La analítica ha entrado de lleno en la vida del negocio. La empresa ya disfruta de visibilidad, tiene información en tiempo real, dispone de cuadros de mando integrales que le permiten hacer un seguimiento de cada área relevante y no necesita esperar a que los hechos comiencen a mostrar sus consecuencias para reaccionar, sino que puede prevenir. Pero los problemas de calidad de datos para analytics se empiezan a manifestar.
Créditos fotográficos: "Glass Globe" by suphakit73
A medida que se emplean los cuadros de mando, se empieza a notar un patrón emergente. Los datos de los nuevos informes no se ajustan exactamente a los datos que se venían utilizando en el pasado para tomar decisiones, aunque cuando se comparan con los sistemas de origen parecen reconciliarse.
Además, se empiezan a detectar problemas en calidad de datos para analytics por parte de los equipos:
Registros de clientes duplicados.
Diferencias temporales en los ingresos reportados entre el sistema contable y el sistema de línea de negocio.
Lagunas de información que afectan a distintos procesos.
La calidad de datos para analytics está afectada por problemas de raíz y así lo muestran las soluciones de análisis implementadas, que, al tener que recopilar datos a través de la organización y garantizar su disponibilidad a todos los niveles, sirve como un espejo que refleja las cuestiones de calidad de datos que existen.
Ante una situación así, la misma solución, en algunos casos, puede resolver algunos de estos problemas, sin embargo, no es factible resolver retroactivamente todos los que se detectan, todos los que existen, todos los que hay que resolver para evitar su propagación. El uso de los datos en cuadros de mando e informes se ve seriamente afectado y con ello la toma de decisiones.
La cuestión no es sencilla, mucho menos si se tiene en cuenta que la responsabilidad sobre la calidad de los datos reside en toda la organización, por lo tanto, requerirá un plan de acción que incluye a todos sus miembros. Para hacer frente a un desafío de este tipo es recomendable:
1. Identificar la causa raíz de los problemas de calidad de datos: la comprensión del resorte que da inicio a un problema de calidad de datos para analytics es el primer paso hacia su resolución. Para alcanzar este entendimiento hay que buscar entre las tres causas más comunes:
Conflicto de los sistemas de código.
Entradas duplicadas.
Aplicación inconsistente de las reglas de negocio.
2. Asignarla propiedad de los datos: la información es importante para la organización, los datos tienen un valor crítico y merecen ser atendidos correctamente. Para conseguirlo hay que nombrar responsables que actúen eficazmente y sepan administrarlos del modo correcto.
3. Estandarizar los procesos de datos corporativos: al definir adecuadamente los procesos que rigen la creación, gestión y consumo de activos de datos, una organización puede mejorar la calidad de sus datos de forma significativa.
4. Involucrar a toda la organización: reconocer la importancia del tratamiento de los datos y dictar normas a este respecto requiere de una actuación a gran escala que implica, por ejemplo, la creación de un ente encargado de dar solución a los problemas complejos que surjan en la interacción con los datos, apoyando a los diferentes usuarios de negocio y, por supuesto, a los propietarios del dato.
5. Implementar soluciones orientadas a la resolución y/o prevención de problemas específicos: como pueden ser las de gestión de datos maestros, herramientas de calidad de datos o aplicaciones de limpieza de datos, pero también la creación de un glosario de negocio o la automatización de la alimentación entre los distintos sistemas.
Post relacionados: