Cap 4 - 1

EL CAPTULO 4
Gestin de datos empresariales
Introduccin
Estamos entrando en un nuevo mundo en el que los datos pueden ser ms
importantes
De los programas informticos. (Tim O'Reilly)
Los datos de la empresa es el mbito en el que la mayora de las veces necesita atencin en
relacin
con
Anlisis de procesos de negocio. En los procesos de negocios, los datos constituyen la base
Para la mayora de las acciones realizadas. Por lo tanto, si los datos utilizados en los procesos de
negocios
De
la
no
calidad
los
procesos
de
negocio
no
son
ser
eficiente.
Antes
de
empezar
En el debate de la calidad de los datos y los criterios para asegurar la calidad de los datos,
En
primer
lugar,
la
distincin
entre
datos,
informacin
conocimiento.
Sub
Por consiguiente, la naturaleza de los datos de la empresa, que es el enfoque principal de este
libro,
se
define.
En tercer lugar, la importancia de la calidad de los datos se pone de manifiesto. Para obtener an
ms
Comprensin detallada de la cuestin, el concepto de la calidad de los datos se despliega en
La seccin siguiente. Por ltimo, el captulo se explica cmo evaluar los datos qual
La autoridad y la forma de garantizar la alta calidad de los datos.
Los datos, la informacin y el Conocimiento

Los datos se encuentra en el nivel ms bajo de abstraccin de que la informacin y el conocimiento
Se derivan. Aunque en general se est de acuerdo sobre el significado de los datos, difieren
Arc se ent definiciones, como por ejemplo:
Arco] [Datos un conjunto discreto de datos objetivos acerca de los eventos.
(Davenport
Y Prusak, 1998)
Los datos representan observaciones o hechos fuera de contexto, y por lo tanto
Directamente no significativo. (Zack, 1999)
Con frecuencia, los trminos "datos" y la informacin se utilizan indistintamente, pero que ser
GESTIN DE DATOS EMPRESARIALES
Contrario a los datos. En cuanto a los datos, hay un acuerdo general sobre el significado de la
Trmino "informacin", cabaa diferentes formulaciones de sus definiciones, tales como:
[Informacin] es un mensaje, por lo general en forma de un documento o un
Comunicacin audibles o visibles.
Informacin est destinada a cambiar la forma en que el receptor percibe
Algo, para tener un impacto en su sentencia o comportamiento. (Dav
Enport y Prusak, 1998)
La informacin es un flujo de mensajes. (Nonaka y Takeuchi, 1995)
La transformacin de los datos en informacin ha sido definida como:
Informacin sobre los resultados de la colocacin de los datos en algunas
significativas
Contexto, a menudo en forma de un mensaje (Zack, 1999)
[La
transformacin
de
datos
en
informacin
es
cuando
los
datos
son]
Presentado de una manera determinada en relacin con un contexto particular de

Accin (Newell et ah, 2002)
En
contraste
con
los
"datos"
la
"informacin",
el
significado
de
la
expresin
"Conocimiento", se ha discutido mucho y todava lo es. Una definicin popular de experien

Edge es proporcionado por Davenport y Prusak:
Conocimiento
es
una
mezcla
fluida
de
experiencia,
valores,
contextu
Al informacin y conocimientos especializados que proporciona un marco para

Evaluar
Origina
A
e
y
incorporar
nuevas
aplica
la
se
menudo
est
Conservadores
en
contenida
sino
experiencias
mente
no
tambin
de
slo
en
en
las
knowcrs.
los
informacin.
En
las
organizaciones,
documentos
rutinas,
Que
procesos,
repositorio
prcticas
Las normas. (Davenport y Prusak, 1998)

En literatura sobre el tema de la gestin, muchos en Platn la definicin de conocimiento como
"Justificado
Et
ah
creencias"
(2001)
que
(Newell
aplican
et
esta
ah,
2002).
definicin
Por
ejemplo,
tradicional,
esto
pero
con
se ve
un
en Nonaka
nfasis
en
la
"Justificada" en lugar de "verdad como encontrar la veracidad aspecto demasiado absoluta,

Estticos
no-humanos
para
tratar
la
dinmica,
humanista
dimensin
relativa
Las disposiciones del conocimiento. Por lo tanto, trabajan con una definicin de conocimiento como
dy
NAMIC justificacin de creencias personales hacia la "verdad".
En el otro extremo
De la escala, el punto de vista del conocimiento se encuentra que es menos disimulamos y

Relacionados con accin personal. Tsoukas y Vladimirou (2001) proporciona una definicin
Con ese tipo de enfoque:
OPTIMIZACIN
NEGOCIO
DE
LOS
PROCESOS
DE
Conocimiento es la habilidad individual para establecer distinciones dentro de un

