Transformación digital en las organizaciones: Cuatro pistas para entender las tendencias del gobierno del dato en 2017

¿Habrá que hacer cambios en la estrategia de gobierno del dato en los próximos doce meses? ¿Nos sorprenderán las nuevas tendencias en data governance para 2017?.

Transformación digital en las organizaciones: Cuatro pistas para entender las tendencias del gobierno del dato en 2017.

La adopción de un modelo de políticas y estándares para gobernar los datos va más allá de un simple esquema que refleje el recorrido de los datos entre sistemas o un diagrama donde se conozca qué obligaciones tiene cada parte.

El gobierno del dato ayuda a determinar el inventario de datos, la propiedad de datos, las cuestiones de seguridad, los datos críticos, el linaje de datos y las opciones de retención de datos. Su función es permitir obtener conocimiento para que cualquier usuario, en cualquier momento, pueda ver de dónde viene cada bit de información que necesita usar.

Data governance facilita la localización de las fuentes de origen de los datos pero también aporta visibilidad a los procesos, permitiendo conocer qué usuarios han interactuado con el dato, dónde va y a qué otras bases de datos alimenta.

Nada de esto va a cambiar el próximo año. Las tendencias en gobierno del dato 2017 incluyen novedades, pero no tocan el núcleo que constituye lo que es esta función para la organización. Aquí van 4 pistas que ayudarán a tu negocio a estar preparado.

Cómo afrontar las novedades en gobierno del dato de los próximos doce meses.

1.Gobierno del dato y revolución tecnológica: La extraña pareja que forman data governance y la transformación digital tiene mucho futuro en común. El impacto de la revolución tecnológica se está sintiendo dentro de la comunidad de la gobernabilidad y eso se nota en tres corrientes:

•La influencia de los medios sociales en data governance.

•La aparición de nuevos canales de datos creados por tecnologías transformacionales, hablamos del IoT.

•La automatización robótica de procesos.

Estas expresiones de la transformación digital crearán oportunidades y desafíos para las organizaciones, tanto en materia de gestión, como en asuntos relacionados con la calidad de datos. Y es que, pese a que se trata de descubrimientos que ya llevan algunos meses escuchándose y que parecen formar parte normal de la rutina de trabajo, lo cierto es que algunas de sus características difieren de las asociadas con los dominios clásicos de gobierno del dato (y, por cierto, también con los de gestión de datos maestros, MDM).

Así que, cuando hay que enfrentarse a cambios en la escala, el volumen, la velocidad y la variación, no queda otra alternativa a las organizaciones que obrar el cambio e instar a sus responsables a adaptar políticas y procedimientos. De esta forma, el gobierno del dato se construye partiendo de metodologías menos rigurosas y explícitas para administrar la calidad y los estándares de los datos; puesto que sólo así se alcanza el nivel de agilidad que será necesario en 2017.

La clave está en escoger un enfoque que logre equilibrar el valor de la gobernanza con el valor de las características de estos canales para maximizar el beneficio para la organización.

2. Nuevas técnicas data governance: El panorama de la gobernanza está evolucionando rápidamente para incluir dominios de datos no tradicionales, así como la adopción de nuevas técnicas para entregar capacidades de manera más efectiva en estos dominios.

Una vez más, será necesario recurrir a planteamientos más flexibles, que pueden incluir la necesidad de hacer un uso extensible de herramientas para identificar o hacer cumplir los estándares de gobernanza, reglas y políticas. De esta forma se conseguirá exceder de los límites tradicionales y alinear cada iniciativa de gobierno con valor de negocio tangible.

3. El gobierno visible: Si las visualizaciones son cada vez más habituales en cualquier entorno de inteligencia empresarial, ¿por qué no aprovechar su potencial para hacer data governance más cercano? Una imagen puede agilizar y facilitar la comprensión de normas y procedimientos. El cumplimiento regulatorio, y el de las políticas internas, se simplifica cuando los usuarios de negocio tienen la opción de acceder instantáneamente a gráficos donde las métricas que cuantifican los problemas de calidad, seguridad o gestión, entre otros, les informan sobre el coste de perder alineación.

Las herramientas de visualización para el gobierno del dato tendrán en 2017 un componente proactivo, que ayudará al usuario a iniciar la acción y resolver el problema de alguno de los modos propuestos por la misma solución.

La visibilidad proporcionada por estas herramientas se considera un paso fundamental para que una organización de gobierno pueda comunicar el impacto y la efectividad de los estándares de datos en los procesos de negocio. Es también una forma efectiva de ahorrar costes, -gracias a un mayor control de su gobernanza de la información, algunas entidades financieras de Wall Street consiguieron recortar en un año sus gastos asociados a litigios de 16,4 a 1, 2 billones de dólares-.

4. Cultura de datos y estrategia: La información corporativa es de vital importancia para cualquier gran empresa y fundamental para los informes corporativos son los datos limpios, especialmente los datos de referencia. Es necesaria una estrategia para iniciar el viaje de datos maestros. Para ello, en 2017 las empresas deberán comenzar centrándose en la gestión de datos para controlar y supervisar las acciones en torno al glosario de negocio, los informes, análisis, métricas, datos de referencia y las integraciones necesarias.

