Stibo Systems - The Master Data Management Company

Guía: Mejorar la calidad de sus datos con el gobierno de datos maestros

Ian Piddock | 24 de junio de 2024 | 10 minute read
← Atrás

¿Está listo para mejorar la calidad de sus datos?

PONERSE EN CONTACTO

Guía: Mejorar la calidad de sus datos con el gobierno de datos maestros

Master Data Management Blog by Stibo Systems logo
| 10 minutos para leer
junio 24 2024
Guía: Mejorar la calidad de sus datos con el gobierno de datos maestros
17:51

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 datos, el contenido enriquecido, las normas del sector y el enriquecimiento de datos.


Introducción a la serie

Si los empleados no pueden confiar en los datos que reciben, no tendrán la seguridad necesaria para tomar las decisiones correctas, limitando así la eficacia y productividad de su trabajo.  

¿Y qué pasa si, por ejemplo, los clientes no reciben la información correcta sobre sus productos? Pues, la consecuencia será que no tendrán un producto que realmente satisfaga sus necesidades, lo que eventualmente provocará su descontento y la pérdida de ventas.

Estos son sólo algunos de los problemas a los que podría enfrentarse si la calidad de sus datos no está a la altura.

Hemos preparado esta guía para ayudarle a definir qué es una buena calidad de datos, mostrarle algunas de las cosas que pueden salir mal si la calidad de sus datos es deficiente y orientarle hacia la excelencia en la calidad de datos.  

Descubra cómo la mejora en la calidad de sus datos mediante el gobierno de datos maestros puede elevar su posición en la empresa.

Retomando lo más básico, ¿qué es la calidad de datos?

En términos sencillos, 'calidad de datos' se refiere a qué tan bueno o confiable es un dato. Se trata de si los datos son precisos, completos, consistentes y relevantes para el uso al que están destinados.  

Una alta calidad de datos significa que la información es confiable y puede utilizarse eficazmente para tomar decisiones, análisis u otros propósitos.

Por otro lado, una baja calidad de datos significa que los datos pueden contener errores, inconsistencias o partes faltantes, lo que puede llevar a conclusiones incorrectas o resultados poco confiables.

Pero la cuestión puede complicarse. Cuando sus datos se utilizan para muchos propósitos diferentes, cada uno podría tener un conjunto distinto de requisitos.

Entonces, no se puede medir la calidad de sus datos sin conocer todo para lo que podrían ser utilizados, en otras palabras, su contexto.

Como se trata de satisfacer necesidades concretas, los datos pueden ser de alta calidad cuando se utilizan en una aplicación, pero de baja calidad cuando se utilizan en otra aplicación que necesita algo distinto de esos datos.

¿Cómo saber cuáles son los requisitos?

Muchas organizaciones utilizan un Marco de Evaluación de la Calidad de los Datos (DQAF) de seis partes para determinar la calidad de los datos según las siguientes dimensiones:

  • Completitud 
  • Puntualidad 
  • Validez 
  • Integridad
  • Singularidad 
  • Consistencia 
How do you know what the requirements are? 

Many organizations use a six-part Data Quality Assessment Framework (DQAF) to determine data quality by the following dimensions: 

  • Completeness 
  • Timeliness 
  • Validity 
  • Integrity 
  • Uniqueness 
  • Consistency 

Un DQAF es realmente útil a la hora de evaluar la calidad de un determinado conjunto de datos en cualquier momento.  

Sin embargo, el personal informático que utiliza una plataforma de gestión de datos maestros (MDM) no sabe necesariamente qué está bien desde el punto de vista de las distintas áreas de la empresa.

Por eso, al evaluar los datos dentro de un marco de referencia, es crucial dialogar con expertos en diferentes áreas.

 

Indicios que sugieren que la calidad de sus datos puede mejorar.

A ver, nadie es perfecto. Siempre hay margen de mejora, y esto se aplica tanto a la calidad de los datos como a que todos tenemos que comer menos comida chatarra.

Aquí tiene algunas señales que apuntan a que a la calidad de sus datos le vendría bien un reajuste.  

Con frecuencia se ignora la calidad de los datos

La Calidad de Datos se convierte entonces en un tema tabú dentro de las empresas. Aunque la gente a menudo reconoce que la calidad de los datos de su organización es deficiente, evitan abordar el tema. Prefieren asumir que no se puede mejorar (spoiler: sí se puede), así que optan por ignorarlo y seguir adelante como si nada pasara.