El dominio de accin colectiva, sobre la base de una apreciacin del contexto o
Teora, o ambos.
La
figura
4.1
ilustra
la
relacin
entre
datos,
informacin
conocimien
Borde. Como se ha visto, cuando los datos se colocan en un contexto y se les da lo que significa
que
se
Llegado
informacin.
La
definicin
del
conocimiento
utilizado
en
la
figura
es
algo
Personales y relacionadas a la accin. La consecuencia de la figura 4.1 es que los datos

De
una
empresa
son
de
mala
calidad
por
lo
que
la
informacin,
al
final,
El conocimiento de una empresa. Especialmente en el conocimiento de las empresas de gran

intensidad,
esta
Causalidad puede ser sumamente desafortunada, y, por tanto, una especial atencin en la calidad
de
los
datos
Se llama.
Una Contextualizacin Predisponentes

Y la atribucin de la persona hacia
Esto es, a la accin
Figura 4.1 La relacin entre los datos, la informacin y el Conocimiento
Los datos de la empresa

Hay
muchos
tipos
de
datos
que
sean
pertinentes
en
diferentes
contextos.
En
este
El captulo, el enfoque principal est en "los datos de la empresa". Los dos tipos ms relevantes de
Los datos de la empresa son los datos maestros y datos de las transacciones. Los datos maestros
son
los
ba
Sic caractersticas de las instancias de las entidades de la empresa, como clientes, productos
Y proveedores. Por lo general, los datos maestros se crean una vez y utilizar muchas veces y no
No cambian con frecuencia. Datos Maestros es por ejemplo nmero de cliente, el cliente
Nombre, ID. de empleado, direccin del proveedor, etc. describir los datos de la Transaccin
Eventos en la empresa, y cada registro de transaccin tiene una dimensin de tiempo, un valor
Y las referencias a otros datos. Estos eventos pueden ser: una orden de compra llega,
Se paga el sueldo mensual a un empleado, la factura se enva a un cliente, etc.
Los datos de la empresa se puede considerar en dos niveles abstraccin, "modelos de datos y
los
datos
Los valores". Un modelo de datos es una definicin de las entidades (clases), sus atributos (buen
Vnculos), y en las relaciones interpersonales. Un ejemplo de una entidad es "empleado", que
pudiera
albergar
Los atributos 'id', 'nombre', 'fecha de nacimiento', 'direccin', etc. El empleado podra
Tiene una relacin a la entidad, "proyecto de ERP", lo que implica que el empleado est
Participan en este proyecto. El valor de los datos para el empleado atributo "ID" podra ser
" 01-77 -98 ".
La Figura 4.2 muestra un ejemplo de un modelo de datos. Como se observa, para cada atributo,
El tipo de datos se indica (p. ej., carcter (char) o se indica si se trata de una para
Extranjeros, es decir, un atributo que pertenece a otra entidad. Tambin las relaciones
Entre
las
entidades
Uno-a-muchos
se
muestran.
pedidos,
cada
En
pedido
el
ejemplo
puede
tener
actual,
un
un
cliente
cliente
puede
uno-a-muchos
tener
fin
Las lneas, para cada lnea de orden tiene un fin y un tema, y cada elemento est relacionado con
De cero a muchas lneas de orden.
Fin
OrderLine
OrderlD: char(12)
OrderLinelD: char(12)
OrderNumber: integer(8)
1 1.. *
OrderlD (ForeiQnKevl
*W1'V'VM *11 ^VI J
CustomerlD {representan
ForeignKey}
ItemID} {representan ForeignKey
Creado: fecha
UneNumber: integer(3)
1.. *
0.. *
El Cliente
Tema
CustomerlD: char< 12)
ItemID: char< 12)
Su nmero de cliente: char(8)
l: char(8)
CompanyName: char(30)
ItemName: char(30)
ContactPersonName: char(40)
Descripcin: char(100)
AdressLine 1:char< 30)

AdressLine 2:: char< 30)
Ciudad: char< 20>
Direccin postal: char(10)
Pas: char(20)
Figura 4.2 : Ejemplo ol un modelo de datos
Cuando los datos se almacenan valores, se convierten en registros de datos. Normalmente, los
registros
se
Almacena en tablas en una base de datos. La Figura 4.3 muestra un ejemplo de una tabla de los
elementos.
Como se ha visto, el nombre de la tabla es "elemento", y que tiene las columnas "ItemID", ItemNumBer', 'ItemName", y "Descripcin".
Cada vez que un nuevo tema, se genera una nueva
Se crea un registro con los datos pertinentes.

