es como un mapa o plano que ayuda a organizar y estructurar la información, definiendo cómo se almacenan los datos, cómo se validan y cómo se accede a ellos dentro de una base de datos o un sistema.
Imagine esto como un plan que describe los diferentes tipos de datos, cómo se relacionan entre sí y las reglas para definir cómo pueden ser manipulados. Esto ayuda a garantizar que los datos sean consistentes, precisos y eficientes a la hora de trabajar con ellos.
Los tres elementos clave son:
- Atributos: Elementos individuales de información sobre una pieza, producto, cliente, proveedor, etc.
- Entidades: Un conjunto de atributos que se unen para describir esa pieza, producto, cliente o proveedor.
- Relaciones: Cómo los atributos o entidades individuales deben interactuar y comportarse con otros atributos o entidades en sus sistemas.
Midiendo sus opciones
Fijémonos en las unidades de medida de peso, por ejemplo. ¿Le gustan los gramos o prefiere las libras? ¿Hay 4 kg de azúcar en un paquete, o 4 onzas?
Parece sencillo, pero si nos equivocamos con las medidas, tendremos todo tipo de situaciones problemáticas a la hora de cargar artículos en un camión o hacer una torta. El modelo de datos debe evitar que se produzcan este tipo de problemas.
Se puede llegar a tener millones de esos atributos, entidades y relaciones, por lo que se necesita clasificarlos adecuadamente. Esto le permite agrupar sus piezas, productos, clientes y proveedores dentro de una jerarquía, facilitando así la búsqueda de información en grandes organizaciones.
Definir su modelo de datos es la base de un buen gobierno. Consideremos, por ejemplo, los formularios que deben rellenar los empleados. Ingresar información incorrecta en un formulario podría afectar los procesos en otro sistema, por eso hay que restringir lo que pueden introducir en cada campo y establecer qué campos son obligatorios,
Cuando se cuenta con un modelo de datos establecido, se pueden definir políticas y estándares para recopilar datos que se ajusten y se conformen a ese modelo.
Establecer el modelo de datos apropiado impacta el futuro del gobierno de los datos, lo cual a su vez impacta a las operaciones comerciales y la generación de informes.
Todo está conectado.
¿Es hora de un nuevo modelo de datos?
Prácticamente todas las grandes empresas cuentan con un modelo de datos. ¡De hecho, son pocas las que no lo tienen! Sin embargo, el modelo está sujeto a cualquier acontecimiento que afecte a su empresa o al entorno en el que opera. Eso significa que es posible que usted necesite hacer cambios, estandarizar esos modelos o mapear cómo se relacionan entre sí.
Puede tratarse de cuestiones sociales. Por ejemplo, si necesita datos para respaldar prácticas laborales éticas. O puede tratarse de nuevas normativas del sector, como salud y seguridad o ESG. O situaciones económicas y políticas que limitan cómo y dónde se puede operar.
Estos son algunos de los escenarios más comunes en los que necesitará revisar o adaptar su modelo de datos:
Implementación de una nueva aplicación o solución
Si, por ejemplo, se incorpora una nueva plataforma de datos, como Salesforce, ésta vendrá con un modelo de datos pre configurado. Tendrá que reconfigurarlo para que funcione con su modelo de datos actual.
Cualquier atributo, tipo de entidad o estructura de relación nueva debe incorporarse al modelo de datos universal para dar cabida a las nuevas actividades empresariales asociadas al nuevo sistema.
Además, también es importante considerar el nivel de gobierno de datos integrado en el nuevo sistema. Puede que tenga un modelo fantástico, pero si permite que la gente escriba lo que quiera en el sistema, pronto se verá ahogado en el desorden, entorpeciendo los sistemas y procesos empresariales existentes.
Migración a una nueva plataforma
A veces necesitará mover sus datos de una plataforma a otra, por ejemplo, cuando la plataforma antigua se queda obsoleta. SAP ECC es un buen ejemplo, ya que se está cambiando por SAP S/4HANA.
Estas situaciones son la oportunidad perfecta para revisar su modelo de datos actual para ver si todavía satisface sus necesidades. ¿Es demasiado rígido? ¿Son demasiado complejas las relaciones entre las tablas? ¿Su empresa está teniendo que utilizar soluciones alternativas para transformar los datos y hacer que fluyan correctamente a través de la organización?
Cada ERP tiene incorporado un modelo de datos diferente, lo que puede obstaculizar el procesamiento directo (STP). Y, sin la capacidad de conciliar varios modelos de datos, la migración puede ser costosa y compleja y depender en gran medida de implementadores externos.