Cuando la gente habla sobre la calidad de sus datos, normalmente se puede asumir que cuanto más vagas sean las declaraciones y descripciones sobre la calidad de los datos, más probable es que sea mala. Y, por tanto, cuanto menos se hable de ello, menos probabilidades habrá de que la empresa lo reconozca o intente solucionarlo.

Demasiados datos, muy poco tiempo 

Nadie es perfecto, y a la hora de la verdad todos cometemos errores.

La gente introduce datos en función de sus necesidades, lo más rápidamente posible, y así puede dedicarse a otras tareas más interesantes.

No tienen el tiempo (ni la paciencia) para considerar los otros nueve departamentos comerciales que podrían verse afectados por su entrada de datos.

Entonces, cuanta más oportunidad haya para la introducción de datos en formato libre y cuanto más se priorice la velocidad sobre la calidad, más probable es que el factor humano contribuya a una baja calidad de datos.

Tareas de entrada de datos repetitivas y aburridas

Nadie se divierte introduciendo datos. Los errores humanos no tardan en aparecer cuando la aburrición se apodera de nosotros. Introducir muchos datos una y otra vez hace que la motivación para hacer un buen trabajo disminuya con el tiempo. Y con el tiempo también se reduce la calidad de los datos.

Duplicación, duplicación, duplicacióon 

Una de las principales causas de los problemas de calidad de datos es la duplicación de registros en los datos de clientes y proveedores. Los mismos datos pueden repetirse en varios sistemas de CRM, ERP y contabilidad.

Sin validación, verificación cruzada o gobernanza, el mismo registro podría duplicarse simplemente debido a un formato u ortografía inconsistentes, por ejemplo, B.T., British Telecom, British Telecom Ltd o British Telecommunications.

Siempre que sea posible, se debe evitar que esto ocurra desde el punto de entrada (por ejemplo, buscando registros coincidentes antes de crear nuevos), porque resulta menos costoso que tener que corregir un error que ya se ha cometido.

Procesamiento inadecuado de transacciones de datos

La mala calidad de los datos también puede provocar fallos en el procesamiento de las transacciones.

Digamos que "Sistema 1" intenta enviar datos a través de un proceso a "Sistema 2". Pero el sistema responde erráticamente cuando los datos están en un formato que Sistema 2 no espera. Entonces, él comienza a “protestar”, comportándose de manera errática o incluso deteniendo por completo el proceso, rechazando los datos.

Los empleados y los informáticos terminan dedicando demasiado tiempo revisando los procesos o corrigiendo errores en los sistemas.

Los factores mencionados pueden conducir a serios problemas de confianza entre usted y sus datos.

Como verá en la siguiente sección, este deterioro de confianza puede ocasionar todo tipo de desafíos serios para su negocio. 

Las consecuencias devastadoras de la baja calidad de los datos

La información es el petróleo del siglo XXI, y la analítica es el motor de combustión.

"

– Peter Sondergaard

Ex vicepresidente ejecutivo de investigación y asesoramiento de Gartner Research.

Las principales partes interesadas necesitan datos de buena calidad para tomar las decisiones adecuadas para el negocio.

Sin embargo, si la baja calidad de los datos implica que no pueden confiar en la información que reciben, se sentirán menos informados y dudarán en tomar medidas.

Multiplicado en todo su ecosistema empresarial, esta desaceleración de acciones confiables puede tener un efecto devastador en la rentabilidad y el futuro de su negocio.

¿Algunos ejemplos?

Las consecuencias de la mala calidad de los datos en el rendimiento de los empleados

Si los empleados no confían en los datos, no van a actuar de la manera más eficiente y productiva posible. Esto termina provocando más errores operativos y desperdicio, ya que las personas toman decisiones basadas en datos deficientes o simplemente recurren la intuición o hábito.

Y si al final se basan es en su intuición, ¿cuál es realmente el propósito de los datos?

Todos los problemas que esto provoca generan un efecto dominó que eventualmente afecta a personas fuera de la organización, como el envío de productos incorrectos a lugares equivocados.

Las consecuencias de la mala calidad de los datos en los productos  

Cuando los clientes encuentran respuestas satisfactorias a sus preguntas sobre si el producto satisface sus necesidades, están más inclinados a realizar la compra (por el momento, ni pensemos en esa compra impulsiva del Rolex que definitivamente no era nada necesario).

Los clientes invierten el dinero que tanto les ha costado ganar confiando en las respuestas que se les da.

