CAPÍTULO 1

Administraciónón de datos 1. Introducción

Cualquier organización reconoce que sus datos son un activo empresarial vital. Los
datos y la información pueden darles información sobre sus clientes, productos y
servicios. Puede ayudarles a innovar y alcanzar objetivos estratégicos. A pesar de ese
reconocimiento, pocas organizaciones gestionan activamente los datos como un
activo del que pueden derivar un valor continuo (Evans y Price, 2012), el valor
derivado de los datos no se produce en el vacío o por accidente. Requiere intención,
planificación, coordinación y compromiso. Requiere gestión y liderazgo.
La recopilación de datos es el desarrollo, la ejecución y la supervisión de planes,
políticas, programas y prácticas que brindan, controlan, protegen y mejoran el valor
de los datos y los activos de información a lo largo de sus ciclos de vida.
Un profesional de gestión de datos es cualquier persona que trabaje en cualquier
faceta de la gestión de datos (desde la gestión técnica de los datos a lo largo de todo
su ciclo de vida hasta asegurar que los datos se utilicen y aprovechen
adecuadamente) para cumplir con los objetivos estratégicos de la organización. Los
profesionales de la gestión de datos desempeñan numerosos roles, desde los
altamente técnicos (por ejemplo, administradores de bases de datos,
administradores de red, programadores) hasta negocios estratégicos (por ejemplo,
administradores de datos, estrategas de datos, directores de datos).
Las actividades de gestión de datos son muy amplias. Incluyen todo, desde la
capacidad de tomar decisiones coherentes sobre cómo obtener valor estratégico de
los datos hasta el despliegue técnico y el rendimiento de las bases de datos. Por lo
tanto, la gestión de datos requiere habilidades tanto técnicas como no técnicas
("negocios"). La responsabilidad de administrar los datos debe compartirse entre los
roles de negocios y tecnología de la información, y las personas en ambas áreas
deben poder colaborar para garantizar que una organización tenga datos de alta
calidad que satisfagan sus necesidades estratégicas. En ellos para derivar valor
futuro.
Los datos y la información también son vitales para las operaciones diarias de la
mayoría de las organizaciones. Se les ha llamado la moneda la 'sangre de ife', e
incluso el nuevo petróleo 'de la economía de la información. Ya sea que una
organización obtenga o no valor de sus análisis, ni siquiera puede realizar
transacciones comerciales sin datos Para apoyar a los profesionales de la gestión de
datos que realizan el trabajo, DAMA International (The Data Management
Asociación) ha publicado este libro, la segunda edición de la Guía DAMA.
Pág. 1
Management Body of Knonledge (DMBOK2). Esta edición se basa en la primera,

1
publicada en 2009, que proporcionó conocimientos básicos sobre los cuales construir
a medida que la profesión avanzaba y maduraba.
Este capítulo describe un conjunto de principios para la gestión de datos. Discute los
desafíos relacionados con el seguimiento de esos principios y sugiere enfoques para
evaluar estos desafíos. El capítulo también describe el marco de gestión de datos de
DAMA, que proporciona el contexto para el trabajo realizado por profesionales de la
gestión de datos en diversas áreas de conocimiento de la gestión de datos

1.1 Impulsores de negocios: La información y el conocimiento son la clave para una

ventaja competitiva. Las organizaciones que tienen una calidad confiable y alta sobre
sus clientes, productos, servicios y operaciones pueden tomar mejores decisiones
que las que no tienen datos o datos. La falta de gestión de datos es similar a la falta
de gestión de capital. Da como resultado el desperdicio y la oportunidad perdida. El
principal factor de eficacia para la gestión de datos es permitir que las organizaciones
obtengan valor de sus activos de datos, y la administración de activos financieros y
físicos les permite obtener valor de esos activos.
1.2 Objetivos: Dentro de una organización, los objetivos de administración de datos
incluyen:
 Comprender y respaldar las necesidades de información de la empresa y sus
accionistas, incluidos clientes, empleados y socios comerciales.
 Capturar, almacenar, proteger y garantizar la integridad de los activos de
datos.
 Asegurar la calidad de los datos e información
 Garantizar la privacidad y confidencialidad de los datos de las partes
interesadas.
 Evitar el acceso, la manipulación o el uso no autorizado o inapropiado de los
datos y la información.
 Asegurar que los datos se puedan utilizar de manera efectiva para agregar
valor a la empresa.
2. Conceptos esenciales
2.1 Datos: Las definiciones de datos de larga data enfatizan su papel en la
representación de hechos sobre el mundo. En relación con la tecnología de la
información, los datos también se entienden como información que se ha
almacenado en forma digital (aunque los datos no se limitan a la información
digitalizada y los principios de gestión de datos se aplican a los datos capturados en
papel y en bases de datos). Aun así, debido a que hoy podemos capturar tanta
información de manera electrónica, llamamos a muchas cosas "datos" que no se
hubieran llamado "datos" en tiempos anteriores, como nombres, direcciones, fechas

2
de nacimiento, lo que uno comió para la cena el sábado, el más libro reciente uno
comprado.
Tales datos sobre personas individuales se pueden agregar, analizar y utilizar para
obtener ganancias, mejorar la salud o influir en las políticas públicas. Además,
nuestra capacidad tecnológica para medir una amplia gama de eventos y actividades
(desde las repercusiones del Big Bang hasta nuestros propios latidos) y para recopilar,
almacenar y analizar versiones electrónicas de cosas que antes no se consideraban
datos (videos, imágenes, Las grabaciones de sonido, los documentos) están cerca de
superar nuestra capacidad para sintetizar estos datos en información útil. Para
aprovechar la variedad de datos sin sentirse abrumado por su volumen y velocidad,
se requieren prácticas de administración de datos confiables y extensibles.
La mayoría de las personas asume que, como los datos representan hechos, es una
forma de verdad sobre el mundo y que los hechos encajarán. Pero los hechos no
siempre son simples o directos. Los datos son un medio de representación. Es
sinónimo de otras cosas (Chisholm, 2010). Los datos son tanto una interpretación de
los objetos que representa como un objeto que debe interpretarse (Sebastián-
Coleman, 2013). Esta es otra forma de decir que necesitamos un contexto para que
los datos sean significativos. El contexto puede considerarse como el sistema
representativo de los datos; tal sistema incluye un vocabulario común y un conjunto
de relaciones entre componentes. Si conocemos las convenciones de dicho sistema,
podemos interpretar los datos dentro de ella. Estas convenciones a menudo se
documentan en un tipo específico de datos denominados metadatos.
Sin embargo, dado que las personas a menudo toman decisiones diferentes sobre
cómo representar conceptos, crean formas diferentes de representar los mismos
conceptos. De estas elecciones, los datos toman diferentes formas. Piensa en la gama
de formas tenemos que representar las fechas del calendario, un concepto sobre el
cual existe una definición acordada. Ahora considere conceptos más complejos
(como cliente o producto), donde la granularidad y el nivel de detalle de lo que
necesita ser representado no siempre es evidente, y el proceso de representación se
vuelve más complejo, al igual que el proceso de administración de esa información. a
través del tiempo. (Ver Capítulo 10).
Incluso dentro de una sola organización, a menudo hay múltiples formas de
representar la misma idea. De ahí la necesidad de arquitectura de datos, modelado,
gobernanza y administración, y gestión de calidad de datos y metadatos, todo lo cual
ayuda a las personas a entender y usar los datos. En todas las organizaciones, el
problema de la multiplicidad se multiplica. De ahí la necesidad de estándares de
datos a nivel industrial que puedan aportar más consistencia a los datos.
Las organizaciones siempre han necesitado administrar sus datos, pero los cambios

3
en la tecnología han ampliado el alcance de esta necesidad de administración ya que
han cambiado el entendimiento de la gente sobre qué organizaciones usar los datos
de nuevas maneras para crear productos, compartir información, crear conocimiento
y mejorar la información. Estos cambios han permitido a las organizaciones utilizar
los datos de nuevas formas para crear productos, compartir información, crear
conocimiento y mejorar. Pág. 3
Éxito organizacional Pero el rápido crecimiento de la tecnología y, con ella, la
capacidad humana para producir, capturar y extraer datos de la fuente, para su
significado ha intensificado la necesidad de administrar los datos efectivamente.
2.2 Datos e información: Se ha derramado mucha tinta sobre la relación entre datos
e información. Los datos han sido llamados "materia prima de la información”
Y la información ha sido llamada "datos en contexto” a menudo se utiliza una
pirámide en capas para describir la relación entre los datos (en la base), la
información, el conocimiento y la sabiduría (en la parte superior). Si bien la pirámide
puede ayudar a determinar por qué las necesidades de datos para ser bien
gestionada, esta representación previene varias relaciones entre datos e
información.
 Se basa en el supuesto de que los datos simplemente existen. pero los datos
no existen simplemente. Los datos tienen que ser creados.
 Al describir una secuencia de lineal a partir de datos a través de la sabiduría,
no reconoce que se necesita conocimiento para crear datos en primer lugar.
 Implica que los datos y la información son cosas separadas, cuando en
realidad, los dos conceptos están entrelazados y dependen de otro caché. Los
datos son una forma de información y la información es una forma de datos.
Dentro de una organización, puede ser útil establecer una línea divisoria entre la
información y los datos para una comunicación clara sobre las necesidades y
expectativas de los diferentes usos por parte de los diferentes partes. (Aquí hay un
informe de ales para la finalización del último trimestre). Se basa en datos de nuestro
almacén de (datos). El próximo trimestre, estos resultados (datos) se usarán para
generar trimestre a trimestre nuestra información de medidas de desempeño).
Reconocer los datos y la información que se deben compartir para diferentes
propósitos impulsa un principio central de la administración de datos: Tanto los datos
como la información deben ser administrados. Ambos serán de mayor calidad si se
gestionan junto con los usos y los requisitos de cliente en mente. A lo largo del
DMBOK, los términos se utilizarán indistintamente.
2.3 Datos como un Activo Organizacional Un activo es un recurso económico que
puede ser propiedad o controlado, y eso mantiene o produce valor. Los activos se
pueden convertir en dinero, los datos son ampliamente reconocidos como un activo

