cerrar-sesion editar-perfil marker video calendario monitor periodico fax rss twitter facebook google-plus linkedin alarma circulo-derecha abajo derecha izquierda mover-vertical candado usuario email lupa exito mapa email2 telefono etiqueta

Gestión de la Calidad de Datos para Business Intelligence (y II)

Escrito por Redacción en Artículos
no hay comentarios Haz tu comentario
Imagen de logotipo de facebook Imagen de logotipo de Twitter Imagen de Logotipo de Google+ Imagen de logotipo de Linkedin

Cuadros de mando y tablas de resultados

Los cuadros de mando y las tablas de resultados están siendo ampliamente adoptados a medida que se incrementa la demanda de los usuarios por una visión global de los indicadores para la monitorización contable, operacional y de rendimiento. Con gráficos, diagramas e indicadores visuales, estos mecanismos de suministro ayudan a hacer un seguimiento de las métricas de rendimiento y a notificar al personal las tendencias y decisiones que pueden ser necesarias. Los elementos de los datos requeridos para suministrar estas visiones integradas normalmente cruzan múltiples divisiones y disciplinas, y necesitan actualizarse completamente para ser eficaces.

La calidad de datos impacta en los usuarios de los cuadros de mando y tablas de resultados, que deben ser capaces de:

– Consumir y actuar, rápidamente, sobre datos completos en los indicadores y marcadores de los cuadros de mando.

– Lograr una visión integrada y colaborar utilizando datos estandarizados.

– Aprovechar una metodología formal de tablas de resultados con datos consistentes.

– Profundizar para ver datos precisos sobre el rendimiento a nivel grupal e individual.

– Identificar procesos de negocio que estén generando tendencias relevantes, con la mínima duplicación de los datos.

– Derivar linajes y realizar análisis interrelacionados a través de los datos validados.

Reporting empresarial

El reporting empresarial proporciona a los individuos, a todos los niveles de la organización, una amplia gama de reporting operacional y de todo tipo procedente de los sistemas ERP, CRM, PRM, facturación, etc., a lo largo de toda la empresa. La distribución de los informes es extensa, y la compensación y otros programas de incentivos suelen estar ligados a los resultados incluidos en estos informes.

La calidad de los datos impacta en el reporting empresarial en que las organizaciones deben:

– Navegar por múltiples informes e imprimirlos en múltiples formularios que agregan los datos procedentes de fuentes dispares.

– Seleccionar una variedad de parámetros y personalizar los informes para los usuarios con datos normalizados

– Presentar múltiples tablas y gráficos con datos reconciliables a lo largo de una variedad de métricas de rendimiento.

– Permitir que los usuarios de negocio creen sus propios informes sin implicación de IT con datos de alta fidelidad.

– Reducir las comprobaciones y auditorías manuales con datos limpiados y comparados para la gestión de la conformidad.

– Expedir facturas y declaraciones contables directamente desde el reporting BI, utilizando datos contables íntegros.

Análisis de cubos/OLAP

OLAP permite a los usuarios “recortar” conjuntos interrelacionados de datos, o “cubos”, interactivamente y on the fly. Por ejemplo, los usuarios pueden preconstruir las ventas por región para períodos de tiempo específicos, rendimiento por producto, rendimiento por personal de ventas, etc. Las funcionalidades de OLAP, como la navegación up/down, por clase, filtro y página pueden utilizarse para suministrar detalles subyacentes sobre el rendimiento. Los cubos de análisis pueden ayudar a los usuarios a conducir análisis de partida y compartir los conocimientos con el grupo para una valoración completa. Esto ayuda a poner en marcha una valoración en profundidad utilizando el acceso a los data warehouses y otros repositorios en lugar de recurrir a funcionalidades de análisis más avanzadas.

La calidad de datos impacta en el análisis OLAP puesto que los usuarios y sus organizaciones necesitan:

– Navegar por cualquier dimensión para una investigación en profundidad con un completo acceso a los datos “target”.

– Sencillas manipulaciones OLAP para cualquier subconjunto de dimensiones con datos bien formateados y conformes.

– Minimizar el reporting conflictivo y garantizar la interactividad con objetos de datos consistentes y subyacentes.

– Realizar análisis oportunos, dirigidos por el usuario, con datos correctos en múltiples dimensiones.

– Suministrar datos actualizados y sincronizados para manejar los datos a nivel transaccional en el análisis de cubos.

– Garantizar la seguridad de los datos cuando se permite a los usuarios crear y mantener los datos de cubos a lo largo de los data warehouses.