Ahora bien, si la mala calidad de los datos significa que están recibiendo respuestas equivocadas, puede ocurrir lo siguiente:

  • Menos conversiones en el sitio web, con más cestas de compra abandonadas.
  • Más reclamaciones de clientes que se sienten engañados.
  • Se genera una mala reputación debido a la pobre experiencia del cliente
  • Se producen conflictos, que pueden implicar mucho tiempo y dinero para resolver

Las consecuencias de la mala calidad de los datos en el rendimiento empresarial

Las discrepancias en las reuniones de las juntas directivas son comunes; no hay nada malo con que haya un poco de debate. Pero se convierte en un gran problema cuando esas discrepancias surgen debido a datos inconsistentes.

Por ejemplo, si dos personas tienen números de ingresos diferentes. O que haya diferentes cantidades de números únicos de artículo de comercio mundial (GTIN), que permiten a la junta saber cuántos productos tiene la empresa.

Se comienza a evidenciar que se tiene un problema de calidad de datos cuando no haya una respuesta clara y unificada a preguntas como:

  • ¿Cuánto dinero ganamos el año pasado?
  • ¿Cuántas unidades del producto X vendimos?
  • ¿Cuánto de esto fue ganancia?
  • ¿Cuántos clientes tenemos?
  • ¿Quién es nuestro mejor cliente?

Y sin esas respuestas, su organización no tendrá una estrategia empresarial efectiva.

Los líderes de datos deberían examinar su glosario empresarial y su estrategia correspondiente para identificar discrepancias en las definiciones de los términos. A partir de ahí, pueden determinar las áreas donde los datos no cumplen con el estándar de calidad requerido o donde no se están consolidando correctamente.

Las consecuencias de la mala calidad de los datos en la comunicación externa

Como consecuencia de lo anterior, si no hay acuerdo sobre los datos de rendimiento de la empresa, es muy difícil comunicarlos con confianza al mundo exterior.

Existe una gran probabilidad que sus resultados difieran significativamente de cifras previstas. O que sus compromisos de criterios ESG no se cumplan y que las metas ambientales trazadas no puedan respaldarse con datos confiables.

Esto dificulta la gestión de las expectativas de clientes, entidades reguladoras y accionistas a la hora de informar.

En consecuencia, su negocio podría perder su atractivo como una inversión segura, lo que lleva a la desilusión entre los inversores, clientes potenciales y proveedores.

Además, incumplir con los mandatos de cumplimiento puede resultar en multas significativas.

>> Inicie la construcción de una base sólida para mejorar la calidad de sus datos con esta checklist <<

Cómo hacer las cosas bien con el gobierno de datos maestros

Si la misión del director de datos es fomentar la confianza en los datos de la organización, su principal arma es el gobierno de datos maestros. Unos controles de gobierno de datos más estrictos, que abarquen todas las dimensiones del marco DQAF, garantizarán que puedan auditar, solucionar y corregir los problemas de calidad de los datos.   

Sin embargo, un gobierno de datos sólido es también una cuestión de personas. El director de datos necesita tener el perfil, el mandato y los recursos para desempeñar el trabajo de manera efectiva.

Deben crear una cultura en la que todos los empleados de la empresa sean responsables de la calidad de los datos. Sin embargo, esto es una vía de doble sentido. Los empleados necesitan un entorno de apoyo que facilite el cumplimiento de sus responsabilidades.

Usted puede aprovechar al máximo los datos de referencia, como ejemplos desplegables o recomendaciones de entrada de datos-para ofrecer sugerencias prevalidadas y conformes con los estándares- que demuestren a los empleados en qué consiste una entrada de datos "correcta". Esto les ayudará a trabajar más rápidamente, reduciendo la carga mental y asegurándose de que los datos estén correctos.

La confianza lo es todo 

La confianza es fundamental si quiere aprovechar los datos para generar el máximo valor empresarial en su organización.

Cuando se introducen datos de alta calidad, lo cual es garantizado por un buen gobierno de datos maestros, se puede confiar en el análisis de los mismos. Esto permite que las personas tomen decisiones correctas que se traducen en acciones acertadas.

Pero los datos son sólo una parte de la ecuación. El manejo que le dan las personas a los datos es clave.

Por eso, una buena gestión de los datos maestros hace que la introducción de datos sea impecable. Con la validación y las reglas de negocio adecuadas, introducir la información correcta en los formularios es sumamente fácil.

Aparecerá un mensaje de error para corregir el formato, con una sugerencia o una lista de ejemplos preformateados entre los cuales que elegir.

Esto significa que los empleados pueden hacer más cosas sin que el aburrimiento les impida concentrarse.

Y la certeza de que todos tienen información precisa empodera a los encargados de generar conocimiento, a los analistas y al personal operativo, lo que a su vez fortalece a la junta directiva al garantizar que las previsiones y los informes sean precisos y creíbles.

