lunes, 12 de diciembre de 2016

Mejora la calidad de datos para aumentar la confianza en tus datos



Muchas empresas no tienen ni idea del nivel de calidad de datos de sus sistemas. Pero esto resulta ser algo especialmente necesario antes de emprender una iniciativa de gran envergadura, como puede ser la implementación de un Business Intelligence o una migración de datos. En estos casos tienes que estar muy seguro de la integridad y la seguridad de tus datos para generar la confianza necesaria.

No hay una forma clara de medir la precisión de los datos, pero estos necesitan estar limpios hasta el punto en el que se puedan reproducir los mismos resultados cada vez que se ejecute un informe con las mismas restricciones.

Necesitas una estrategia para mejorar la calidad de datos

Aunque a menudo se pasa por alto, tener una estrategia clara para el mantenimiento de la calidad de datos es fundamental para tu negocio. Los datos malos o erróneos, son obviamente un problema. Pero no solo eso, la simple falta de confianza en los datos puede también sabotear tu Business Intelligence u otras iniciativas relacionadas.

Mucha gente a cargo de proyectos relacionados con los datos, suelen fallar en tener en cuenta el proceso en sí mismo. ¿Quién es el responsable de identificar los problemas en los datos para gestionar y revisar errores, arreglarlos y clasificarlos?

Para contrarrestar estos problemas, y generar confianza en los datos y en las decisiones que estos impulsan, tu estrategia de calidad de datos debería tener en cuenta:
  • Quién puede ver y manipular los datos
  • Cómo se actualizan y limpian los datos
  • Cómo se verifican la exactitud de los datos
  • Quién es responsable de los datos
  • Cómo se integran los datos en un master data

Cuadro de mando de calidad de datos: una herramienta útil para muchos objetivos

Es bastante sencillo construir una estrategia de calidad de datos utilizando una herramienta de visualización de cuadro de mando, y vale la pena hacerlo. Estas son algunas razones:

Para mostrar la calidad y validez de tus datos

Cuando los usuarios utilizan cuadros de mando para visualizar análisis de datos que son de su interés, raṕidamente sabrás si los datos son de calidad. Si los usuarios no tienen confianza en los datos, no habrá nuevas solicitudes de análisis y cuadros de mando. Pero si los datos son confiables, y los usuarios confían en que lo son, habrá una corriente de solicitudes de mejora. De hecho, el que haya nuevas solicitudes de los usuarios son un buen indicador de la salud y la confianza en los datos.

Para mostrar los progresos en limpieza y gestión de datos

Midiendo contra un conjunto de métricas de calidad, se puede seguir el progreso y fomentar el buen funcionamiento.

Para mostrar cómo se usan los datos

Si se desea que los responsables de la toma de decisiones inviertan en herramientas de calidad de datos, es fundamental mostrar cómo los usuarios reales están interactuando con los datos. Eso también ayuda a ver qué herramientas de análisis son inversiones útiles para una organización.

Herramientas de limpieza de datos: uso efectivo y limitaciones

Se debe invertir en una herramienta de limpieza de datos que pueda solucionar, tal vez, el 80% de las inconsistencias de los datos mediante la automatización de la limpieza o la configuración de campos de entrada de datos, para tener una variación limitada. Por ejemplo, la colocación de límites en la cantidad de números en los códigos postales o incluso comprobar los códigos contra una base de datos para tener una mayor precisión.

A medida que los datos se cargan en las bases de datos, o cuando ya están almacenados, se puede desencadenar un proceso para validar los datos contra una base de datos de conocimiento. Los campos y registros que no pasan las reglas de validación se corrigen automáticamente usando reglas de acción o marcandolos para una revisión manual por expertos en la materia.

Esto significa que se necesita un administrador de datos humano que mantenga y aumente esa base de datos de conocimiento a través del tiempo, sobre la base de su comprensión del negocio. El administrador de datos puede que no sea un puesto a tiempo completo pero debe ser una parte interesada del negocio. Además de mantener las reglas, el administrador debe abogar por la gobernanza de datos y las mejores prácticas.

Por ejemplo, si un equipo de ventas utiliza un CRM, el administrador de datos periódicamente debe revisar los datos para descubrir patrones y valores extremos en las entradas de datos, y pensar en lo que eso significan para su organización. Puede encontrar convenciones de nomenclaturas superpuestas para sus líneas de negocio que generan datos segmentados y requieren mucho tiempo de integración manual, lo cual no es solo tiempo perdido sino que permite una gran variación de resultados.

Conclusión

No fuerces que tu organización adopte inmediatamente cada nueva tecnología o herramienta. Necesitas un programa de calidad de datos sólido como base para obtener datos sólidos. Una plataforma de datos en la que se invierte, debe ser flexible, extensible y responder a las necesidades del negocio. Construye una buena base, mira las características que la plataforma soporta y cómo mejorar los procesos de negocio y las iniciativas estratégicas, adoptando a la vez una cultura de experimentación.

No hay comentarios.:

Publicar un comentario