Tema
ItemID
ItemName
A0000001
45
Tornillo 45 mm
A0000002
46
Tornillo 50 mm
A0000003
47
Tornillo 55 mm
A0000004
48
Tornillo 56 mm
Figura 4.3: Ejemplo de registros de datos en una tabla
Descripcin
Registros
OPTIMIZACIN
NEGOCIO
DE
LOS
PROCESOS
DE
Los datos almacenados pueden ser de naturaleza ms discutible que los datos de ejemplo
En la Figura 4.3 , es decir nmeros y nombres. Los datos pueden tambin, por ejemplo describir
Tiempos de funcionamiento, valoraciones de los clientes, que son los datos de un menos exacta
Naturaleza. Aunque estos datos estn basados en la observacin de la realidad, todava pueden
Ms o menos en correspondencia con la realidad. La figura 4.4 ilustra esta posibleIncompatibilidad
entre
el
mundo
real
(RW)
lo
que
se
puede
inferir
de
informa
De los datos del sistema. Como se ve, los datos se representan en un sistema de informacin
basado
En
la
percepcin
del
mundo
real.
Tales
percepciones
pueden
diferir
dif
Distintos aspectos relevantes se pueden encontrar y, por tanto, incluido. Cuando los datos de una
Sistema de informacin son interpretados, el usuario obtiene una vista del mundo real basado
Por lo que sugieren los datos. Pero a causa de las diferentes interpretaciones del real
Mundo, la perspectiva en el mundo real deducido a partir de los sistemas de informacin
Pueden no corresponder a los usuarios ver en el mundo real, y una falta de coincidencia
Se produce. Por lo tanto, cuando se utiliza este tipo de datos, esto debe hacerse de manera crtica
En lugar de fe ciega en todos los datos necesariamente dar una imagen exacta de la realidad.
Figura 4.4 : Posibles deficiencias en los datos

Fuente: Varita mgica y W ang < 1996)
La importancia de la calidad de los datos

Los datos se crean y se utilizan en todas las operaciones diarias, los datos son insumos esenciales
en
Con respecto a casi todas las decisiones, y datos implcitamente definen en trminos comunes
Una empresa. En otras palabras, los datos son utilizados en todos los niveles de la empresa. IBM
ha
Un
modelo
Modelo".
para
ilustrar
esto,
el
llamado
"informacin
comercial
madurez
Fhe modelo define cinco niveles de la gestin de datos, y se puede utilizar para
Apoyo a actividades encaminadas a un mejor uso de los datos de la compaa. El modelo se

muestra
En la Figura 4.5 . Como se ve, el enfoque de los datos en el nivel ms bajo es de una pera
Perspectiva internacional. En el siguiente nivel, los datos y la informacin se utiliza para administrar
el
Convertirse en un activo estratgico, es decir, algo de valor para la competitividad de las

Empresa. En el siguiente nivel, la informacin o los datos permiten la innovacin, es decir, una
forma
De conocimientos especiales. Por ltimo, en el nivel superior, la informacin o los datos son lo que
dan
La empresa una ventaja competitiva, y por lo tanto, a menudo necesitan ser protegidos
Informacin como un
Contra los agentes externos.
Empresa
Factor diferenciador de la
Adaptable
Rendimiento
competencia
Informacin que permita
Informacin
Innovacin
activada
Innovacin empresarial
Informacin como un
Informacin en
Activo estratgico
Creciente
Contexto
Funcional
empresarial.
Vencimiento
Informacin para gestionar
Informacin
La empresa
Interaccin
bsica
Centrarse en los datos y

Informes
Figura 4.5 : Datos Los niveles de madurez

Fuente: Basado en Vayghan et al. (2007)
Puesto que los datos se utilizan en casi todos los procesos de una empresa, la mala calidad de los
datos
(p.
Inexacta
Rendimiento
incorrecta)
de
la
obviamente
empresa.
tienen
Hay
un
varios
ej.
importante
tipos
de
impacto
negativo
consecuencias
en
la
negativas
De los pobres datos maestros, tales como (Redman, 1998; Kahn et al., 2002):
Menor satisfaccin del cliente
Mayor coste de funcionamiento
Ineficiente los procesos de toma de decisiones
Menor rendimiento
Menor satisfaccin laboral de los empleados
Los recursos que se dedican a detectar y corregir los errores.
Debido al amplio uso de los datos de casi todos los procesos, los datos constituyen un sig
Contribuyente significativo a la cultura de la empresa. Mala calidad de la informacin implica que
Es
imposible
construir
confianza
en
los
datos
que
implica,
una
vez
La falta de aceptacin por parte del usuario de todas las iniciativas basadas en esos datos.
ms
OPTIMIZACIN
NEGOCIO
DE
LOS
PROCESOS
DE
Expertos de la industria como Gartner Group, Price W aterhouse Coopers y El Data W arehousing Institute
Ha realizado estudios de la calidad de los datos en las empresas. Sobre esta base, que pretenden identificar una crisis en lo s datos
Gestin de la calidad y resistencia de los responsables de la toma de decisiones para hacer lo suficiente sobre l (Marzo,
2005). Marzo (2005) resume los resultados de dichos estudios como:
" 88% de los proyectos de integracin de datos ya sea completamente o no significativamente a lo largo de su raz
Obtiene"
"El 75% de las organizaciones han identificado los costos derivados de datos incorrectos"
" 33% de las organizaciones han demorado o cancelado nuevos sistemas de TI porque los datos"
"S611mil millones de dlares por ao se pierden en los EE.UU. en mal envos dirigidos por s sola los gastos generales y de p ersonal"
"De acuerdo con Gartner, los datos errneos es la causa nmero uno de sistema CRM fracaso"
"Menos del 50% de las empresas afirman ser muy confiado en la calidad de sus datos"
"Business intelligence (Bl) proyectos a menudo fallan debido a datos incorrectos, por lo que es imprescindible que Bl -base
Las decisiones de la empresa se basan en datos limpios"
"Slo el 15% de las empresas son muy seguros de la calidad de los datos externos que se les suministra"
"Los datos de los clientes normalmente degenera en un 2% por mes o 25% anual"
"Las organizaciones suelen sobreestimar la calidad de sus datos y subestimar el costo de
Errores"
"Los procesos de negocio, las expectativas de los clientes, sistemas de origen y reglas de cumplimiento estn constantemente
Cambiando. Sistemas de gestin de la calidad datos deben reflejar esta"
"La gran cantidad de tiempo y dinero se gastan en codificacin personalizada y los mtodos tradicionales - ruby
Aliado contra incendios para frenar una crisis inmediata en lugar de resolver el problema a largo plazo".
Cuadro 4.1 : Resultados de las encuestas sobre la calidad de los datos
Perspectivas sobre la calidad de los datos