4
empresarial, aunque la comprensión de lo que significa administrar los datos como
un activo aún está evolucionando. A principios de la década de 1990, algunas
organizaciones lo encontraron cuestionable si el valor de la plusvalía debe recibir un
valor monetario. Ahora, el 'valor de la buena voluntad "comúnmente aparece como
un elemento en el estado de pérdidas y ganancias (P&L). Del mismo modo, si bien no
es universalmente adoptado, la monetización de los datos se está volviendo cada vez
más importante. No pasará mucho tiempo antes de que veamos esto como una
característica de P&ls. (Capítulo 3).
Las organizaciones de hoy en día confían en sus activos de datos para tomar
decisiones más efectivas y para operar de manera más eficiente. Las empresas usan
los datos para entender a sus clientes, crear nuevos productos y servicios y mejorar
la eficiencia operacional al reducir costos y controlar agencias gubernamentales.
Instituciones educativas y sin fines de lucro.
Las organizaciones también necesitan datos de alta calidad para guiar sus actividades
operativas, tácticas y estratégicas. A medida que las organizaciones dependen cada
vez más de los datos, el valor de los activos de datos puede establecerse más
claramente.
Muchas organizaciones se identifican a sí mismas como "impulsadas por los datos"
Las empresas que desean mantenerse competitivas deben dejar de tomar decisiones
basadas en instintos o sentimientos instintivos, y en su lugar, use los
desencadenantes de eventos y aplique los análisis para obtener una visión más
práctica. Los impulsos incluyen la idea de que los datos deben administrarse de
manera eficaz y con disciplina profesional, a través de una participación de las
cuencas y el conocimiento técnico y técnico. Además, el ritmo de los negocios hoy en
día significa que el cambio ya no es opcional; La interrupción digital es la norma. Para
responder a esto, las empresas deben co-crear soluciones de información con
profesionales de datos técnicos que trabajen junto con sus homólogos de línea de
negocios. Deben planificar cómo obtener y administrar los datos que saben que
necesitan para respaldar la estrategia empresarial. También deben posicionarse para
aprovechar las oportunidades de aprovechar los datos de una manera nueva.
2.4 Principios de administración de datos: La administración de datos comparte
características con otras formas de administración de activos, como se ve en la Figura
1. Implica saber qué datos tiene una organización y qué podría lograrse con él, luego,
determinar la mejor manera de utilizar los activos de datos para llegar a los objetivos
de la organización.
Al igual que otros procesos de gestión, debe equilibrar las necesidades estratégicas y
operativas. Este equilibrio se puede lograr mejor siguiendo un conjunto de principios
que reconozcan las características sobresalientes de la gestión de datos y guíen la

5
práctica de gestión de datos.
 Los datos son un activo con propiedades únicas Los datos son un activo, pero
difieren de otras evaluaciones en formas importantes que influyen en la
forma en que se administran. La más obvia de estas propiedades es que los
datos no se consumen cuando se usan, al igual que los activos financieros y
físicos.
 El valor de los datos puede y debe expresarse en términos económicos:
llamar datos a un activo implica que tiene valor. Si bien hay una técnica para
medir el valor cualitativo y cuantitativo de los datos, aún no hay estándares
para hacerlo. Las organizaciones que desean tomar mejores decisiones sobre
sus datos deben desarrollar formas consistentes para cuantificar ese valor.
También deben medir los costos de los datos de baja calidad y los beneficios
de los datos de alta calidad.
 Administrar datos significa administrar la calidad de los datos: garantizar
que los datos se ajusten a su propósito es un objetivo principal de la
administración de datos. Para gestionar la calidad, las organizaciones deben
asegurarse de que comprenden los requisitos de calidad de los interesados y
medir los datos en relación con estos requisitos.
 Se necesitan metadatos para administrar los datos: la administración de
cualquier activo requiere tener datos sobre ese activo (número de
empleados, códigos de contabilidad, etc.). Los datos utilizados para
administrar y utilizar los datos se denominan Metadatos. Debido a que los
datos no pueden ser retenidos o tocados, para entender qué es y cómo
usarlos se requiere definición y conocimiento en la forma de Metadatos, los
Metadatos se originan a partir de una variedad de procesos relacionados con
la creación, procesamiento y uso de datos, incluyendo arquitectura,
modelado, Administración, gobernanza, gestión de calidad de datos,
desarrollo de sistemas. Informática y operaciones empresariales, y analíticas.

Principio de administración de Los datos son valiosos

datos  Los datos son un activo con
propiedades únicas
La gestión eficaz de los datos  El valor de los datos puede y
requiere un compromiso de debe expresarse en términos
liderazgo económicos.

6
 Los requisitos de gestión de datos son requisitos de negocio
 Gestionar datos significa gestionar la calidad de los datos
 Se necesitan metadatos para gestionar los datos
 Se necesita planificación para gestionar los datos
 Los requisitos de gestión de datos, deben impulsar las decisiones de
tecnología de la información
La gestión de datos depende de diversas habilidades
 La gestión de datos es multifuncional
 La gestión de datos requiere una perspectiva empresarial
 La gestión de datos debe tener en cuenta una gama de perspectivas

La gestión de los datos es la gestión del ciclo de vida

 diferentes tipos de datos tienen diferentes ciclos de vida
 a gestión de los datos incluye la gestión del riesgo asociado a los datos

Figura 1 principios de manejo de datos

Se requiere planificación para administrar los datos: incluso las pequeñas
organizaciones pueden tener complejos entornos de perspectiva técnica. Los datos
se crean en muchos lugares y se mueven entre los lugares para su uso. Para coordinar
el trabajo y mantener los resultados finales alineados se requiere planificación desde
una perspectiva arquitectónica y de procesos.
La gestión de datos es multifuncional; Requiere una gama de habilidades y
experiencia: una gestión única de todos los datos de una organización, la gestión de
Datos requiere tanto trabajo técnico como no técnico y mantener los resultados
finales alineados requiere planificación desde una arquitectura y un proceso. La
información y la capacidad para colaborar.
La administración de datos requiere una perspectiva empresarial: la administración
de datos tiene una aplicación local "debe aplicarse en toda la empresa para que sea
lo más efectiva posible. Esta es una de las razones por las que la administración y el
gobierno de los datos están interrelacionados.
La gestión de datos debe tener en cuenta un rango de perspectivas: los datos son
fluidos. La administración de datos debe evolucionar constantemente para
mantenerse al día con las formas en que se crean y utilizan los datos y los
consumidores de datos que los usan.
La gestión de datos es la gestión del ciclo de vida: Los datos tienen un ciclo de vida y
la gestión de datos requiere la gestión del ciclo de vida. Debido a que los datos
generan más datos, el ciclo de vida de los datos en sí puede ser muy complejo. Las
prácticas de gestión de datos deben tener en cuenta el ciclo de vida de los datos