 El ciclo de la confianza

Diagram Design

Manitou Group, una empresa manufacturera, se enfrentaba al problema de una base de datos de clientes no unificada, datos ocasionalmente incompletos y almacenamiento de datos de clientes en sistemas ERP, lo que suponía una falta de visibilidad en toda la organización y un tiempo excesivo dedicado a verificar y volver a introducir los datos.

Gracias a la implementación de la plataforma de gestión de datos maestros de Stibo Systems, la organización ahora cuenta con una única fuente de datos fiables de los clientes, lo que les permite mejorar su servicio mediante una autenticación más rápida de los clientes.  

Lea el estudio de caso completo para descubrir cómo Manitou Group logró:

  • Reducciones significativas en el tiempo de entrada de datos
  • Armonización de procesos en torno a los datos
  • Mejoras en la calidad de informes y paneles informativos intuitivos

Un éxito rotundo: tres grandes victorias para mejorar la calidad de los datos

A continuación, se describen tres estrategias para mejorar la calidad de los datos en toda la organización mediante un sólido gobierno de los datos maestros: 

Realizar un ejercicio de perfilado de datos

¿Recuerda el DQAF de seis partes que mencionamos? Pues bien, ha llegado el momento de ponerlo en práctica.

En primer lugar, hay que determinar el problema o problemas que originan el problema de calidad de los datos y su magnitud.  

La evaluación debe involucrar a expertos de todos los ámbitos de la empresa para identificar los problemas de calidad de datos en función del contexto empresarial.

Esto le proporcionará una auditoría integral de semáforos de los siguientes factores en todo su sistema: 

  • Exhaustividad
  • Puntualidad
  • Validez
  • Integridad
  • Singularidad
  • Coherencia

Trasladar el control de calidad de los datos a niveles superiores

Una vez detectado el problema, es hora de reducir el riesgo de que se repita.

Conviene implementar procesos y controles de calidad de datos lo antes posible, idealmente en el punto de entrada.

Para comprender por qué, podemos hacer referencia al juego del "teléfono roto" o "rumores", según se le conozca en el lugar donde cada uno creció. Cuantas más personas sin control se les permita repetir lo que quieran, en lugar de ofrecer la respuesta verdadera y correcta, más probables y generalizados serán los errores.

Al establecer controles desde el principio, se asegura de que la primera persona aclare la respuesta correcta para todos, evitando errores más adelante en el proceso.

Consolidar y fusionar registros duplicados  

Como cualquier persona que haya coleccionado Pokémon o tarjetas de béisbol sabe, los duplicados son molestos. Es frustrante que te salga tu quinto Pikachu cuando lo que realmente quieres es un Charizard (para los que no estén enganchados a los deportes, ambos son famosos jugadores de béisbol, no hace falta que lo busquen en Google).

Cuando se trata de registros duplicados, la situación va más allá de ser una simple molestia. Hace que mantener la calidad de los datos sea más difícil.

Porque es posible corregir la dirección de "Adam Smith", pero no las de "Adam Smyth", "Adam Smythe" o incluso "Adum Smith". Cuando en realidad todos son la misma persona, pero están escritos de forma diferente.  

Llevar el marcador

¿Cómo saber si un triunfo es real?

Usando su trabajo DQAF para establecer métricas para cada tipo de dato/registro, como por ejemplo registros de productos. Estas métricas le muestran cómo deben ser unos datos de buena calidad, de modo que se pueda garantizar la calidad de los datos en el futuro.How do you know when a win is real? 

 

Qué buscar en una plataforma de gestión de datos maestros

Estas son algunas de las cosas que podrá conseguir cuando disponga de la plataforma de gestión de datos maestros adecuada, compatible con una calidad de datos sólida: 

  • Detectar errores de calidad de datos en un conjunto de datos, con una interfaz de usuario configurada para el perfilado de datos. Este sistema buscará patrones de conformidad de los datos y detectará valores atípicos y duplicados, con la ayuda de la automatización.
  • Visualizar el progreso hacia los KPI de calidad de datos y realizar un seguimiento de la calidad de los datos a lo largo del tiempo mediante un panel de KPI de suficiencia de datos, basado en las métricas de suficiencia de datos que usted haya determinado.

Ofrezca a sus empleados el poder de la IA

El gobierno asistido por IA puede facilitar la vida de quienes realizan la entrada de datos:

  • Los datos de referencia basados en IA ofrecen sugerencias basadas en la información que se ha introducido en el pasado.
  • La clasificación de productos asistida por la IA permite que la incorporación de productos sea rápida y precisa.
  • Los modelos de aprendizaje programados pueden ser empleados para sugerir automáticamente el tratamiento adecuado de registros potencialmente duplicados.