Simultáneamente, será preciso poner el foco en el objetivo final de un marco de gobernabilidad de datos empresariales corporativos donde sea posible disfrutar de un modelo combinado de gestión de datos, incluyendo datos de referencia, metadatos y datos maestros y en el que, además, se impulse la integración de datos multifuncionales entre las empresas operativas y las funciones empresariales a través de un almacén de datos corporativo.

Conclusión .

La data governance constituye una herramienta estratégica esencial para el manejo y gestión de las organizaciones. Un instrumento flexible y en continuo cambio que, asociado a la obligada transformación digital puede reportar beneficios relevantes en todos los ámbitos de la empresa, desde la reducción de costes, pasando por la seguridad, hasta la visibilidad y automatización de procesos.


Fuente: Lantares

Gestión de la información en la empresa:Arquitectura de datos, análisis y diseño

"La arquitectura de almacenamiento de datos es el arte y la ciencia de diseñar y construir el método por el que los datos serán almacenados en un ambiente informático".

Gestión de la información en la empresa: Arquitectura de datos, análisis y diseño.

La arquitectura de almacenamiento de datos puede aplicar ampliamente a una organización completa, o aplicar de forma muy estrecha al plan de persistencia para datos utilizado por el objeto de autorización en un subsistema de seguridad.

La mayoría de los usos para el término, sin embargo, se refieren al tratamiento general o a gran escala del almacenamiento de datos. Como la arquitectura estructural, una buena arquitectura de almacenamiento de datos involucra diseño de alto nivel, como la rendición del resultado final de un artista, y un trabajo de diseño muy específico que habla de los detalles técnicos finos de la implementación.

Primer principio.

Para ser conservadora fiscalmente y amistosa ecológicamente, una compañía no debe utilizar más dinero con más energía que la necesaria para almacenar y guardar su información. Usando esto cómo principio de diseño principal, una arquitectura de almacenamiento de datos efectiva coincide a las tecnologías más efectivas en costos para los varios requisitos de almacenamiento y conservación que la compañía pudiera tener. Esto significa que entender y documentar estos requisitos son componentes clave del arquitectura de almacenamiento de datos.

Segundo principio.

La mayoría de los datos son más valiosos cuando son nuevos que después cuando envejecen. La arquitectura de almacenamiento de datos, como disciplina, ha evolucionado este simple principio en el Manejo del ciclo de vida de la información (ILM, por sus siglas en inglés). Reconociendo el valor-tiempo de los datos, y desarrollando una arquitectura de almacenamiento de datos multi Tier, una organización puede cambiar cada pieza dada de datos, según envejece, a una tecnología de almacenamiento más efectiva en costos.

Arquitectura de datos y empresa.

Las soluciones y los proyectos que se implementan en la arquitectura de datos corporativa están tan relacionadas con el desarrollo y mantenimiento del Data Architecture, como éste lo está con la estrategia corporativa de gestión de datos.

La arquitectura de datos de la empresa debe desarrollar el modelo de datos del negocio y en su definición ha de comprender:

a. La configuración de la base de datos.

b. La forma de almacenamiento de los datos.

c. La arquitectura de Meta Datos.

d. El modelo o modelos de integración de datos.

Las pautas escogidas habrán de prever la alineación con otros modelos de negocio, así como una cierta flexibilidad que haga posible a la organización su desarrollo, sin poner trabas a su crecimiento que, en muchos casos, requerirá de una cierta adaptación a las circunstancias del mercado y sus demandas.

Gestión de datos: Modelos y calidad.

Cuando se sientan las bases de la arquitectura de datos que estructurará el esqueleto informativo de la compañía, no pueden perderse de vista ni las necesidades informacionales (presentes y futuras) de la misma, ni la calidad, en cuanto a los modelos de datos.

Los planes de desarrollo y mantenimiento, tanto de los modelos lógicos de datos, como de los físicos, y su especificación en ambos casos, requieren de una estrategia de gestión de la calidad con objeto de evitar menoscabos en un aspecto tan crítico.

La forma de proceder, en este punto de la definición de la estrategia corporativa de gestión de datos, se articula en torno a tres puntos:

1. Desarrollo de estándares, que apliquen al modelo de datos en todas sus perspectivas.

2. Revisión de la calidad del modelo de datos.

3. Administración de las versiones y procesos de integración del modelo de datos.

Procediendo de esta manera, y sin perder de vista el foco de la función de arquitectura de datos, que comprende el análisis de la cadena de valor, el modelado de datos y la arquitectura de datos relacionales; se puede integrar ésta de forma exitosa en el conjunto de la estrategia corporativa, siempre bajo las directrices que establece Data Governance.

Conclusión.

La arquitectura de almacenamiento de datos es la práctica de la comprensión y documentación de los planes para almacenar datos, es basándose en factores como el valor comparativo de los datos, el costo comparativo y la efectividad de varias tecnologías empleadas, y las limitantes físicas del equipo utilizado.

Una arquitectura de almacenamiento de datos de alta calidad articulará la aproximación de los datos almacenados en niveles de detalle de resumen y granulares para proveer la visión ejecutiva y la ingeniería mecánica del diseño.

Fuente: Paul Christian Nelis y Lantares