Realizar fusiones o adquisiciones
Cuando dos empresas se unen, hay dos modelos de datos que entran en competencia. Pero desafortunadamente, no es tan fácil como ponerlos a pelear a muerte para ver cuál gana.
El director de datos y su equipo necesitarán consolidar atributos, entidades y relaciones, y reclasificar los datos en una jerarquía única. A continuación, podrá adaptar las normas, políticas y procesos para crear una única organización desde el punto de vista de los datos. Sin un modelo de datos universal, resulta complicado para el resto de la empresa alcanzar un modelo operativo uniforme.
When two companies come together, you have two competing data models. But unfortunately, it’s not as easy as putting them both in a fight to the death to see which one comes out on top.
The chief data officer and their team will need to consolidate attributes, entities and relationships, and reclassify the data into one hierarchy. Then you can adapt the rules, policies and processes to create one single organization from a data perspective. Without a universal data model, it’s difficult for the rest of the business to get to a universal operating model.
Learning from others’ misfortunes
Es responsabilidad del director de datos estar al tanto de lo que sucede fuera de la organización, porque cuando las cosas van mal en otras organizaciones, se tiene la oportunidad de aprender de ellas y aplicar soluciones antes de que ocurran en la propia.
Podría tratarse de cualquier cosa, desde multas por datos incorrectos sobre calorías o sostenibilidad, hasta una violación de la seguridad aprovechando un acceso a los datos mal definido dentro de un modelo de datos.
Tres razones por las que un mal gobierno de datos es perjudicial para los negocios
Como mencionamos en nuestra introducción, cuando se trata de gobierno de datos y calidad de datos, todo está conectado.
Basándonos en eso, en Stibo Systems tenemos una teoría:
Básicamente, todo lo que sale mal, en cualquier parte de una empresa, puede ser atribuido a un mal gobierno de datos.
Eso significa que cualquier problema de gobierno debe ser examinado en diferentes ámbitos empresariales.
Veamos tres ejemplos comunes:
Ejemplo 1: Productos
Los datos de los productos contienen todo tipo de información importante, desde dimensiones e imágenes hasta especificaciones y opciones de precios.
Toda esta información debe estar disponible, ser correcta y distribuirse a todas las partes interesadas que confían en disponer de datos correctos y actualizados, como por ejemplo los vendedores de productos.
¿Qué es lo peor que puede pasar?
Cuando las personas adecuadas no tienen acceso a la información correcta del producto, pueden presentarse circunstancias que generen clientes insatisfechos y gestores de categorías descontentos.
Basta con ver lo que ocurre cuando un producto se promociona en línea con un descuento incorrecto, sin imágenes y con especificaciones deficientes. Acabará con unas cifras de ventas inferiores a las esperadas debido a las bajas tasas de conversión, con menos beneficios de los que debería tener por venta, y con más clientes devolviendo artículos porque no recibieron el producto que esperaban.
Ejemplo 2: Logística
La logística es otro ámbito que requiere información precisa en múltiples áreas.
En primer lugar, se encuentra todo lo relacionado directamente con un artículo: altura, longitud, profundidad y peso. También hay que saber adónde se lleva el artículo (la dirección) y cómo se llega hasta allí (¿se ha indicado al conductor una ruta adecuada y eficaz?).
¿Qué es lo peor que puede pasar?
Si el peso y las dimensiones de los artículos son incorrectos, los camiones estarán mal cargados. ¡Lo cual no importará si la dirección es incorrecta, porque el cliente o la tienda nunca recibirán sus artículos!
Y como si fuera poco, el camión ya no tiene techo porque la ruta que siguió Dave, el conductor de entrega, lo llevo debajo de un puente que resultó ser demasiado bajo para el vehículo.
Usted al final tendrá conductores descontentos, clientes insatisfechos, ventas reducidas y estantes vacíos.
Ejemplo 3: Clientes
Las empresas almacenan una gran cantidad de datos sobre sus clientes, pero ¿son precisos y están disponibles para las personas adecuadas? Cuando los empleados pueden ingresar una gran cantidad de respuestas en campos de texto libre, todo puede terminar en un desorden. Es probable que esto pase cuando se deben atender muchas llamadas al día, pero no se encuentran los campos adecuados para cierta información.
¿Qué es lo peor que puede pasar?
Es probable que esto resulte en características individuales incorrectas o duplicadas, direcciones inexactas y datos de agrupación de hogares incorrectos en su archivo.
Si usted está enviando material publicitario, es posible que se terminen enviando tres folletos a tres personas que viven en la misma dirección (si es que se logra enviarlos a la dirección correcta).
También, podría enviarles una oferta de seguro de carros para un vehículo que vendieron hace seis años, o peor aún, una promoción de seguro de vida para alguien que ya ha fallecido.
