Calidad de los datos: el punto de inflexión (Parvathy Menon)

“Los datos son algo precioso y durarán más que los propios sistemas”. Entonces dijo

Tim Berners-Lee, el inventor de la World Wide Web. 'Precioso' siempre que los datos sean realmente confiables y de calidad asegurada y consistente. Y los clientes, indiscutiblemente, han reconocido el hecho de que la calidad de los datos forma la base de todas sus iniciativas impulsadas por la gestión de datos y el análisis.

Pero entonces, ¿por qué todo el furor en torno a la calidad de los datos y el rastro de emprendimientos a su alrededor? . Lo que desconcierta a los clientes la mayoría de las veces es la enormidad de los puntos de control en todas y cada una de las etapas del ciclo de vida de los datos. Con una variedad de soluciones de gestión de datos que el cliente tiene dentro de su entorno de sistema, a saber. Almacenes de datos, data marts, soluciones de gestión de datos maestros, lagos de datos y similares, parece haber cierto nivel de incertidumbre y escepticismo sobre el enfoque de la calidad de datos.

Y si uno tuviera que observar la extensión del ciclo de vida de los datos, los problemas de calidad pueden surgir potencialmente en todas y cada una de las coyunturas, desde la fuente hasta el ETL o cualquier transformación de software intermedio a los almacenes de datos consolidados y lagos de datos del mundo y hasta finalmente atrapa al usuario final o al cliente en alguna forma de análisis de informes, pantalla de usuario, etc. ¡y es kaboom!

Entonces, entre la variedad de datos y sistemas que existen dentro de las empresas, ¿existe alguna regla estricta sobre dónde y cómo abordar el demonio de la calidad de datos? Bueno, mucho, mucho en la mayoría de nuestra lista de deseos. pero entonces, si los deseos fueran caballos... El único propósito de un programa de calidad de datos debe ser garantizar que los datos sacrosantos estén disponibles para todos los procesos comerciales aplicables, ya sean consumidores internos o externos.

Aquí hay una lista de pautas clave que pueden ayudar a orientar la visión de calidad de datos de su organización:

Categorice y priorice sus datos:

Entre los diversos tipos de datos disponibles, a saber. Datos maestros, datos transaccionales/operativos, datos de referencia, datos analíticos, podría haber una necesidad apremiante de limpiar los datos dentro de los límites de los sistemas operativos o analíticos, ya que es lo más cercano donde los usuarios acceden/utilizan sus datos, pero llamando a eso un una solución a corto plazo sería un eufemismo, porque después de todo, uno solo está lidiando con el problema tal y como se presenta y no abordando realmente su núcleo. Más bien, lo que tiene más sentido es observar la categoría de datos que de hecho se está utilizando en toda la empresa y que no sería otra que sus entidades comerciales maestras de Cliente, Producto, Proveedor, Empleado, Activos y Ubicación, etc. Por lo tanto, limpieza, enriquecimiento Los procesos de coincidencia y supervivencia aplicados a los datos maestros se pueden usar para crear la mejor versión del registro maestro y, por lo tanto, brindar una vista única, unificada y consistente de sus entidades comerciales clave.

 Aplique las comprobaciones al principio del ciclo de vida:

Limpie los datos lo más cerca posible de la fuente y ahora esa es una mejor práctica fundamental y, por supuesto, un caso de basura que entra y sale. Siempre es una mejor estrategia para abordar los problemas de calidad de los datos lo más cerca de la fuente o en la fuente en sí, ya que eso puede ahorrarle mucho esfuerzo y gastos. Y por mucho que pueda intentar limpiar y estandarizar los datos en sus sistemas de origen, preferiría realizar comprobaciones antes de la entrada para evadir la necesidad de una limpieza posterior.

 Diferentes Problemas Diferentes Latencias:

Ciertos procesos críticos con la organización de uno pueden requerir controles de calidad de datos en tiempo real que son inevitables para evitar cualquier actividad fraudulenta o duplicada. Ejemplo siendo cualquier transacción bancaria. A diferencia de un proceso de menor impacto comercial. En ambos casos, por mucho que uno pueda aplicar los principios de gestión de calidad de datos, uno debe reconocer las necesidades urgentes frente a las demás y abordar la tarea en consecuencia.

Inclusión empresarial en cada etapa:

La participación de las partes interesadas del negocio durante el viaje de calidad de datos no puede ser más enfatizada. Desde el inicio del viaje de DQ, también conocido como evaluación de la calidad, hasta la limpieza y desduplicación de los datos, se espera un alto nivel de participación del lado comercial. Y no hace falta decir que el compromiso empresarial y el patrocinio del programa de calidad de datos explican la probabilidad de su éxito.

 Establezca un proceso de remediación de circuito cerrado:

Esta actividad continua de evaluación, limpieza y organización garantizará que los datos sean adecuados para su propósito y uso en todo momento, en lugar de realizar una actividad única o como represalia por un informe de error o una escalada.

 Adopte Sprints ágiles:

Uno puede llamar a la combinación de Agile y DQ una combinación perfecta. Adoptar un enfoque ágil en su programa de calidad de datos puede ayudar a reducir en gran medida la latencia que surge de los comentarios retrasados ​​de las partes interesadas. Un enfoque ágil en DQ ayuda a acelerar todo el proceso, ya que las partes interesadas comerciales pueden desempeñar el papel de gerente de producto y, además, dado que el sprint se centraría en un área comercial en particular, permite un análisis más rápido y, por lo tanto, resultados más rápidos (leer valor en Agile)

 Aproveche los conjuntos de herramientas:

Capturar grandes cantidades de datos de sistemas dispares e intentar analizar los datos para desbloquear su verdadero valor puede resultar una tarea bastante ardua para los analistas, ya que el proceso no solo es engorroso manualmente, sino que también es ineficiente y propenso a errores. Con una plétora de conjuntos de herramientas disponibles para la creación de perfiles y la limpieza de datos, la disputa de datos, es imperativo que las empresas inviertan en el tipo correcto de herramienta, lo que les permite brindar información valiosa de la manera más óptima.

Un enfoque continuo en la calidad de los datos vale cada centavo de la inversión, ya que no solo ayudará a inculcar la confianza de la empresa en los datos, sino que también ayudará a cosechar los beneficios de todas las demás soluciones empresariales existentes. 

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
• Fuente: https://www.finextra.com/blogposting/23987/data-quality–the-tipping-point?utm_medium=rssfinextra&utm_source=finextrablogs