Calidad de los datos se refiere a ms de los datos es correcta o no, pero es que se ve desde
Mltiples perspectivas. En general, la calidad de los datos se pueden dividir en dos grandes por
Monculo, a saber: factores intrnsecos y extrnsecos de las cualidades que se describen en la
Las secciones siguientes.
Intrnseca Calidad de datos

Calidad de datos intrnseco se refiere a propiedades internas de los datos. Qualdatos intrnseco
La autoridad puede ser dividido en cuatro dimensiones (Wand y Wang, 1996):
Integridad
Resolver Esta incomprensible ambigedad
Significatividad
Exactitud.
UN Completar Conjunto significa que todos los aspectos importantes del mundo real son descritos en
El sistema de informacin pertinente. La figura 4.6 ilustra la exhaustividad dimensin.
A la izquierda, todo mundo real aspectos estn representados por al menos una informacin
Elemento del sistema, mientras que en la parte derecha, un aspecto relevantes del mundo real no
est
En el sistema de informacin que incluye, por lo tanto, una representacin incompleta.
representado
Representacin completa
Relevantes del mundo real
Aspectos
Representacin Incompleta
Informacin
Elementos del sistema

Aspectos
Informacin
-O
-O
-O
-O
-O
Figura 4.6 : completar los datos

Fuente: Sobre la base de W ang y W and (1996)
Un
Claro Conjunto significa que est claro a lo que cada elemento de una infor
Sistema se refiere. La figura 4.7 ilustra la dimensin resolver esta incomprensible ambigedad.
Como
En
la
ilustracin
de
la
derecha,
no
est
claro
en
qu
la
segunda
informacin
Elemento del sistema se refiere. Por ejemplo, sta puede ser un registro que se refiere a dos
Diferentes
temas
que
entre
otras
cosas
implica
que
es
imposible
Ver cmo muchas de las piezas de cada elemento se venden.
Representacin clara
Aspectos
Representacin ambigua
Informacin
Informacin
Aspectos
-O
-O
-O
-O
Figura 4.7 : Datos Resolver Esta incomprensible

ambigedad
UN Significativo Conjunto significa que todos los elementos representados en la informacin

Sistema
tiene
alguna
informacin
de
valor.
La
figura
4.8
ilustra
el
sentido-
Ness dimensin. Como se ve en la ilustracin de la derecha, la tercera informacin

Elementos del sistema no hace referencia a nada. Esto podra ser, por ejemplo, un registro
Un tema que no existe y que ha sido creado por error, pero no se eliminan.
OPTIMIZACIN
NEGOCIO
DE
LOS
PROCESOS
DE
Representacin significativa
Aspectos
Representacin sin sentido
Informacin

Aspectos
Informacin
-O
-O
-O
... ... ... ... ...-O
... ... ...
-O
S
Figura 4.8 : Datos Significado

Por ltimo, la Correccin De datos define la forma en que est de acuerdo con la
Aspecto
ot
el
mundo
real
que
se
pretende
describir.
Algunos
elementos
de
la
Sistemas de informacin se espera que sea completamente correcta (por ejemplo, nmero de
elemento
Direccin de cliente y sueldo de empleado), mientras que otro sistema de informacin los datos
Son meras estimaciones (p. ej., tiempos de funcionamiento y evaluacin del cliente), y es por ello
que
algunos
Inexactitud
es
aceptada.
Imprecisiones,
como
un
error
ortogrfico
en
un
tema
de
Abono, no necesariamente puede tener consecuencias, pero que pueden tener en algunos casos.
Las consecuencias de mala calidad de los datos varan en funcin de lo que describe.
La
figura
4.9
ilustra
la
dimensin
correcta
en
el
mundo
real
aspecto
es
No representar correctamente en el sistema de informacin.