Y en una situación más extrema (y potencialmente peligrosa), un profesional sanitario podría acabar recetando la medicación equivocada o dando de alta a personas para procedimientos equivocados.
>> Consulte cómo cumplir las normas del sector con este checklist práctico <<
Por qué el buen gobierno de datos es ventajoso para los negocios
Basta de ahogarse en lagos de datos
Las empresas sin un modelo de datos universal luchan constantemente para mover datos entre sus sistemas.
Con frecuencia, las empresas optan por depositar todos sus datos en un lago de datos central para transformarlos, organizarlos y analizarlos. Pero, ¿cómo asegurarse de que los datos este lago son precisos?
Con la gestión de datos maestros en marcha, usted puede controlar, organizar y estructurar los datos en su origen. De esta manera, sabrá que todo en el lago de datos está listo para ser utilizado.
Distinga entre la calidad técnica ded sus datos y la calidad de sus datos comerciales
Al evaluar la calidad de los datos, es importante usar herramientas de perfilado de datos para examinar minuciosamente el contenido real; no se puede asumir que los datos son adecuados sólo porque se ajustan al modelo de datos. Que una información sea técnicamente correcta no significa que sea útil para la empresa.
Aquí tiene un ejemplo:
'Willy.' obviamente sigue las reglas de lo que podría ser un nombre de pila real. Se compone de letras, y no se han colado ni números ni letras.
Y siguiendo estas reglas, "Coyote" también podría ser técnicamente un apellido. Así que no hay ningún problema, salvo que su sistema no ha detectado que no se trata de una persona real. Eso suponiendo que usted no está haciendo negocios con el archienemigo del Correcaminos.
Pero hay otro problema que puede presentarse. ¿Y si, por ejemplo, sus vendedores intentan vender sus servicios a otras empresas? Si la dirección de correo electrónico que tiene en su sistema es "Willy.Coyote@gmail.com" en lugar de "Willy.Coyote@acmeinc.com", se podría meter en un lío.
Unas normas de calidad de datos empresariales adecuadas rechazarían el correo electrónico personal para garantizar que no se infringe la legislación sobre privacidad de datos.
Cómo hacer las cosas bien con el gobierno de datos maestros
Entonces, ya hemos mencionado algunas de las cosas que pueden salir mal con un gobierno de datos inadecuado y, también, algunas de las cosas que pueden salir bien con un gobierno de datos sólido.
Y si aún no está convencido, aquí tiene más ventajas:
Un buen gobierno de los datos se traduce en una organización con un elevado rendimiento.
- Reduzca costes eliminando la repetición de tareas
- Mejore las tasas de conversión en las ventas de productos
- Disminuya el número de artículos devueltos por los clientes
- Haga posible entregas más eficientes
- Genere más confianza y buena voluntad en las relaciones con sus socios
- Reduzca los costos de gestión de inventario
- Proporcione a los agentes de su equipo de servicio la información actualizada que necesitan.
Y lo que es más importante, un buen gobierno de datos maestros hace muy feliz al equipo de datos. Con un buen gobierno que permita un modelo de datos sólido, se invertirá menos tiempo en reestructurar, reformatear y corregir los problemas de los datos para que puedan ser utilizados.
Al dirigir a su organización hacia un modelo de datos unificado y sólido, usted se convierte en el guía que utiliza los datos para impulsar el negocio hacia un crecimiento más rápido y una mayor rentabilidad
Cómo conseguirlo: establecer un gobierno de datos sólido
El gobierno de los datos es indispensable para el éxito de las iniciativas de modelado de datos y para mantener una alta calidad técnica y comercial de los datos dentro de su modelo de datos.
Sin ella, no conseguirá la información necesaria para tomar decisiones empresariales fundamentadas, lo que significa que perderá el valor estratégico de sus activos de datos.
Con un buen modelo de gobierno de datos, establecerá una base sólida de definiciones estandarizadas, al tiempo que definirá las expectativas para la gestión de la calidad de los datos. Esto contribuye en gran medida a garantizar una buena gestión de la seguridad, al tiempo que fomenta un accountability que mejora la precisión y fiabilidad de los propios datos.
Antes de empezar: consejos fundamentales para su proyecto de gestión de datos maestros
Según Gartner, el 75% de los proyectos de MDM no cumplen las expectativas comerciales. ¿Por qué? Porque las organizaciones a menudo pasan directamente a implementar tecnología, sin considerar primero la importancia de las personas y los procesos.
Entonces, aquí tiene algunas de las cosas que necesita hacer antes de introducir tecnología:
Establezca poñiticass y defina procesos
El buen manejo de datos se basa en políticas y procesos sólidos para ajustarse a su modelo de datos. Una vez que estos están completamente planificados, la tecnología puede garantizar su cumplimiento.