7
Los diferentes tipos de datos tienen diferentes características del ciclo de vida: y
por esta razón, tienen diferentes requisitos de administración. Las prácticas de
gestión de datos deben reconocer estas diferencias y ser lo suficientemente flexibles
para cumplir con los diferentes tipos de requisitos del ciclo de vida de los datos.
La gestión de datos incluye la gestión de los riesgos asociados con los datos:
además de ser un activo, los datos también representan un riesgo para una
organización. Los datos pueden perderse, ser robados o mal utilizados Las
organizaciones deben considerar las implicaciones éticas de su uso de los datos. Los
riesgos relacionados con los datos deben gestionarse como parte del ciclo de vida de
los datos.
Los requisitos de gestión de datos deben impulsar las decisiones de tecnología de
la información: la gestión de datos y datos está profundamente relacionada con la
tecnología de la información y la gestión de la tecnología de la información. La
gestión de datos requiere un enfoque que garantice que la tecnología sirva, en lugar
de unidades, las necesidades de datos estratégicos de una organización.
La gestión eficaz de los datos requiere un compromiso de liderazgo: la gestión de
datos implica un conjunto completo de procesos que, para ser eficaz, requieren
coordinación, colaboración y compromiso. Llegar allí requiere no solo habilidades de
gestión, sino también la visión y el propósito que provienen del liderazgo
comprometido.
2.5 Desafíos de la administración de datos: Debido a que la administración de los
datos tiene características distintas x derivadas de las propiedades de los datos en sí,
también presenta desafíos para seguir estos principios. Los detalles de estos desafíos
se discuten en las Secciones 2.5.1 a 25.13. Muchos de estos desafíos se refieren a
más de un principio
2.5.1 Datos que se diferencian de otros activos: Los activos físicos se pueden
señalar, tocar y mover. Pueden estar en un solo lugar a la vez. Los activos financieros
deben ser contabilizados en una hoja de enlace. Sin embargo, los datos son
diferentes. Los datos no son tangibles Sin embargo, son duraderos: no se desgastan,
aunque el valor de los datos a menudo cambia a medida que los datos son fáciles de
copiar y transportar, pero no es fácil de reproducir si se pierden o destruyen. Debido
a que no se consume cuando se usa, incluso puede ser robado sin haberse ido. Los
datos son dinámicos y se pueden utilizar para múltiples propósitos. Múltiples
personas pueden utilizar los mismos datos al mismo tiempo, algo que es imposible
con los activos físicos o financieros. Muchos usos de los datos engendran más datos.
La mayoría de las organizaciones deben administrar volúmenes cada vez mayores de
datos y la relación entre los conjuntos de datos.
Estas diferencias hacen que sea difícil poner un valor monetario en los datos. Sin este

8
valor monetario, es difícil medir cómo los datos contribuyen al éxito de la
organización. Estas diferencias también plantean otros problemas que afectan a la
gestión de datos, como definir la propiedad de los datos, hacer un inventario de la
cantidad de datos que tiene una organización, proteger contra el uso indebido de los
datos asociados al riesgo asociado a la gestión. La redundancia de datos, y la
definición y el cumplimiento de estándares para la calidad de los datos.
A pesar de los desafíos con la medición del valor de los datos, la mayoría de las
personas reconoce que los datos, de hecho, tienen valor. Los datos de una
organización son únicos para sí mismos. Fueron datos únicos de la organización
(como listas de clientes, inventarios de productos o historial de reclamaciones) que
se pierden o destruyen, reemplazando lo que sería imposible o extremadamente
práctico. Los datos son también los medios por los cuales una organización se conoce
a sí misma; es un código que describe otros activos como tales. Proporciona la base
para una visión organizativa.
La organización, los datos y la información son esenciales para realizar negocios. La
mayoría de las tramas comerciales operativas involucran el intercambio de
información La mayoría de la información se intercambia electrónicamente, creando
un rastro de datos. Este rastro de datos puede ser útil además de marcar los
intercambios que se han llevado a cabo. Ir puede proporcionar información sobre
cómo funciona una organización.
Debido al importante papel que desempeñan los datos en cualquier organización, es
necesario administrarlos con cuidado.
2.52 Valoración de datos: El valor es la diferencia entre el costo de una cosa y el
beneficio derivado de esa cosa Para algunos activos, como stock (valores), el valor de
cálculo es fácil Es la diferencia entre cuánto costó el stock cuando se compró y para
qué se vendió. Pero para los datos, estos cálculos son más complicados, ya que ni los
costos ni los beneficios de los datos de cada organización son únicos en sí mismos.
Ya que los datos de cada organización son únicos a sí mismos, al articular categorías
generales de costos y beneficios que se pueden aplicar de manera consistente dentro
de una organización. Las categorías de muestra incluyen:
 El costo de obtener y almacenar los datos.
 El costo de reemplazar los datos si se perdieron.
 Impacto en la organización si los datos se estaban multiplicando.
 La mitigación de riesgos y el costo potencial de los riesgos asociados con los
datos.
 Costo de mejorar los datos
 Beneficios de una mayor calidad de datos
 Lo que pagarían los competidores por los datos

9
  para qué se podrían vender los datos
 ingresos esperados de los usos innovadores de los datos
2.5.3 Calidad de los datos: Asegurar esos datos Es de alta calidad es fundamental
para la gestión de datos. Las organizaciones gestionan sus datos porque quieren
usarlos. Si no pueden confiar en él para satisfacer las necesidades del negocio, se
desperdicia el esfuerzo de recopilar, almacenar, proteger y habilitar el acceso a él.
Para asegurarse de que los datos cumplan con las necesidades del negocio, deben
trabajar con los consumidores de datos para definir estas necesidades, incluidas las
características que hacen que los datos sean de alta calidad.
En gran parte debido a que los datos se han asociado tan estrechamente con la
tecnología de la información, la gestión de la calidad de los datos ha sido
históricamente tratada como una idea de último momento. Los equipos de TI a
menudo rechazan los datos que los sistemas que crean deben almacenar.
Probablemente fue un programador el que observó por primera vez ‘la entrada de
basura, la salida de basura’ y que sin duda quería dejarlo ir en ese sentido. Pero las
personas que quieren usar los datos no pueden darse el lujo de ser despectivos de la
calidad. En general, asumen que los datos son confiables y confiables, hasta que
tengan una razón para dudar de estas cosas. Una vez que pierden la confianza, es
difícil recuperarla.
La mayoría de los usos de los datos implica aprender de ellos para aplicar ese
aprendizaje y crear valor. Los ejemplos incluyen comprender los hábitos de los
clientes para mejorar un producto o servicio y evaluar el desempeño organizativo o
las tendencias del mercado para desarrollar una mejor estrategia comercial, etc. Los
datos de baja calidad tendrán un impacto negativo en estas decisiones.
Como dato importante, los datos de baja calidad son simplemente costosos para
cualquier organización. Las estimaciones difieren, pero los expertos piensan que las
organizaciones gastan entre el 10 y el 30% de los problemas de calidad de los datos
de manejo de ingresos. IBM estimó que el costo de los pobres en los EE. UU. En 2016
era de $ 3.1 Trillones. Muchos de los costos de los datos de mala calidad son ocultos,
indirectos y, por lo tanto, difíciles de medir. Otros, como las multas, son directos y
fáciles de calcular. Los costos provienen de:
 Contraer y re-trabajar.
 Work-arounds (soluciones) y procesos de corrección ocultos.
 Ineficiencias organizativas o baja productividad.
 Conflicto organizacional.
 Baja satisfacción laboral.
 Insatisfacción del cliente.
 Costos de oportunidad, incluida la incapacidad para innovar.

10
  Costos o multas de cumplimiento.
 Costos de reputación.
Como implican estos costos y beneficios, administrar la calidad de los datos no es un
trabajo de una sola vez. Producir alta calidad requiere planificación, compromiso y
una mentalidad que genere calidad en los procesos y sistemas. Todas las funciones
de gestión de datos pueden influir en la calidad de los datos, para bien o para mal,
por lo que todos deben tenerlo en cuenta al ejecutar su trabajo. (Capitulo 13).
2.5.4 Planificación para mejorar los datos: Como se indicó en la introducción del
capítulo, la obtención de valores a partir de los datos no sucede por accidente.
Requiere planificación en muchas formas. Comienza con el reconocimiento de que
las organizaciones pueden controlar cómo obtienen y ver los datos como un
producto que crean. Tomarán mejores decisiones al respecto a lo largo de su ciclo de
vida. Estas decisiones requieren un pensamiento sistémico porque implican:
 Si es así, las formas en que los datos conectan los procesos de negocios que
de otra manera podrían verse como separados.
 La relación entre los procesos de negocio y la tecnología que los sustenta.
 El diseño y la arquitectura de los sistemas y los datos que producen y
almacenan
 Las formas en que se pueden usar los datos para avanzar en la estrategia de la
organización
La planificación para obtener mejores datos requiere un enfoque estratégico de la
arquitectura, el modelado y otras funciones de diseño. También depende de la
colaboración estratégica entre las empresas y el liderazgo de TI. Y, por supuesto,
depende de la capacidad de ejecutar efectivamente en proyectos individuales. El
desafío es que generalmente hay presiones organizacionales, así como las presiones
perennes de tiempo y dinero, que impiden una mejor planificación. Las
organizaciones deben equilibrar los objetivos a largo y corto plazo para ejecutar sus
estrategias. Tener claridad sobre las compensaciones conduce a mejores decisiones.
2.5.5 Metadatos y administración de datos: Las organizaciones requieren Metadatos
confiables para administrar los datos como un activo. Los metadatos en este sentido
deben entenderse de manera integral. Incluye no solo los Metadatos comerciales,
técnicos y operativos descritos en el Capítulo 12, sino también los Metadatos
integrados en la Arquitectura de datos, modelos de datos, requisitos de seguridad de
datos, estándares de integración de datos y procesos operativos de datos. (Consulte
los capítulos 4-11).
Los metadatos describen qué datos tiene una organización, qué representa, cómo se
clasifica, de dónde provienen, cómo se mueve dentro de la organización, cómo
evoluciona a través del uso, quién puede y quién no puede usarlos. Y si es de alta

