Calidad de Datos

Piattini Velthuis, Mario G.; Caballero Muñoz-Reja, Ismael; Gómez Carretero, Ana Isabel; Gualo Cejudo

• Editorial: Grupo Editorial Ra-Ma
• Año: 2018
• ISBN de la versión impresa: 9788499645650
• ISBN del libro electrónico: 9788499647814

En la actualidad los datos han cobrado una importancia esencial en las organizaciones que se están transformando digitalmente y convirtiéndose_x000D_en data centric para poder ofrecer un servicio de excelencia a todos sus stakeholders y tomar las mejores decisiones._x000D_En efecto, los avances tecnológicos que estamos viviendo en los últimos años, que nos permiten recoger y almacenar enormes cantidades de datos (por medio_x000D_de dispositivos móviles, sensores, Internet de las cosas, big data, etc.), tratarlos mediante diferentes algoritmos analíticos avanzados (machine learning, _x000D_business intelligence, etc), y disponer de una prácticamente ilimitada cantidad de procesamiento (en forma de servicio, mediante la computación en la nube), han convertido los datos en el "nuevo petróleo del siglo XXI"._x000D_Pero para que los datos sean el activo más importante de las organizaciones, debe tener la "calidad" adecuada; ya que los resultados de cualquier algoritmo_x000D_y de cualquier decisión que se tome, no será mejor que los datos sobre los que se basa. _x000D_Esta obra reúne varios aspectos relacionados con la calidad de los datos, ofreciendo una amplia visión sobre diferentes factores (especialmente técnicas, modelos y procesos) que se deben tener en consideración para la gestión, calidad y gobierno de los datos y de la información. A lo largo de esta obra se ha combinado el rigor científico con la experiencia práctica adquirida durante más de veinte años en investigación y en proyectos empresariales. _x000D_Como señala Carlos Manuel Fernández en el prólogo, "este es un libro que es pionero a nivel internacional, pues sirve de guía para conseguir que las_x000D_organizaciones puedan lograr smart data como activo principal y cumplir con sus objetivos ya sean de negocio o de servicio público".

3

Calidad de Procesos de Datos

Al igual que sucede en el campo del software, también para los datos se han definido modelos de evaluación y mejora de la madurez/capacidad para los procesos que abordan las disciplinas de gestión de datos, gestión de calidad de datos y gobiernos de datos. En este capítulo se resumen modelos de referencia de procesos, así como los modelos de madurez más relevantes.

DAMA DMBOK: Data Management – Body Of Knowledge

Áreas de conocimiento

La Data Management Association (DAMA) propone un modelo de referencia que agrupa los procesos en áreas de conocimiento de gestión de datos (DMBOK, Data Management BOdy of Knowledge) (DAMA, 2017) que se representan en una rueda en la que sitúa el gobierno de datos en el centro (Figura 3.1); debido a que en el modelo se entiende el gobierno de datos como el área que da consistencia a y equilibro entre todas las funciones. Estas áreas de conocimiento son:

Figura 3.1. Framework de gestión de datos de DAMA (DAMA, 2017)

• Gobierno de datos, proporciona la dirección y supervisión para la gestión de los datos, estableciendo un sistema de derechos de decisión sobre los datos que responde a las necesidades de la organización.
• Arquitectura de datos, define los diseños arquitectónicos para la gestión de los activos de datos alineándolos con la estrategia organizacional, para establecer los requisitos estratégicos de datos y los diseños que satisfagan dichos requisitos.
• Diseño y modelado de datos, es el proceso de descubrimiento, análisis, representación y comunicación de los requisitos de datos de una forma precisa (“modelo de datos”).
• Almacenamiento y operaciones de datos, incluye el diseño, implementación y soporte de los datos almacenados para maximizar su valor a lo largo de su ciclo de vida, desde la planificación hasta la retirada de los datos.
• Seguridad de datos, incluye la planificación, desarrollo y ejecución de las políticas y procedimientos de seguridad para proporcionar autenticación, autorización, acceso y auditoría de los activos de datos.
• Integración e interoperabilidad de datos, incluye los procesos relacionados con la transferencia y consolidación de los datos entre almacenes de datos, aplicaciones y organizaciones. La integración consolida los datos de forma consistente tanto física como virtualmente, mientras que la interoperabilidad es la habilidad de comunicar los datos entre múltiples sistemas.
• Gestión de documentación y contenido, incluye la planificación, implementación y actividades de control para la gestión del ciclo de vida de los datos y la información que se encuentran en cualquier forma y en cualquier medio; especialmente documentos necesarios para soportar los requisitos de cumplimiento legal y normativo.
• Datos de referencia y datos maestros, incluye la reconciliación y mantenimiento continuos de los...

Índice

• AUTORES
• Prólogo
• Prefacio
• FUNDAMENTOS DE LA CALIDAD DE DATOS
• Datos maestros (Master Data)
• Calidad de Procesos de Datos
• Calidad de repositorios de datos
• Monetización de los datos
• Problemas de calidad de datos en bases de datos relacionales
• ACRÓNIMOS
• Bibliografía