La IA puede utilizarse para simplificar el proceso de cotejo evaluando los puntos en común en los nombres de los clientes.

Descargue aquí nuestro checklist y empiece a mejorar la calidad de sus datos.

 

 
 

Master Data Management Blog by Stibo Systems logo

Ian Piddock se unió a Stibo Systems en 2018 y actualmente es Director Senior de Estrategia de Soluciones Multidominio. Su función respalda el marketing de productos para STEP, Gestión de Datos Maestros de Productos y la solución de Intercambio de Datos de Productos. Ian ayuda a las organizaciones a optimizar sus resultados comerciales a través de la entrega de soluciones tecnológicas innovadoras que respaldan iniciativas de transformación digital. Tiene más de 20 años de experiencia en la industria de software empresarial, es un especialista en marketing experimentado y un practicante acreditado de los estándares GS1 con un agudo sentido de cómo los clientes pueden capitalizar los datos para generar valor.

Descubra blogs por temas

  • Estrategia MDM
  • Gobernanza de datos
  • Gobierno de datos
  • Ver más
  • Datos de producto y PIM
  • Manufactura
  • Minorista y distribución
  • Bienes de consumo
  • Calidad de datos
  • Datos de clientes y partes
  • Sostenibilidad
  • Contenido Enriquecido
  • Datos maestros
  • Enriquecimiento de datos
  • MDM
  • estandares de industria

Guía: Ofrezca experiencias de contenido enriquecido impecables con el gobierno de datos maestros

6/24/24

Guía: Garantice un buen enriquecimiento de datos empresariales con el gobierno de datos maestros

6/24/24

Guía: Cómo cumplir los estándares del sector mediante el gobierno de datos maestros

6/24/24

Guía: Mejorar la calidad de sus datos con el gobierno de datos maestros

6/24/24

Guía: Modelando correctamente los datos empresariales con el gobierno de datos maestros

6/24/24

¿Qué es el Gobierno de Datos y Por qué lo Necesita?

4/16/24

¿Qué es la Fabricación Inteligente y por qué es importante?

1/31/24

5 Razones Comunes Por Las Que Los Fabricantes Fracasan En La Transformación Digital

1/31/24

Stibo Systems y GS1 México colaboran para lograr una mejor administración de datos

7/13/23

Transformación digital en la industria de bienes de consumo empaquetados (CPG)

3/3/23

Tendencias del mercado en 2023

3/2/23

Cómo la transparencia de los datos permite un retailing sostenible

3/1/23

4 estilos comunes de implementación de gestión de datos maestros

2/21/23

Cómo comenzar con la Gestión de Datos Maestros: 5 pasos a considerar

10/17/22

¿Qué es el Gobierno de Datos Maestros y por qué lo necesitas?

10/7/22

Qué es la información de proveedores y por qué es importante para los fabricantes

8/31/22

8 mejores prácticas para la gestión de datos maestros de clientes

7/26/22

Crear una Cultura de Transparencia de Datos – Comience con una Base Sólida

7/12/22

Definición y glosario de Master Data Management (MDM)

6/1/22

Grupo RFP trabaja con Stibo Systems para impulsar estrategia omnicanal

5/24/22

Migración de datos a SAP S/4HANA ERP: el enfoque rápido y seguro con MDM

5/13/22

6 características críticas de una solución de gestión de datos maestros

4/30/22

Gestión de datos de productos durante fusiones y adquisiciones

4/6/22

¿Cómo mejorar tu gestión de datos?

3/31/22

Empresas podrán crecer hasta 400% en ventas con Bigo y Stibo Systems

2/15/22

¿Qué es la Gestión de Datos de Aplicaciones y en qué se diferencia del MDM?

8/29/21

3 razones por las que datos de calidad de proveedores son importantes

4/12/21

¿Cuánto dinero cuesta la devolución de producto de sus clientes?

1/27/21

Solución de gestión de datos en la industria manufacturera

1/5/21

Incremente sus ingresos en esta temporada del año

11/18/20

Calidad de Datos, un paso fortuito

9/2/20

Cómo planear, ejecutar y evaluar cualquier iniciativa empresarial de IoT

3/6/19

Jerarquía Primaria de Productos: ¿Qué es y Cuáles son sus Beneficios?

5/17/18
¿Le gustó esta entrada del blog?

Suscríbase para recibir los últimos contenidos del blog en su bandeja de entrada.