11
calidad. Los datos son abstractos. Las definiciones y otras descripciones de contexto
permiten comprenderlo. Hacen que los datos, el ciclo de vida de los datos y los
sistemas complejos que contienen datos sean comprensibles.
El desafío es que los metadatos son una forma de datos y deben ser gestionados
como tales. Las organizaciones que no administran bien sus datos generalmente no
administran sus metadatos en absoluto. La administración de metadatos a menudo
proporciona un punto de partida para mejoras en la administración de datos en
general.
2.5.6 Administración de datos es multifuncional: La administración de datos es un
proceso complejo. Los datos se administran en diferentes lugares dentro de una
organización por equipos que tienen la responsabilidad de las diferentes fases del
ciclo de vida de los datos. La gestión de datos requiere habilidades de diseño para
planificar sistemas, habilidades altamente técnicas para administrar hardware y crear
software, habilidades de análisis de datos para comprender cuestiones y problemas,
habilidades analíticas para interpretar datos, habilidades lingüísticas para lograr
consenso en definiciones y modelos, así como pensamiento estratégico. Ver
oportunidades para atender a los clientes y cumplir objetivos.
El desafío es lograr que las personas con esta gama de habilidades y perspectivas
reconozcan cómo se combinan las piezas para que colaboren bien mientras trabajan
hacia objetivos comunes
2.5.7 Establecimiento de una perspectiva empresarial: La gestión de datos requiere
comprender el alcance y el rango de datos dentro de una organización. Los datos son
uno de los tutelares de una organización. Se mueve a través de verticales, como
ventas, marketing y operaciones... O al menos debería. Los datos no solo son
exclusivos de una organización; a veces es exclusivo de un departamento u otra sub
parte de la organización. Debido a que los datos a menudo se ven simplemente como
un subproducto de los procesos operativos (por ejemplo, los registros de
transacciones de ventas son el subproducto del proceso de ventas), no siempre se
planifica más allá de la necesidad inmediata.
Incluso dentro de una organización, los datos pueden ser dispares. Los datos se
originan en múltiples lugares dentro de una organización. Los departamentos pueden
tener diferentes formas de representar el mismo concepto (por ejemplo, cliente,
producto, proveedor). Incluso podemos testificar, las diferencias sutiles (o flagrantes)
en las elecciones representativas presentan desafíos en la gestión de datos en una
organización. Al mismo tiempo, las partes interesadas asumen que los datos de una
organización deben ser coherentes, y el objetivo de administrar los datos es hacerlo
como cualquier persona involucrada en una integración de datos o en un proyecto de
Gestión de Datos Maestros que se unan en el sentido común para que puedan ser

12
utilizados por un Amplia gama de consumidores de datos.
Una razón por la que el gobierno de los datos se ha vuelto cada vez más importante
es ayudar a las organizaciones a tomar decisiones sobre los verticales. (Consulte el
Capítulo 3).
2.5.8 Contabilidad para otras perspectivas: Las organizaciones de hoy usan datos
que crean internamente, así como datos que obtienen de fuentes externas. Deben
tener en cuenta los diferentes requisitos legales y de cumplimiento en todas las
líneas nacionales e industriales. Las personas que crean datos a menudo olvidan que
alguien más usará esos datos más adelante. El conocimiento de los usos potenciales
de los datos permite una mejor planificación para el ciclo de vida de los datos y, con
eso, para obtener datos de mejor calidad. Los datos también pueden ser mal
utilizados. Contabilizar este riesgo reduce la probabilidad de mal uso.
2.5.9 El ciclo de vida de los datos: Al igual que otros activos, los datos tienen un ciclo
de vida. Para gestionar de forma efectiva los activos de datos, las organizaciones
deben comprender y planificar el ciclo de vida de los datos. Los datos bien
administrados se administran estratégicamente, con una visión de cómo la
organización utilizará sus datos. Una organización estratégica definirá no solo sus
requisitos de contenido de datos, sino también sus requisitos de gestión de datos.
Estos incluyen políticas y expectativas de uso, calidad, controles y seguridad; un
enfoque empresarial de la arquitectura y el diseño; y un enfoque sostenible para la
infraestructura y el desarrollo de software.
El ciclo de vida de los datos se basa en el ciclo de vida del producto. No se debe
confundir con el ciclo de vida del desarrollo de los sistemas; conceptualmente, el
ciclo de vida de los datos es fácil de describir (consulte la Figura 2). Incluye procesos
que crean u obtienen datos, aquellos que lo mueven, transforman y almacenan y
permiten que se mantengan y compartan, y aquellos que lo usan o aplican, así como
aquellos que lo desechan. A lo largo de su ciclo de vida, los datos pueden ser
limpiados, transformados, combinados, mejorados o agregados. A medida que se
usan o mejoran los datos, a menudo se crean nuevos datos, por lo que el ciclo de
vida tiene iteraciones internas que no se muestran en el diagrama. Los datos rara vez
son estáticos. La gestión de datos implica un ser de procesos interconectados
alineados con el ciclo de vida de los datos.
El ciclo de vida específico, también tiene un linaje (es decir, una ruta a lo largo de la
cual se mueve desde su punto de origen hasta su punto de referencia a veces
llamado cadena de datos). Para comprender el linaje de los datos es necesario
documentar el origen de los conjuntos de datos, así como su movimiento y
transformación a través de los sistemas donde se accede y se utilizan. El ciclo de vida
y el linaje se entrecruzan y pueden entenderse en relación unos con otros. Cuanto

13
mejor comprenda una organización el ciclo de vida y el linaje de sus datos, mejor
será su capacidad para gestionarlos. El enfoque de la administración de datos en el
ciclo de vida de los datos tiene varias implicaciones importantes: la creación y el uso
son los puntos más críticos en el ciclo de vida de los datos: la administración de datos
debe ejecutarse con un entendimiento de cómo se producen los datos, o cómo se
obtienen, así como de los datos. usado. Cuesta dinero producir datos. Los datos son
valiosos solo cuando se consumen o aplican. (Ver los capítulos 5, 6, 8, 11 y 14).

CREAR/
DISEÑO Y
PLAN HABILITACION
OBTENER

MEJORAR UTILIZAR ALMACENAR/

MANTENER

DISPONER DE
Fig. 2 Actividades clave del ciclo de vida de los datos.
La calidad de los datos debe administrarse a lo largo del ciclo de vida de los datos:
la gestión de la calidad de los datos es fundamental para la administración de los
datos. Los datos de baja calidad representan costo y riesgo, en lugar de valor. A las
organizaciones a menudo les resulta difícil administrar la calidad de los datos porque,
como se describió anteriormente, los datos a menudo se crean como un subproducto
u procesos operativos y las organizaciones a menudo no establecen estándares
explícitos de calidad, ya que la calidad puede verse afectada por una rango de
eventos del ciclo de vida, la calidad debe planificarse como parte del ciclo de vida de
los datos (consulte el Capítulo 13).
La calidad de los metadatos se debe administrar a lo largo del ciclo de vida de los
datos: como los metadatos son una forma de datos y las organizaciones confían en
ellos para administrar otros datos, la calidad de los metadatos se debe administrar de
la misma manera que la calidad de otros datos (consulte el Capítulo 12).
La seguridad debe administrarse a lo largo del ciclo de vida de los datos: la
administración de datos también incluye garantizar que los datos estén seguros y que
los riesgos asociados con los datos se mitiguen. Los datos que requieren protección
deben protegerse a lo largo de su ciclo de vida, desde su creación hasta su
eliminación (consulte el Capítulo 7, Seguridad de datos).
Los esfuerzos de gestión de datos deben centrarse en los datos más críticos: las
organizaciones producen una gran cantidad de datos, una gran parte de los cuales
nunca se utiliza realmente. Tratar de gestionar todos los datos no es posible. La
gestión del ciclo de vida requiere centrarse en los datos más críticos de una
organización y minimizar los datos ROT (Datos que son redundantes, obsoletos,
triviales) (Aiken, 2014).
2.5.10 Diferentes tipos de datos: La gestión de datos se complica más por el hecho