Análisis avanzado/predictivo

El análisis avanzado y predictivo capacita a los usuarios más experimentados a investigar y descubrir los detalles detrás de información específica sobre el rendimiento del negocio, excediendo probablemente los límites típicos del Análisis OLAP. El enfoque puede implicar análisis estadístico avanzado y capacidades de minería de datos. Para dirigir las decisiones proactivas y mejorar las posturas frente a amenazas potenciales del negocio, el análisis predictivo puede incluir la prueba de hipótesis, previsión de incidencias, predicción del suministro y la demanda y calificación de clientes. El modelado predictivo puede utilizarse para anticipar diversos eventos de negocio y los resultados asociados.

La calidad de datos impacta en el análisis avanzado y predictivo, puesto que los usuarios buscan:

– Crear criterios de filtrado de informes en cualquier elemento de los datos para elaborar informes personalizados.

– Buscar patrones y conocimientos predictivos por formatos de datos estandarizados para promover la toma de decisiones proactiva.

– Lograr confianza en el hallazgo de tendencias interdependientes y los resultados esperados gracias a datos consistentes.

– Emplear regresión de múltiples variantes y otras técnicas sobre datos precisos para lograr mejores predicciones

– Personalizar las agrupaciones de datos con los mínimos conflictos sin duplicación de datos.

– Probar hipótesis y usar funciones estadísticas, financieras y matemáticas con datos certificados.

Notificaciones y alertas

Utilizando el correo electrónico, los navegadores, los servidores e impresoras en red, PDAs o portales, las notificaciones y alertas son utilizadas para compartir información de forma proactiva a lo largo de una amplia variedad de puntos de contacto del usuario. Con el suministro oportuno de la información objetiva, los principales accionistas y responsables de la toma de decisiones pueden identificar áreas potenciales de oportunidades y detectar áreas problemáticas sobre las que actuar. Este mecanismo de suministro de BI “de primera línea” mantiene a la organización alineada y al corriente de los riesgos y oportunidades de negocio, mientras que los eventos están todavía recientes y son significativos para justificar las respuestas oportunas.

En esta área, la calidad de los datos impacta en las organizaciones ya que éstas se esfuerzan por:

– Distribuir las alertas a un amplio rango de puntos de usuario desde cualquier fuente de datos.

– Garantizar un alto movimiento para una gran variedad de tipos de suscripción sobre conjuntos de datos estandarizados y no conflictivos.

– Permitir a los usuarios abrir archivos adjuntos o entrar en vínculos mientras presentan datos consistentes e integrados.

– Mitigar el riesgo de distribuir alertas y notificaciones incorrectas con una calidad de datos pre-definida y aprobada.

– Permitir desencadenar alertas en tiempo real cuando múltiples datos de eventos cumplen umbrales específicos

– Aprovechar los datos autentificados para la personalización del contenido y la filiación de grupos.

Técnicas para monitorizar y gestionar la calidad de datos de punto a punto

La mejora de la calidad de los datos puede tener beneficios multiplicadores para el BI, puesto que la mayoría de las organizaciones despliega una combinación de esta variedad de estilos de BI. Esta es la razón por la que un programa de BI exitoso debe incluir un componente para la gestión de la calidad de datos de forma programática y dirigida por métricas. Mantener la integridad de los datos a lo largo de equipos distribuidos por todo el ciclo de vida de los datos es necesario para cumplir los objetivos de cumplimiento normativo y de gobierno corporativo. Y para garantizar la confianza en la calidad de los datos de la empresa, los flujos de información y de relaciones deben ser auditables y trazables. Por estas y otras razones, la calidad de los datos se gestiona mejor como parte de una arquitectura de integración de datos en toda la empresa, con el resultado de que la monitorización y gestión de la calidad de datos complementan al ciclo de vida del acceso, integración, transformación y suministro de los datos.

Como parte de un programa de calidad de datos, las organizaciones necesitan establecer o reestablecer una metodología de calidad de datos como se ilustra a continuación (Figura 2).

La mejora de la calidad de datos puede enfocarse como un ciclo vivo. Para empezar, el perfilado de datos (1) es un elemento clave en el alcance de las iniciativas globales de calidad de datos –le permite determinar el contenido, estructura y calidad de las estructuras de datos complejos y descubrir inconsistencias e incompatibilidades ocultas entre las fuentes de datos y las aplicaciones objetivo. Establecer métricas y definir objetivos (2) ayuda a ITy al negocio a medir los resultados de los esfuerzos de calidad de datos como parte de una iniciativa de BI. El diseño e implementación de las reglas de calidad de datos (3) ayudan a definir y a medir los objetivos y criterios para la calidad de datos. Como se detalla a continuación, integrar las reglas y actividad de calidad de datos (perfilado, limpieza/comparación, rectificación automática y gestión) con los procesos de integración de datos (4) es crítico para mejorar la precisión y el valor de los activos de datos.