Representacin correcta
Informacin
Aspectos ms conocidos
Representacin incorrecta
Informacin
Aspectos
RW AI0-
-OISE'
RW A1 -
-S.
RW A2 #RW A30-
-OlSE2
-0' * 3
RW A2 #RW A3 -
-OlSE2
-OISE4
Figura 4.9 : Datos Exactitud
Calidad de los datos extrnsecos

Calidad de los datos extrnsecos se refiere a aspectos contextuales de los datos. Por ejemplo,
simplemente
Debido a que algunos de
los datos son correctos, no significa que no son tiles
En un contexto particular. Por lo tanto, es de sentido comn para ver calidad de datos
Desde
un
aspecto
extrnseco
adems
del
aspecto
intrnseco.
Hay
muchos
diferentes
Las definiciones de calidad de los datos. Una sugerencia es dividir a la extrnseca

Cualidades en dos categoras: accesibilidad y utilidad (Haug et al., 2009).
Acceso a los datos las dimensiones incluyen derechos de acceso, cuestiones de almacenamiento,
interpretabilIty, comprensibilidad, etc. Por lo tanto, aunque los datos pertinentes existen" los datos
No se pueden utilizar si se puede tener acceso a los datos. Datos utilidad dimensiones
Incluir relevancia, valor aadido, puntualidad y al nivel de detalle, etc. Por lo tanto, los datos
Utilidad dimensiones se relacionan con el contexto, es decir, lo que puede ser til en un contexto
Puede no ser til en otro.
Evaluacin de la calidad de los datos

Calidad de los datos puede ser evaluado en diferentes dimensiones. Una alternativa es usar
La calidad de los datos dimensiones: intrnsecos, accesibilidad y utilidad (Haug et al.,
2009).
Ity)
Normalmente, las dos primeras categoras de calidad datos (intrnseco y accessibil
son
ms
fciles
de
medir
y/o
observar
que
la
tercera
(utilidad),
que
Un mayor grado se basa en creencias subjetivas, animar ms importante, por lo general,

Las dos primeras categoras son tambin ms crtica que la utilidad categora. Pobres
Acceso a los datos y su intrnseca calidad de los datos son factores que hacen que algunas de las
Las operaciones diarias imposible o implica costosos errores. Por otro lado, a un gran
Medida, datos de muy poca utilidad puede ser ignorado. Por lo tanto, una combinacin de intrnseca
Y la accesibilidad datos cualidades proporcionan una buena base para la evaluacin de algunas de
las
Datos de la empresa. La figura 4.10 muestra esta en forma de matriz. En este sentido, se debe
Seal que, dado que las empresas no pueden esperar para conseguir la perfecta calidad de los
datos,
es
Generalmente satisfactoria que una pequea parte de los datos es de mala calidad con respecto a
Dimensiones intrnsecas y accesibilidad. Por lo tanto, en la plaza 1 datos intrnseco
La calidad y accesibilidad de los datos son insuficientes. En plaza 2, slo los datos
La accesibilidad es insatisfactoria, mientras que en slo 3 metros cuadrados la intrnseca calidad de
datos
Es insatisfactoria. Cuadrado de 4 representa lo que debe ser la meta de cualquier empresa,
Intrnseca calidad de datos
Es decir intrnseca satisfactoria calidad de datos y accesibilidad a los datos.

Satisfactoria
Insatisfactoria
Los datos
Accesibilidad
I
-
4Insatisfactorio Satisfactorio
Figura 4.10 : intrnseca Calidad de los datos y la accesibilidad

Fuente: Haug et al. (2009)
OPTIMIZACIN
NEGOCIO
Diferentes
DE
LOS
PROCESOS
DE
niveles de calidad son percibidos como satisfactorio
en distintas
empresas
Y reas de datos dentro de las empresas. Adems, algunas zonas son ms fciles de evaluar que
Otros. Por lo tanto, no es posible generalizar sobre lo que es un nivel satisfactorio.
La intrnseca calidad de los datos tambin puede verse en relacin con la utilidad de los
Los
datos.
En
este
caso,
hay
un
patrn
tpico
de
la
relacin
entre
estos
dos
Las dimensiones, la cual se muestra en la figura 4.11 . El argumento para el exponencial