14
de que hay diferentes tipos de datos que tienen diferentes requisitos de gestión del
ciclo de vida. Cualquier sistema de gestión necesita clasificar los objetos que son
gestionados. Datos se pueden clasificar por tipo de datos (por ejemplo, datos
transaccionales, Datos de referencia, Datos maestros, Metadatos; datos de
categorías alternativas, datos de recursos, datos de eventos, datos de transacciones
detallados) o por contenido (por ejemplo, dominios de datos, áreas temáticas) o por
formato o por el nivel de protección que requieren los datos, los datos también
pueden clasificarse según cómo y dónde se almacenan o acceden a ellos (capítulos 5
y 10).
Debido a que diferentes tipos de datos tienen diferentes requisitos, están asociados
con diferentes riesgos, y desempeñan diferentes roles dentro de una organización,
muchas de las herramientas de gestión de datos se centran en aspectos de
clasificación y control (Bryce, 2005). Por ejemplo, los datos maestros tienen
diferentes usos y, en consecuencia, requisitos de gestión diferentes a los de los datos
transaccionales. (Consulte los Capítulos 9, 10, 12 y 14.)
2.5.11 Datos y Riesgo: Los datos no solo representan el valor, también representan el
riesgo. Los datos de baja calidad (inexactos, incompletos o desactualizados)
obviamente representan un riesgo porque su información no es correcta. Pero los
datos también son riesgosos porque pueden ser mal entendidos y mal utilizados.
Las organizaciones obtienen el mayor valor de los datos de más alta calidad:
disponibles, relevantes, completos, precisos, coherentes, oportunos, utilizables,
significativos y comprendidos. Sin embargo, para muchas decisiones importantes,
tenemos vacíos de información: la diferencia entre lo que sabemos y lo que
necesitamos saber para tomar una decisión efectiva. Las brechas de información
representan pasivos empresariales con impactos potencialmente profundos en la
efectividad operativa y la rentabilidad Las organizaciones que reconocen el valor de
los datos de alta calidad pueden tomar medidas concretas y proactivas para mejorar
la calidad y la utilidad de los datos y la información dentro de los marcos culturales
regulatorios y éticos.
El mayor papel de la información como un activo organizativo en todos los sectores
ha llevado a un mayor enfoque por parte de los reguladores y legisladores sobre los
posibles usos y abusos de la información. De Sarbanes-Oxley (centrándose en los
controles sobre la precisión y la validez de los datos de transacciones financieras
desde la transacción hasta el balance) hasta la solvencia II (centrándose en el linaje
de datos y la calidad de los datos que sustentan los modelos de riesgo y la suficiencia
de capital en el sector de seguros), hasta el rápido crecimiento en la última década
De las regulaciones de privacidad de datos (que cubren el procesamiento de datos
sobre personas en una amplia gama de industrias y jurisdicciones), está claro que,
mientras seguimos esperando que la Contabilidad incluya la información en el
balance como un activo, el entorno regulatorio espera cada vez más. Para verlo en el
registro de riesgos, con las mitigaciones y controles adecuados que se aplican.
Del mismo modo, a medida que los consumidores se vuelven más conscientes de
cómo se utilizan sus datos, esperan no solo un funcionamiento más fluido y eficiente
de los procesos, sino también la protección de su información y el respeto de su
15
privacidad. Esto significa que el alcance de quienes son nuestras partes interesadas
estratégicas como profesionales de la gestión de datos a menudo puede ser más
amplio de lo que tradicionalmente podría haber sido el caso. (Consulte los Capítulos
2, Ética del manejo de datos y 7 Seguridad de datos).
Cada vez más, el impacto en el balance de la gestión de la información,
lamentablemente, con demasiada frecuencia surge cuando estos riesgos no se
administran y los accionistas votan con sus carteras de acciones; los reguladores
imponen multas o restricciones a las operaciones, y los clientes votan con sus
carteras.
2.5.12 Gestión y tecnología de datos: Como se señaló en la introducción de capitulo
y en otras partes, las actividades de gestión de datos tienen un amplio rango y
requieren habilidades tanto técnicas como comerciales. Debido a que casi todos los
datos de hoy se almacenan electrónicamente, las tácticas de gestión de datos tienen
una gran influencia por parte de la tecnología. Desde su inicio, el concepto de gestión
de datos se ha vinculado profundamente con la gestión de la tecnología. Ese legado
continúa En muchas organizaciones, existe una tensión continua entre el impulso
para construir nueva tecnología y el deseo de tener datos más confiables, como si los
dos se opusieran entre sí.
La administración exitosa de datos requiere decisiones acertadas sobre la tecnología,
pero la administración La tecnología no es lo mismo que la gestión de datos. Las
organizaciones no entienden el impacto de la tecnología en los datos para evitar que
la tentación tecnológica conduzca sus decisiones sobre los datos. En su lugar, los
requisitos de datos alineados con la estrategia de negocios deben impulsar las
decisiones sobre la tecnología.
2.5.13 La gestión eficaz de los datos requiere liderazgo y compromiso: El Manifiesto
de Datos de Lrader’s (2017) reconoció que las "mejores oportunidades de una
organización para el crecimiento orgánico se basan en los datos. Aunque la mayoría
de las organizaciones reconocen sus datos. Como activo, distan mucho de ser
impulsados por los datos. Muchos no saben qué datos tienen o qué datos son los
más críticos para su negocio. Confunden la información y la tecnología de la
información y administran mal los dos. No aprueban los datos de manera estratégica.
Subestiman el trabajo relacionado con la administración de datos. Estas condiciones
se suman a los desafíos de la administración de datos y apuntan a un factor crítico
para el éxito de una organización: el liderazgo comprometido y la participación de
todos en todos los niveles de la organización”.
Los desafíos que se describen aquí deberían llevar este punto a casa: la
administración de datos no es fácil ni simple. Pero porque pocas organizaciones lo
hacen bien. Es una fuente de oportunidades en gran medida sin explotar. Para ser
mejor en eso se requiere visión, planificación y disposición para cambiar. (Consulte
los capítulos 15 a 17).
La defensa de la función del Director de datos (CDO) se deriva de un reconocimiento
de que la gestión de datos presenta desafíos únicos y que la gestión exitosa de datos
debe ser un administrador de datos. Sin embargo, un CD0 no solo lidera las
iniciativas, él o ella también debe liderar un cambio cultural que permita a una
16
organización tener un enfoque más estratégico para que sus datos estén orientados a
las empresas, en lugar de a las TI. Un CDO puede liderar iniciativas y permitir que una
organización aproveche sus activos de datos y obtenga una ventaja competitiva con
el CDO. Él o ella también deben liderar el cambio cultural para que una organización
tenga un enfoque más estratégico de sus datos.
2.6 estrategia de gestión de datos: una estrategia es un conjunto de opciones y
decisiones que juntas trazan un curso de acción de alto nivel para alcanzar objetivos
de alto nivel. En el juego de ajedrez, una estrategia es un conjunto secuencial de
movimientos para ganar por jaque mate o para sobrevivir por estancamiento. Un
plan estratégico es un curso de acción de alto nivel para alcanzar objetivos de alto
nivel.
Una estrategia de datos debe incluir planes de negocios para usar la información
para obtener una ventaja competitiva y apoyar los objetivos empresariales. La
estrategia de datos proviene de una comprensión de los datos que la organización
analiza, cómo obtendrá los datos, cómo los administrará y garantizará su
confiabilidad en el tiempo y Cómo lo utilizará necesita inherentes a la estrategia de
negocios; qué datos necesita la organización, cómo obtendrá los datos, cómo los
administrará y garantizará su confiabilidad a lo largo del tiempo y cómo los utilizará.
Por lo general, una estrategia de datos requiere una estrategia de soporte del
programa de administración de datos: un plan para mantener y mejorar la calidad de
los datos, la integridad de los datos, el acceso y la seguridad, a la vez que se mitigan
los riesgos conocidos e implícitos. La estrategia también debe abordar los desafíos
conocidos relacionados con la gestión de datos.
En muchas organizaciones, la estrategia de gestión de datos es propiedad de CDO y
se mantiene a través de un equipo de gobierno de datos, respaldado por un Consejo
de gobierno de datos. A menudo, el CDO redactará una estrategia de datos inicial y
una estrategia de gestión de datos incluso antes de que se forme un Consejo de
Gobernanza de Datos, con el fin de obtener el compromiso de la administración
superior para establecer la administración de datos y la gobernanza.
Los componentes de una estrategia de gestión de datos deben incluir:
 Una visión convincente para gestión de datos
 Un caso de negocio resumido para el administrador de datos, con ejemplos
seleccionados
 Principios rectores, valores y perspectivas de gestión
 La misión y objetivos direccionales a largo plazo de la gestión de datos
 Medidas propuestas para el éxito de la gestión de datos
 A corto plazo (12-24 meses) Programa de gestión de datos objetivos que son
INTELIGENTES (específicos, medibles, procesables, realistas, de duración
determinada).
 Descripciones de roles y organizaciones de gestión de datos, junto con un
resumen de sus responsabilidades y derechos de decisión
 Descripciones de los componentes e iniciativas del programa de gestión de
datos.
 Un programa de trabajo priorizado con límites de alcance.
17
  Un borrador de hoja de ruta de implementación con proyectos y elementos
de acción
Los resultados de la planificación estratégica para la gestión de datos incluyen:
 Una Carta de Gestión de Datos: Visión general, caso de negocio, objetivos,
principios rectores, medidas de éxito, factores críticos de éxito, riesgos
reconocidos, modelo operativo, etc.
 Una declaración del alcance de la administración de datos: metas y objetivos
para un horizonte de planificación (generalmente 3 años) y los roles,
organizaciones y líderes individuales responsables de alcanzar estos objetivos.
 Una hoja de ruta para la implementación de la gestión de datos:
identificación de programas específicos, proyectos, tareas asignadas e hitos
de entrega (ver Capítulo 15).
La estrategia de gestión de datos debe abordar todas las Áreas de conocimiento del
marco de gestión de datos de DAMA relevantes para la organización. (Consulte la
Figura 5 Figura 5 El Marco de gestión de datos DAMA DMBOK2 (Las Secciones 3.3 y 4
de DAMA Wheeland))