Revisar las excepciones y reajustar las reglas (5) se acomete mejor como esfuerzo conjunto que implique a los miembros de los equipos clave y responsables de BI. En muchos casos, los expertos en BI tienen un control limitado sobre los procesos de negocio y los sistemas operacionales, lo que provoca una pobre calidad de los datos, por lo que es importante implicar a los principales responsables y directivos de toda la organización en la documentación de los problemas de calidad de datos, y en el lanzamiento de un programa formal de calidad de datos. Y, finalmente, la monitorización proactiva de calidad de datos (6) a través de cuadros de mando y notificaciones en tiempo real está también convirtiéndose rápidamente en una buena práctica estándar. Los responsables del BI por si mismos, si se implican en el proceso de calidad de datos como deberían, pueden disponer de las herramientas necesarias, puesto que conocen mejor los niveles de calidad que sus datos precisan.

La arquitectura de integración de datos

Con la necesidad de gestionar la calidad de datos de principio a fin, han emergido nuevos planteamientos sobre las arquitecturas para la calidad de datos. Muchas organizaciones líderes están implementando la calidad de datos como parte de sus arquitecturas para la integración de datos en toda la empresa. Este enfoque ofrece numerosas ventajas.

Una de ellas, que unos cimientos de integración de datos en la empresa permiten la identificación, acceso, transformación, reconciliación semántica, gestión y suministro de los datos empresariales de forma segura, consistente y oportuna. Con este enfoque, IT es capaz de reutilizar la lógica del acceso, transformación y calidad de datos a lo largo de múltiples entornos de BI y de otro tipo, reduciendo de este modo el tiempo necesario para implementar nuevos proyectos de BI o suministrar mejores funcionalidades.

Otra ventaja clave es la capacidad para aprovechar un entorno único para la gestión de los cambios y el análisis de impactos. La estructura de integración de datos empresariales, con esta infraestructura base de metadatos, contiene la información relativa a las relaciones y linajes entre datos que IT puede aprovechar para realizar una gestión eficaz de los cambios.

Finalmente, una infraestructura de integración de datos en toda la empresa es capaz de apoyar a los usuarios que requieran los datos con diferentes niveles de latencia –por lotes, en tiempo real o casi en tiempo real. Puesto que los procesos de negocio evolucionan y las empresas pasan de los tradicionales sistemas de soporte a la toma de decisiones y de ahí a una toma de decisiones más operacional que requiere un BI también operacional, la capacidad para soportar estas latencias diversas continúa ganando importancia.

Conclusión

Los datos oportunos y precisos utilizados por las aplicaciones de BI son críticos en el trabajo de muchas organizaciones. Sin las estructuras para suministrar y actuar de forma consistente sobre datos de confianza y alta calidad, los sistemas de BI pueden verse amenazados y las organizaciones ver socavada su capacidad para valorar el estado real de la salud de la organización y emprender las acciones apropiadas para dirigir su negocio y competir eficazmente. Al adoptar un enfoque de calidad de datos en toda la empresa, los estrategas y arquitectos de la solución de BI pueden diseñar e implementar los cinco estilos de BI dominantes, incluyendo los cuadros de mando, los análisis detallados y las alertas bajo demanda con mucha mayor confianza.

Las soluciones de calidad de datos pueden también aprovechar las sinergias con los procesos y soluciones de integración de datos existentes en la empresa, con capacidad para acceder y gestionar todo tipo de datos maestros en un enfoque dirigido por métricas. Los resultados pueden ser muy superiores frente al uso de una tecnología tradicional de calidad de datos, normalmente limitada a la limpieza de los datos de clientes.

El despliegue exitoso de la calidad de datos a este nivel realmente empresarial ayuda a una organización a maximizar los retornos sobre sus inversiones de BI, mediante la mejora de su capacidad para aprovechar el BI para impulsar la ventaja competitiva y el liderazgo de mercado. 

Juan Oñate, director general para Iberia de Informatica.

Etiquetas

Noticias relacionadas

Comentarios

No hay comentarios.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

Debes haber iniciado sesión para comentar una noticia.