Involucrar a las partes interesadas adecuadas
El apoyo a nivel directivo es esencial para mantener un alto nivel de "accountability" y alinear así la importancia del proyecto con el impacto que tendrá en la consecución de los resultados empresariales. También es vital que el director de datos cree una cultura de datos para cambiar la actitud hacia el modelo de datos.
Se deben incluir y consultar a expertos de diferentes ámbitos empresariales (producto, logística, etc.) y a un analista de empresas, para determinar qué puntos de datos afectan a qué partes del proceso empresarial.
Después, es crucial asegurarse de que los ingenieros informáticos conviertan esos requisitos en un modelo de datos técnico, porque tendrán la información necesaria del contexto para diferenciar entre la calidad de los datos técnicos y la de los datos de negocio.
Aceptar que el modelado de datos es continuo
Los sistemas existentes y actuales, junto con sus requisitos de hoy, necesitarán adaptarse para incluir las futuras aplicaciones y todos los otros requisitos comerciales que conllevan, lo que significa que deben tener la agilidad para respaldar la visión de la empresa, no solo sus operaciones actuales
Si usted está en un frenesí de fusiones y adquisiciones, por ejemplo, su modelo de datos tendrá que crecer y adaptarse para incorporar los datos de las otras empresas.
Empecemos: hoja de ruta hacia un modelo de datos más sólido
- Comience con una revisión del modelo de datos:
- Examine el gobierno de los atributos, entidades y relaciones dentro de su modelo de datos.
- Pregúntese:
- ¿Dónde está averiado?
- ¿Dónde hay ineficiencias?
- ¿Dónde hay desperdicio o una experiencia deficiente para el cliente?
- En otras palabras, ¿cuáles son los problemas que se manifiestan en la empresa de forma reiterada?
- Comprenda el linaje de los datos en los procesos con bajo rendimiento:
- ¿De dónde provienen los datos?
- ¿Por cuáles sistemas pasaron antes de que surgiera el problema?
- ¿Qué personas tenían la capacidad de manipular los datos, y en qué sistema?
- ¿En qué sistema empiezan a tener un aspecto diferente?
- ¿A qué otros sistemas se trasladan los datos cuando surge el problema?
- A continuación, rebobine, observe el flujo de datos desde el origen hasta el destino final y averigüe cómo solucionar el problema con un mejor gobierno de los datos.
- ¿Le cuesta pensar en la solución?
- Observe cómo se soluciona actualmente ese problema en la empresa.
- A continuación, escriba la versión de código de esa solución para implementar una solución automatizada.
- Podría ser un algoritmo o una regla para transformar los datos. Podría ser algo así como una comprobación de validez de los datos, un cálculo de dos campos para obtener un resultado útil que la empresa pueda utilizar en sus operaciones o una regla de limpieza programada para mantener los datos utilizables.
- Implemente las medidas de seguridad que ha ideado en el modelo de datos para cualquier otra área en la que pudiera producirse un error similar.
- Repita el proceso con los demás problemas de datos para que su modelo de datos sea más sólido.
Nos gusta pensar en este proceso como un «desplazamiento ascendente del firewall de datos». El objetivo es reducir al mínimo las posibilidades de que se produzcan fallos, garantizando un mejor gobierno de los datos a lo largo de todo su recorrido por la organización.
Qué buscar en una plataforma de gestión de datos maestros
Con la plataforma de gestión de datos maestros adecuada, que respalde un sólido gobierno del modelo de datos, podrá lograr una serie de cosas importantes, entre las que se incluyen:
- Ofrecerle la posibilidad de aplicar una amplia gama de reglas y políticas de gobierno, garantizando que los modelos de datos sean totalmente compatibles con las normas y estándares de cumplimiento tanto técnicos como empresariales, lo cual es crucial para asegurar que los datos maestros críticos se recolecten, almacenen, gestionen y se acceda a ellos de manera consistente.
- Capturar automáticamente el linaje de los datos para su análisis, de modo que pueda identificar dónde pueden haber surgido problemas con los datos.
- Aplicar correcciones del modelo de datos, lo que le permite crear una política para solucionar los problemas con el modelo de datos que descubrió en su revisión.
- Por ejemplo, la plataforma STEP MDM tiene más de 200 atributos pre configurados en un modelo de datos para clientes minoristas. Estos atributos están basados en lo que se sabe que es más práctico para ellos. Además, la plataforma incluye todas las reglas necesarias para gobernar correctamente esos atributos dentro de las entidades, en las relaciones, en jerarquías y clasificaciones adecuadas.
Descargue aquí nuestro Checklist para comenzar con su modelo de datos.