3. Marcos de gestión de datos

La gestión de datos implica un conjunto de funciones interdependientes, cada una
con sus propios objetivos, actividades y responsabilidades. Los profesionales de la
gestión de datos deben tener en cuenta los desafíos inherentes al tratar de obtener
valor de un activo empresarial abstracto al tiempo que equilibran los requisitos
técnicos y comerciales específicos de la empresa, las demandas de riesgo y
cumplimiento, y los conceptos contradictorios de lo que representan los datos y si se
trata de alta calidad.
Hay mucho de lo que hacer un seguimiento, por lo que ayuda tener un marco para
comprender la gestión de datos de manera integral y ver las relaciones entre sus
componentes. Debido a que las funciones dependen unas de otras y deben estar
alineadas, en cualquier organización, las personas responsables de los diferentes
aspectos de la gestión de datos necesitan colaborar si la organización debe obtener
valor de sus datos.
Los marcos desarrollados en diferentes niveles de abstracción proporcionan una
gama de perspectivas sobre cómo abordar la gestión de datos. Estas perspectivas
proporcionan información que se puede utilizar para clarificar la estrategia,
desarrollar planes de trabajo, organizar equipos y alinear funciones.
Las ideas y conceptos presentados en el DMBOK2 se aplicarán de manera diferente
en todas las organizaciones. El enfoque de una organización para la gestión de datos
depende de factores clave como su industria, el rango de datos que utiliza, su
cultura, nivel de madurez y estrategia. La visión y los retos específicos a los que se
enfrenta. Los marcos descritos en esta sección proporcionan algunos objetivos a
través de los cuales ver la gestión de datos y aplicar los conceptos presentados en el
DMBOK.
 Los dos primeros, el Modelo de Alineación Estratégica y el Modelo de
Información de Ámsterdam muestran relaciones de alto nivel que influyen en
18
 la forma en que una organización administra los datos.
 El marco DAMA DMBOK (La rueda DAMA. Hexágono y el Diagrama de
contexto) describen las Áreas de conocimiento de gestión de datos, según lo
define DAMA, y explica cómo su representación visual dentro del DMBOK.
 Los dos últimos toman la rueda DAMA como punto de partida y reorganizan
la piezas para comprender y describir mejor las relaciones entre ellos
3.1 Modelo de alineación estratégica: El Modelo de alineación estratégica
(Henderson y Venkatraman, 1999) resume los impulsores fundamentales para
cualquier enfoque de la gestión de datos. En su centro está la relación entre datos e
información. La información se asocia a menudo con la estrategia comercial y el uso
operacional de los datos. Los datos se asocian con la información Tecnología y
procesos que soportan la gestión física de los sistemas. Rodean este concepto los
cuatro dominios fundamentales de la estrategia estratégica de tecnología de
elección, la infraestructura y los procesos de la organización, y la infraestructura de
tecnología de la información.
El Modelo de Alineación Estratégica totalmente articulado es más complejo de lo que
se ilustra en la Figura 3. Sus propias dimensiones subyacentes, por ejemplo, dentro
de la estrategia de negocios y de TI, hay una cuenta para el alcance, las competencias
y la gobernanza. Las operaciones deben tener en cuenta la infraestructura, los
procesos y las relaciones entre las piezas ayudan a una organización a comprender
tanto el ajuste estratégico de los diferentes componentes como la integración
funcional de las piezas. Incluso la descripción de alto nivel del modelo es útil para
comprender los factores organizativos que influyen en las decisiones sobre los datos
y la gestión de datos.

NEGOCIOS TI

ESTRATEGIA
ESTRATEGIA ESTRATEGIA
DE NEGOCIOS TI

DATOS DE
OPERACIONES INFORMACION

ORGANIZACI SISTEMAS DE
ÓN Y INFORMACION
PROCESO

FIGURA 3 Modelo de alineación estratégica.

3.2 El modelo de información de Ámsterdam: El modelo de información de
Ámsterdam, como el modelo de alienación estratégica, adopta una perspectiva
19
estratégica sobre la alineación de negocios (Abeouwer, Maes y Truijens, 1997),
conocido como el de 9 celdas, reconoce una capa intermedia que se basa en la
estructura y tácticas, incluyendo la planificación y la arquitectura. Además, reconoce
la necesidad de una comunicación de información y de TI (expresada como el pilar de
la gobernabilidad de la información y la calidad de los datos en la Figura 4).
Los creadores de los marcos SAM y AIM describen en detalle la relación entre los
componentes, desde la estrategia de TI empresarial, y la perspectiva vertical
(estrategia empresarial / operaciones empresariales).

GOBIERNO DE LA
INFORMACION
Negocios TI

ESTRATEGIA DE ESTRATEGIADE
NEGOCIO Y INFORMACIÓNY ESTRATEGIA
GOBIERNO GOBIERNO Y GOBIERNO
Estrategia
DE TI

ORGANIZA ARQUITECTURA TI ARQUITECTURA

Táctica CIÓN Y DE Y PLANIFICACIÓN Arquitectura
PROCESOS INFORMACIÓN
Y
PLANIFICACI

TI SERVICIOS Y
Operacion EJECUCION GESTIÓN DE LA EXPLORACIÓN
INFORMACIÓN Y
es DE
USO
NEGOCIO

CALIDAD DE LOS DATOS

Figura 4 Modelo de información de Ámsterdam

3.3 El marco DAMA-DMBOK: El marco DAMA-DMBOK profundiza en las áreas de
conocimiento que conforman el alcance general de la gestión de datos. Tres
imágenes muestran el marco de gestión de datos de DAMA:
 la rueda de DAMA (Figura 5).
 El hexágono de Factores Ambientales (Figura 6).
 Diagrama de contexto del área de conocimiento (Figura 7)
La rueda DAMA define las áreas de conocimiento de administración de datos. Coloca
la gobernabilidad de los datos en el centro de las actividades de gestión de datos, ya
que la gobernanza es necesaria para la coherencia y el equilibrio entre las funciones.
Las otras áreas de conocimiento (arquitectura de datos, modelado de datos, etc.)
están equilibradas alrededor de la rueda. Todas son partes necesarias de una función
20
de gestión de datos madura, pero pueden implementarse en diferentes momentos,
según los requisitos de la organización. Estas áreas de conocimiento son el foco de
los capítulos 3-13 del DMBOK2. (Vea la Figura 5).
El hexágono de Factores Ambientales muestra la relación entre las personas, el
proceso y la tecnología y proporciona una clave para leer los diagramas de contexto
de DMBOK. Pone metas y principios en el centro, ya que brindan orientación sobre
cómo las personas deben ejecutar las actividades y utilizar eficazmente las
herramientas necesarias para una gestión de datos exitosa. (Ver Figura 6).
Modelación y diseño
Arquitectura de datos
Almacenamiento de datos y
De datos operaciones

CALIDAD DE DATOS

DATODE
GOVERNANCIA

Figura 5 y 6
Los diagramas de contexto del área de conocimiento (ver figura 7) describen los
detalles de las áreas de conocimiento, incluidos los relacionados con las personas, los
procesos y la tecnología. se basan en el concepto de un diagrama SIPOC utilizado
para el producto.
Gestión (Proveedores, Insumos, Procesos, Salidas, y Consumidores). Los diagramas
de contexto colocan las actividades en el centro, ya que producen los entregables
que cumplen con los requisitos de las partes interesadas.
Cada diagrama de contexto comienza con la definición y los objetivos del Área de
conocimiento. Las actividades que impulsan los objetivos (centro) se clasifican en
cuatro fases: Plan (P), Desarrollo (D), Operar (O) y Control (C). En el lado izquierdo
(que fluye hacia las actividades) están los Insumos y los Proveedores. En el lado
derecho (que sale de las actividades) se encuentran los entregables y los
consumidores. Los participantes están listados debajo de las Actividades. En la parte
inferior hay herramientas, técnicas y métricas que influyen en aspectos del área de
conocimiento.
Las listas en el diagrama de contexto son ilustrativas, no exhaustivas. Los artículos se
aplicarán de manera diferente a diferentes organizaciones. Las listas de funciones de
alto nivel incluyen solo las funciones más importantes. Cada organización puede
adaptar este patrón para satisfacer sus propias necesidades.