Crecimiento de la utilidad cuando los datos aumenta la calidad intrnseca es que, a menos que
Una gran parte de los datos son de alta calidad intrnseca, los usuarios se encuentran a menudo
Los problemas causados por la mala calidad de los datos y, por lo tanto, se muestran renuentes a
utilizar
dichos
datos.
Sin embargo, cuando la calidad de los datos alcanza un nivel determinado, la utilidad serap
Brazos cruzados. Por otro lado, si la calidad de los datos cae desde un nivel alto
En
ambas
dimensiones,
tendra
que
caer
hasta
un
cierto
punto
antes
que
implica
Con frecuencia problemas de calidad de los datos. Pero cuando sucede esto, los usuarios
Pronto empieza a cuestionar la validez de los datos (1 laug et al., 2009).
Intrnseca calidad de datos
Satisfactoria
Insatisfactoria
Los datos
Utilidad
Insatisfactorio Satisfactorio
Figura 4.11 : intrnseca Calidad de los datos y su utilidad
Al
Sion,
combinar
el
acceso
tres rutas tpicas
que
los
datos
a menudo
de
la
se encuentran
Del acceso a los datos (Haug et al., 2009).
utilidad
dimensin
en relacin
con
dimensin
un aumento
Los tres caminos se ilustran en la figura
4.12 Como un', V y V. Ruta "a" puede ocurrir en una situacin en la que se decidi a comenzar
Para registrar un nuevo tipo de datos, los cuales, como se sabe, no se usa para nada,
Despus de todo. Por lo tanto, ms no de datos tiles que se encuentran en el sistema, por lo que
un
Mayor traccin de los datos no es til. Ruta b' puede ocurrir en una situacin en la que
Nuevos datos estn registrados en el sistema o cuando los datos de algn modo estn hechas
Accesibles a los usuarios, mientras que el aumento de la cantidad de datos existentes no se hacer
Los datos ms valiosos y donde los datos adicionales celebrar una fraccin de similares
No datos tiles. Ruta c' se produce cuando la utilidad de los datos existentes aumenta
Arco porque nuevos datos accesibles. Por ejemplo, esto puede ocurrir en una situacin
De donde los datos de ventas no se encuentran muy til para realizar estadsticas de ventas
Porque estn incompletos. Pero cuando la falta de acceso a los datos de ventas,
Los datos de ventas ser til lor hacer las estadsticas de ventas.
Acceso a los datos
Satisfactoria
,
U
n
_
N
_
\ J /
'
'
Insatisfactoria
1
Ii
Los datos
Utilidad
Insatisfactorio Satisfactorio
Figura 4.12 : Accesibilidad a los datos y su utilidad

Cmo garantizar la alta calidad de los datos

Tras haber demostrado la gran importancia de contar con una adecuada calidad de los datos, la
Siguiente pregunta es cmo lograr esto? Existen cuatro mtodos bsicos para mejorar
Y a mantener la alta calidad de los datos:
Deteccin y correccin de errores
Las estrategias de datos
Mejora de los procesos de datos
Polticas de datos.
Estos cuatro enfoques que pueden ser combinados de hecho, en muchos casos, es nec
Asumo con el fin de lograr la calidad de los datos objetivos. Los cuatro enfoques se
Se describe en las secciones siguientes.
Deteccin y correccin de errores de datos

A menudo un enfoque aplicado para mejorar la calidad de los datos es limpieza de datos existentes.
Existen diferentes mtodos para deteccin y correccin de errores de datos (Redman.
1995).
El enfoque ms simple es la de inspeccionar todos los datos pertinentes y hacer

correcciones
Si es necesario.
Sin
embargo,
este enfoque requiere tiempo
y,
por lo tanto, caro.
Otra tcnica que puede ser aplicada si los mismos datos se almacenan en varias da
Tabases, compara las bases de datos. En todos los casos en que los datos son idnticos, es
Asumi que son los correctos, y en los casos en que los datos son diferentes, los datos son
OPTIMIZACIN
NEGOCIO
Investigar
DE
LOS
PROCESOS
corregir.
En
DE
muchos
casos,
este
mtodo
de
la
comparacin
base
Pueden no ser aplicables. En su lugar, un tercer enfoque puede aplicarse, a saber, los datos
Edicin'.
Edicin de datos implica control computarizado de datos contra las limitaciones
En los datos. Estas limitaciones pueden ser:

Un nico campo: Comprueba que los datos arco parte de un dominio en particular, por ejemplo
que el tema
Los precios se definen si el cliente o nmeros de telfono contener letras.
Mltiples campos: Controles de datos en los campos, por ejemplo, que el mismo cliente no es
Registrar varias veces.
Probabilidad: Controles contra los datos es poco probable, por ejemplo, que una cantidad ol ms
de
200 De un elemento en particular en una determinada ubicacin de stock es poco realista.
Sin embargo, apoyndose en datos de limpieza como un medio de mejorar la calidad de los datos
esusu
No aliado el enfoque ms til, como la siguiente subseccin se tratan.
Las estrategias de datos

El problema depende de ol de limpieza de datos es el nico que puede ser un proceso costoso
Y es que no suele llegar a la raz del problema. Por lo tanto, como una alternativa
A la continua limpieza de datos, tres estrategias globales para mejorar la calidad de los datos
Calidad puede definirse (Redman, 1995):
1. Identificar la ubicacin de los datos.
2. Tratar los datos como un activo (tanto los datos y los procesos en los que los datos se cre
Y usa).
3. Datos del implemento sistemas de calidad (gestin de procesos).
Las ventajas de estas tres estrategias en comparacin con los datos de limpieza son ilustrativos
En Cuadro 4.2 . Como se ve, aunque de limpieza de datos en el corto plazo produce
Mejores resultados a largo plazo los tres arco estrategia mucho ms eficiente. Fur
Adems, los costes asociados a de limpieza de datos es significativamente ms alta que
Aplicacin de las tres estrategias.
Limpieza de datos
Mejora
Corto plazo
Medio (iniciar estos programas lleva tiempo)
Tres estrategias
Baja
Ninguno (gams se pierden como datos errneos sustituye

Largo plazo
Alta
Buena)
Costos de implementacin
Corto plazo
Largo plazo
Alta
Baja
Alta
Baja
Cuadro 4.2 : Los costos y beneficios de limpieza de las bases, en comparacin con las tres Estrategias
Fuente: Redman (1995)
Mejora de Proceso de Datos

Una manera de prevenir errores en los datos, en lugar de aceptar para corregir estas
continuamente
Seriamente, es para analizar y redisear los procesos en los que los datos errneos se
Creado. Ese tipo de proceso orientado al rediseo se puede hacer en siete pasos (Rojo
Hombre, 1995):
1. Definir las responsabilidades de gestin proceso
2. Definir el proceso y determinar los datos requisitos del cliente.
3. Definir y establecer las medidas
4. Establecer datos estadsticos de control ol
5. Analizar el proceso con el fin de identificar posibles mejoras
6. Clasificar las oportunidades de mejora y definir los objetivos
7. Mejorar calidad del proceso.
Adems cambios en los procesos, polticas de datos tambin puede ser un medio importante para
evitar
Los problemas de calidad de los datos.
Polticas de datos
Una poltica de datos puede ser definida como un conjunto de orientaciones generales, principios
de
alto
Marco
orientador
nivel
en
los
cuales
la
que
gestin
de
datos.
forman
En
la
prctica,
el
la
forma
De la poltica de datos depender de las caractersticas de la empresa en la cual

Se aplica. Sin embargo, a nivel general, una poltica de datos se pueden definir en
Con respecto a tres tipos de actividades (Redman, 1995):
Creacin de datos
Establecer una clara comprensin de las personas que estn usando los datos y
Para lo cual a fin de asegurar que sus necesidades se cumplan
Aplicar las medidas de la calidad de los datos para asegurar que los requisitos de la
Los usuarios cumplen arco
Definir el proceso de control, la evaluacin y la mejora de los datos
Calidad.
Almacenamiento de datos/Procesamiento
Desarrollar arquitecturas de datos y las bases de datos que minimizar redundancia de datos
Proteger los datos contra accesos no deseados
Asegurarse de que los datos sean fcilmente accesibles a las personas relevantes
Diseo de soluciones de TI que promover calidad de los datos.
Uso de la informacin
Desarrollar los requisitos de los datos datos tor los creadores
Proporcionar retroalimentacin a los creadores datos
Asegrese de que los datos son interpretados correctamente
Asegurarse de que los datos se utilizan nicamente para fines legtimos
Respetar a clientes, proveedores y empleados el derecho a la intimidad.
OPTIMIZACIN
NEGOCIO
DE
LOS
PROCESOS
DE
Definicin de una poltica con respecto a los datos que aborda estos temas, poner una empresa en
la
Derecho va a fin de evitar que se produzcan importantes problemas relacionados con los datos.
UNA Danesa fabricante de equipos de impresin con graves problemas de calidad de los datos en relacin con
A la aplicacin de un nuevo sistema ERP. Tomaron su nuevo sistema ERP en uso despus de un ap
Duracin aproximada 9 meses fase de ejecucin, sino que se llev unos 2Vi Aos antes de que el sistema
Estaba totalmente en funcionamiento en todas las reas y el proyecto termin costando ms del doble de lo que se define
En el presupuesto original. Uno de los problemas ms importantes ha sido demasiado alto para sus ambiciones en lo que a regis tro
El sistema, es decir a nivel de "tornillo". Este enfoque implica que se convirti en una tarea que requiere mucho tiempo par a
Crear nuevos elementos y, por lo tanto, muchos empleados tom atajos de mala calidad de datos de ERP.
Los problemas relacionados con el hecho de que los datos maestros (como nmeros y nombres) fueron algunos
Veces registrar varias veces, mientras que en otras ocasiones, todos los campos requeridos no se cumplimentaron. Esto, para
Ejemplo, hizo imposible hacer estadsticas tiles basados en estos datos. Adems, debido a la
Lo tedioso de registro de datos, datos errneos. Para resolver los problemas de los datos la empresa
Decidi
Utilizar muchos de los recursos de formacin de los empleados en el uso apropiado del sistema de ERP
Decidir a dejar de lado los temas a un nivel detallado en el sistema ERP
Iniciar un proyecto de limpieza de datos.
Estas iniciativas han aumentado de forma significativa la calidad de los datos. Adems, la compaa se considera
Ing slo permite una ubicacin central para crear tema datos maestros. Sin embargo, el problema es que
Esto puede implicar tiempos de espera al crear las compras y pedidos de venta.
Cuadro 4.3 : El Maestro Problemas de calidad de los datos de una empresa danesa
Preguntas de Discusin
1. Cul es la diferencia entre los datos, la informacin y el conocimiento?
2. Qu es un modelo de datos?
3. Dar ejemplos de los datos o de la informacin de los diferentes importancia estratgica.
4. Cules son los cuatro tipos de datos intrnsecos calidad?
5. Describir las tres categoras de la calidad de los datos, definida por Haug et al. (2009).
6. Describir las relaciones entre estas tres categoras de la calidad de los datos.
7. Cules son los mtodos de deteccin y correccin de errores de datos?
8. Comparar las consecuencias de limpiar los datos de la utilizacin de las estrategias de datos.
9. Qu pasos arco incluido en los datos?
10. Arco que las actividades pertinentes en relacin con los datos?