21
 Diagrama de contexto genérico
Definición: Descripción de alto nivel del área de conocimiento.
Objetivos: objetivos del área de conocimiento.
1. Meta 1
2. Meta 2
Impulsores del negocio

Figura 7
Las imágenes de los componentes del diagrama de contexto incluyen
1. Definición: Esta sección define de manera concisa el Área de conocimiento.
2. Las metas: describen el propósito del área de conocimiento y los principios
fundamentales que guían el desempeño de las actividades dentro de cada área de
conocimiento.
3. Las actividades: son las acciones y tareas necesarias para cumplir los objetivos del
Área de conocimiento. Algunas actividades se describen en términos de sub
actividades, tareas y pasos. Las actividades se clasifican en cuatro categorías:
Planificar, Desarrollar. Operar, y Control.
a. (P) Las actividades de planificación: establecen el curso estratégico y táctico para
la gestión de datos de medición Las actividades de planificación se realizan de forma
recurrente segundo.
b. (D) Las actividades de desarrollo: se organizan en torno al ciclo de vida de
desarrollo del sistema (SDLC) (análisis, diseño, creación, prueba, preparación y
despliegue)
c. (C) Las actividades de control: garantizan la calidad continua de los datos y la
integridad, confiabilidad y seguridad de Sistemas a través de los cuales se accede y
utiliza los datos
d. (0) Las Actividades operativas: apoyan el uso, mantenimiento y mejora de los
sistemas y procesos a través de los cuales se accede y se usa la información.
4. Las entradas: Son las cosas tangibles que cada Área de Conocimiento requiere
para iniciar sus actividades. Muchas actividades requieren las mismas entradas. Por
ejemplo, muchos requieren conocimiento de la estrategia de negocios como entrada.
5. Entregables: son los resultados de las actividades dentro del Área de
conocimiento, las cosas tangibles que cada función es responsable de producir. Los
entregables pueden ser fines en sí mismos o entradas en otras actividades. Varias
funciones principales son creadas por múltiples funciones.
6. Las funciones y responsabilidades: describen cómo los individuos y los equipos
contribuyen a las actividades dentro del área de conocimiento. Los roles se describen
conceptualmente, con un enfoque en los grupos de roles requeridos en la mayoría de
los organismos. El Marco para la Era de la Información (SFIA) se usó para ayudar a
alinear los títulos de los roles. Muchos roles serán multifuncionales.15 (Ver Capítulo
16).
7. Los proveedores: son las personas responsables de proporcionar o permitir el
22
acceso a los insumos para las actividades.
8. Consumidores: aquellos que se benefician directamente de los entregables
primarios creados por las actividades de administración de datos.
9. Los participantes: son las personas que realizan, administran el desempeño o
aprueban las actividades en el Área de conocimiento.
10. Las herramientas: son las aplicaciones y otras tecnologías que permiten los
hábitos del área de conocimiento.
11. Las técnicas: son los métodos y procedimientos utilizados para realizar
actividades y producir resultados dentro de un Área de conocimiento. Las técnicas
incluyen protocolos de comunicación y, en su caso, enfoques alternativos
emergentes. Convenciones, recomendaciones de mejores prácticas, estándares y
12. Métricas: son estándares para medir o evaluar el rendimiento, el progreso, la
calidad, la eficiencia u otros efectos. Las secciones de métricas identifican facetas
medibles del trabajo que se realiza dentro del Área de conocimiento de caché.
Métricas también puede medir características más abstractas, como la mejora o el
valor.
Mientras que la Rueda de DAMA presenta el conjunto de Áreas de Conocimiento a
un nivel alto, el Hexágono reconoce los componentes de la estructura de las Áreas de
Conocimiento, y los Diagramas de Contexto presentan los detalles dentro de cada
Área de Conocimiento. Ninguna de las aplicaciones del marco de gestión de datos de
DAMA existente describe la relación entre las diferentes Áreas de conocimiento. Los
esfuerzos para abordar esa pregunta han dado lugar a reformulaciones del Marco de
DAMA, que se describen en las siguientes dos secciones.
3.4 Pirámide DMBOK (Aiken): Si se les pregunta, muchas organizaciones dirían que
quieren aprovechar al máximo sus datos y se esfuerzan por conseguir esa pirámide
de oro de prácticas avanzadas (minería de datos, análisis, etc.). Pero esa pirámide es
solo la parte superior de una estructura más grande, un pináculo sobre una base. La
mayoría de las organizaciones no tienen el lujo de definir una estrategia de
administración de datos antes de comenzar a tener que administrar datos. En
cambio, se desarrollan hacia esa capacidad, la mayoría de las veces en condiciones
menos que óptimas.
El marco de trabajo de Peter Aiken utiliza las áreas funcionales de DMBOK para
describir la situación en la que se encuentran muchas organizaciones. Una
organización puede usarlo para definir un camino hacia un estado en el que tenga
datos y procesos confiables para respaldar los objetivos comerciales estratégicos. Al
tratar de alcanzar este objetivo, muchas organizaciones pasan por una progresión
lógica similar de pasos (consulte la Figura 8).
Fase 1: la organización adquiere una aplicación que incluye capacidades de base de
datos. Esto significa que la organización tiene un punto de partida para el modelado /
diseño de datos, el almacenamiento de datos y la seguridad de los datos (por
ejemplo, permita que algunas personas entren y mantengan alejadas a otras). Para
que el sistema funcione dentro de su entorno y con sus datos, es necesario trabajar
en la integración y la interoperabilidad
Fase 2: una vez que comiencen a usar la aplicación, encontrarán desafíos con la
23
calidad de sus datos. Pero conseguir datos de mayor calidad depende de metadatos
confiables y de una arquitectura de datos consistente. Estos proporcionan claridad
sobre cómo los datos de diferentes sistemas trabajan juntos.
Fase 3: Las prácticas disciplinadas para administrar la calidad de los datos, los
metadatos y la arquitectura requieren un control de los datos que brinde soporte
estructural para las actividades de administración de datos. Datos gobernante
también permite la ejecución de iniciativas estratégicas, como Gestión de
documentos y contenidos, Datos de referencia Administración, administración de
datos maestros, almacenamiento de datos e inteligencia empresarial, las prácticas
avanzadas dentro de la pirámide dorada.
Fase 4: La organización aprovecha los beneficios de los datos bien gestionados y
avanza en sus capacidades analíticas.
Figura 8
La pirámide de Aiken se basa en la Rueda DAMA, pero también la informa mostrando
la relación entre las Áreas de conocimiento. No todos son intercambiables; Tienen
varios tipos de interdependencias. El marco de la pirámide tiene dos controladores.
Primero, la idea de construir sobre una base, utilizando componentes que deben
estar en los lugares correctos para apoyarse mutuamente. En segundo lugar, la idea
un tanto contradictoria de que estos pueden ponerse en práctica en un orden
arbitrario.
3.5 Marco de administración de datos de DAMA: La pirámide de Aiken describe
cómo las organizaciones evolucionan hacia mejores prácticas de administración de
datos. Otra forma de ver las Áreas de conocimiento de DAMA es explorar las
dependencias entre ellas. Desarrollado por Sue Geuens, el marco de la Figura 9
reconoce que la inteligencia empresarial y las funciones analíticas dependen de
todas las demás funciones de administración de datos. Dependen directamente de
las soluciones de Master Data (datos maestros) y Data Warehouse (alamacen de
datos). Pero esos, a su vez, dependen de los sistemas y aplicaciones de alimentación.
La calidad confiable de los datos, el diseño de los datos y las prácticas de
interoperabilidad de los datos son la base de los sistemas y aplicaciones confiables.
Además, la gobernanza de datos, que dentro de este modelo, incluye administración
de metadatos, seguridad de datos, arquitectura de datos y administración de datos
de referencia, proporciona una base de la que dependen todas las demás funciones.
Figura 9
Una tercera alternativa a DAMA Wheel se muestra en la Figura 10. Esto también se
basa en conceptos arquitectónicos para proponer un conjunto de relaciones entre las
Áreas de conocimiento de DAMA. Proporciona detalles adicionales sobre el
contenido de algunas Áreas de conocimiento para aclarar estas relaciones.
El marco comienza con el propósito rector de la administración de datos: permitir
que las organizaciones obtengan valor de sus activos de datos como lo hacen de
otros activos. El valor de derivación requiere la administración del ciclo de vida, por
lo que las funciones de administración de datos relacionadas con el ciclo de vida de
los datos se muestran en el centro del diagrama. Estos incluyen la planificación y el
diseño de datos confiables y de alta calidad; establecer procesos y funciones a través
24
de los cuales los datos se pueden habilitar para su uso y también se pueden
mantener; y, finalmente, utilizar los datos en varios tipos de análisis y mediante esos
procesos, aumentando su valor.
Describe el diseño de gestión de datos y las funciones operativas (arquitectura de
modelado, almacenamiento y operaciones, etc.) que se requieren para admitir los
usos tradicionales de datos (gestión de Business Inteligencie. t). También reconoce
funciones de gestión de datos emergentes (almacenamiento de Big Data) que apoyan
los usos emergentes de datos (ciencia de datos, análisis predictivo, etc.). En los casos
en que los datos realmente se administran como un activo, las organizaciones
pueden obtener un valor directo de sus datos vendiéndolos a otras organizaciones
(monetización de datos).
Figura 10

La administración, los metadatos y la gestión de la calidad de los datos abarcan todo

el ciclo de vida de los datos. Permiten un mejor diseño y facilitan el uso de los datos.
Si se ejecutan bien, los datos son menos costosos de mantener, los consumidores de
datos tienen más confianza en ellos y las oportunidades para usándola expandir.
Para respaldar con éxito la producción y el uso de los datos y para garantizar que las
actividades fundamentales se realicen con disciplina, muchas organizaciones
establecen supervisión. En la forma de gobernanza de datos. Un programa de
gobernabilidad de datos permite que una organización sea impulsada por los datos,
implementando la estrategia y apoyando los principios, políticas y prácticas de
administración que aseguran que la organización reconoce y actúa sobre las
oportunidades para obtener valor de sus datos. Un programa de gobernabilidad de
datos también debe participar en las actividades de gestión del cambio
organizacional para educar a la organización y fomentar comportamientos que
permitan usos estratégicos de los datos. Por lo tanto, la necesidad de un cambio
cultural abarca la amplia gama de responsabilidades de gestión de datos,
especialmente a medida que una organización madura sus prácticas de gestión de
datos.
El marco de gestión de datos de DAMA también puede describirse como una
evolución de la rueda de DAMA, con actividades de cono rodeadas de actividades de
uso y ciclo de vida, contenida dentro de las restricciones del gobierno. (Figura11.)
Actividades centrales, incluyen la Gestión de Metadatos, la Gestión de la Calidad de
los Datos y la arquitectura de definición de la estructura de los datos) se encuentran
en el centro del marco.
Las actividades de la gestión del ciclo de vida se pueden definir desde una
perspectiva de planificación (gestión de riesgos, modelado, diseño de datos, gestión
de datos de referencia) y una perspectiva de habilitación (Master Data Management,
desarrollo de tecnología de datos, integración de datos e interoperabilidad,
configuración de datos y almacenamiento de datos y operaciones).
Los usos surgen de las actividades de gestión del ciclo de vida: uso de datos
maestros, gestión de documentos y contenido, Business Inteligencie, Data Science,
análisis predictivo, visualización de datos. Muchos de estos crean más datos al
25
mejorar o desarrollar información sobre los datos existentes. Las oportunidades para
la monetización de datos se pueden identificar como usos de los datos.
Las actividades de gobierno de datos proporcionan supervisión y contención, a través
de principios de estrategia, políticas y administración. Permiten la coherencia a
través de la clasificación de los datos y la valoración de los mismos.
La intención de presentar diferentes representaciones visuales del Marco de Gestión
de Datos de DAMA es proporcionar una perspectiva adicional y abrir una discusión
sobre cómo aplicar los conceptos presentados en DMBOK. A medida que crece la
importancia de la gestión de datos. Dichos marcos se convierten en herramientas de
comunicación útiles tanto dentro de la comunidad de gestión de datos como entre la
comunidad de gestión de datos y nuestras partes interesadas
4. DAMA y el DMBOK: Aunque la gestión de datos presenta muchos desafíos, pocos
de ellos son nuevos. Desde al menos la década de 1980, las organizaciones han
reconocido que la gestión de datos es fundamental para su éxito. A medida que
nuestra capacidad y deseo de crear y explotar datos ha aumentado, también lo ha
hecho la necesidad de prácticas de gestión de datos confiables.
Figura 11
DAMA fue fundada para hacer frente a estos desafiantes profesionales de la gestión,
apoya la misión de DAMA mediante:
Proporciona un marco funcional para la implementación de la gestión de datos
empresariales que incluye principios rectores, prácticas, métodos y técnicas
ampliamente adoptados, funciones, funciones, entregables y métricas.
Establecer un vocabulario común para los conceptos de gestión de datos y servir de
base para las mejores prácticas para los profesionales de la gestión de datos.
Sirviendo como la guía de referencia fundamental para el CDMP (Certified Data
Management Professional)
El DMBOK está estructurado en torno a las once Áreas de Conocimiento del DAMA
DMBOK Data Management y otros exámenes de certificación. El marco (también
conocido como la rueda de DAMA, consulte la Figura 5), los capítulos 3 a 13 se
centran en las áreas de conocimiento. Cada capítulo del área de conocimiento sigue
una estructura común:
1. Introducción
 Impulsores de negocio
 Objetivos y principios
 Conceptos esenciales
2. Actividades
3. Herramientas
4. Técnicas
5. Pautas de implementación
6. Relación con la gobernanza de datos
7. Métricas
Las áreas de conocimiento de métricas describen el alcance y el contexto de
los conjuntos de actividades de gestión de datos. Incrustados en las áreas de
conocimiento están los objetivos y principios fundamentales de la gestión de
26
datos. Debido a que los datos se mueven horizontalmente dentro de las
organizaciones, las actividades del Área de conocimiento se intersectan entre
sí y con otras funciones organizativas
1. La Gobernanza de los datos proporciona dirección y supervisión para la
administración de datos al establecer un sistema de derechos de decisión
sobre los datos que responden a las necesidades de la empresa. (Capítulo 3)
2. La arquitectura de datos define el plan para administrar los activos de
datos al alinearse con la estrategia de la organización para establecer
requisitos de datos estratégicos y diseños para cumplir con estos requisitos.
(Capítulo 4)
3. El modelado y diseño de datos es el proceso de descubrir, analizar,
representar y comunicar los requisitos de datos en una forma precisa llamada
modelo de datos. (Capítulo 5)
4. Almacenamiento y operaciones de datos incluye el diseño, la
implementación y el soporte de datos almacenados para maximizar su valor.
Las operaciones brindan soporte durante todo el ciclo de vida de los datos,
desde la planificación hasta la eliminación de los datos (Capítulo 6)
5. Seguridad de datos garantiza que se mantengan la privacidad y
confidencialidad de los datos, que no se violen los datos y que se acceda a los
datos de manera adecuada. (Capítulo 7)
6. La integración e interoperabilidad de los datos incluye procesos
relacionados con el movimiento y la consolidación de los datos dentro y entre
los almacenes de datos, las aplicaciones y las organizaciones. (Capítulo 8)
7. La gestión de documentos y contenidos incluye las actividades de
planificación, implementación y control que se utilizan para administrar el
ciclo de vida de los datos y la información que se encuentran en una variedad
de medios no estructurados, especialmente los documentos necesarios para
cumplir con los requisitos de cumplimiento legal y normativo. (Capítulo 9)
8. Los datos de referencia y maestros incluyen la conciliación y el
mantenimiento continuos de los datos centrales críticos compartidos para
permitir el uso constante en los sistemas de la versión más precisa, oportuna
y relevante de las entidades comerciales esenciales (Capítulo 10)
9. almacenamiento de datos e inteligencia de negocios incluyen la
planificación, implementación y control de procesos para gestionar datos de
apoyo a las decisiones y para permitir que los trabajadores del conocimiento
obtengan valor de los datos a través de análisis e informes (capitulo 11)
10 Los metadatos incluyen actividades de planificación, implementación y
control para permitir el acceso a datos maestros integrado de alta calidad,
incluidas definiciones, modelos, flujos de datos y otra información crítica para
comprender los datos y el Sistemas a través de los cuales se crea, mantiene y
accede. (Capítulo 12)
11. La calidad de los datos incluye la planificación y la implementación de
técnicas de gestión de la calidad para medir, evaluar y mejorar la idoneidad
de los datos para su uso dentro de una organización (Capítulo 13).
27
Además de los capítulos sobre las áreas de conocimiento, el DAMA-DMBOK
contiene capítulos sobre los siguientes temas:
La ética de manejo de datos describe el papel central que desempeña la ética
de datos en la toma de decisiones informadas y socialmente responsables
sobre los datos y sus usos. El conocimiento de la ética de la recopilación, el
análisis y el uso de los datos debe guiar a todos los profesionales de la gestión
de datos. (Capitulo 2).
Big Data y Data Science describen las tecnologías y los procesos de negocio
que surgen a medida que aumenta nuestra capacidad para recopilar y
analizar conjuntos de datos grandes y diversos. (Capítulo 14).
La evaluación de la madurez de la gestión de datos describe un enfoque para
evaluar y mejorar las capacidades de gestión de datos de una organización.
(Capítulo 15)
La organización de gestión de datos y las expectativas de rol proporcionan las
mejores prácticas y consideraciones para organizar equipos de gestión de
datos y permitir prácticas de gestión de datos exitosas. (Capítulo 16)
Gestión de datos y Gestión de cambios organizativos describe cómo
planificar y avanzar con éxito a través de los cambios culturales que son
necesarios para incorporar prácticas de gestión de datos eficaces dentro de
una organización. (Capítulo 17)
"La forma en que una organización en particular administra sus datos de
forma perceptiva. Cada uno de los que saben. Toma decisiones más acertadas
acerca de dónde enfocarse a medida que trabajan para mejorar las prácticas
dentro de estas funciones relacionadas, y depende de sus objetivos, tamaño,
recursos y complejidad, así como Esta es la forma en que los datos respaldan
su estrategia general. La mayoría de las empresas no realizan todas las
actividades descritas en el área de repisa. Sin embargo, la comprensión del
contexto más amplio de la administración de datos permitirá a las
organizaciones.

28