Cap 4 - 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cap 4 - 1

Cargado por

Copyright:

Formatos disponibles

EL CAPTULO 4

Gestin de datos empresariales

Los datos, la informacin y el Conocimiento

GESTIN DE DATOS EMPRESARIALES

Presentado de una manera determinada en relacin con un contexto particular de

"Conocimiento", se ha discutido mucho y todava lo es. Una definicin popular de experien

Al informacin y conocimientos especializados que proporciona un marco para

Las normas. (Davenport y Prusak, 1998)

"Justificada" en lugar de "verdad como encontrar la veracidad aspecto demasiado absoluta,

De la escala, el punto de vista del conocimiento se encuentra que es menos disimulamos y

Conocimiento es la habilidad individual para establecer distinciones dentro de un

Personales y relacionadas a la accin. La consecuencia de la figura 4.1 es que los datos

El conocimiento de una empresa. Especialmente en el conocimiento de las empresas de gran

Una Contextualizacin Predisponentes

Figura 4.1 La relacin entre los datos, la informacin y el Conocimiento

Los datos de la empresa

GESTIN DE DATOS EMPRESARIALES

ItemID} {representan ForeignKey

CustomerlD: char< 12)

ItemID: char< 12)

Su nmero de cliente: char(8)

AdressLine 1:char< 30)

Cada vez que un nuevo tema, se genera una nueva

Se crea un registro con los datos pertinentes.

Figura 4.3: Ejemplo de registros de datos en una tabla

Figura 4.4 : Posibles deficiencias en los datos

La importancia de la calidad de los datos

Apoyo a actividades encaminadas a un mejor uso de los datos de la compaa. El modelo se

GESTIN DE DATOS EMPRESARIALES

Convertirse en un activo estratgico, es decir, algo de valor para la competitividad de las

Contra los agentes externos.

Informacin que permita

Centrarse en los datos y

Figura 4.5 : Datos Los niveles de madurez

Perspectivas sobre la calidad de los datos

Intrnseca Calidad de datos

GESTIN DE DATOS EMPRESARIALES

Relevantes del mundo real

Figura 4.6 : completar los datos

Ver cmo muchas de las piezas de cada elemento se venden.

Elementos del sistema

Figura 4.7 : Datos Resolver Esta incomprensible

UN Significativo Conjunto significa que todos los elementos representados en la informacin

Ness dimensin. Como se ve en la ilustracin de la derecha, la tercera informacin

Representacin sin sentido

Relevantes del mundo real

Figura 4.8 : Datos Significado

No representar correctamente en el sistema de informacin.

Elementos del sistema

Elementos del sistema

Figura 4.9 : Datos Exactitud

Calidad de los datos extrnsecos

los datos son correctos, no significa que no son tiles

Las definiciones de calidad de los datos. Una sugerencia es dividir a la extrnseca

GESTIN DE DATOS EMPRESARIALES

Evaluacin de la calidad de los datos

Normalmente, las dos primeras categoras de calidad datos (intrnseco y accessibil

Un mayor grado se basa en creencias subjetivas, animar ms importante, por lo general,

Es decir intrnseca satisfactoria calidad de datos y accesibilidad a los datos.

Figura 4.10 : intrnseca Calidad de los datos y la accesibilidad

niveles de calidad son percibidos como satisfactorio

Las dimensiones, la cual se muestra en la figura 4.11 . El argumento para el exponencial

tres rutas tpicas