Está en la página 1de 8

Estrategias de gestión y

administración de datos

Diego Leonardo Becerra Sánchez


Juan Sebastián Ochoa Rodriguez.
Septiembre 2020.

Corporación universitaria minuto de Dios


Ingeniería de sistemas
Arquitectura de datos
ii
Tabla de Contenidos

Diseño de base de datos...................................................................................................................1


Modelo entidad relación..............................................................................................................1
Modelo relacional........................................................................................................................2
Estrategias de gestión y administración de datos............................................................................2
Data Governance.........................................................................................................................2
Data Management........................................................................................................................4
Lista de referencias..........................................................................................................................6
Diseño de base de datos

Modelo entidad relación

El siguiente es el diseño del modelo entidad relación para la base de datos de una

compañía comercial, según el ejemplo dado.


Modelo relacional

Dependiendo del modelo entidad relación, se realiza el modelo relacional, en

donde se representa la base de datos por medio de tablas que contienen información.

Estrategias de gestión y administración de datos

Data Governance.

Según su definición y revisando la base de datos propuesta, se pueden crear

estrategias para poder controlar de cierta forma los datos que contienen las diferentes

tablas, allí se validara la disponibilidad en este caso de cada articulo y encargado que

labora en la compañía.
El personal que labora en esta compañía será integro en sus relaciones con los

demás. Serán veraces y comunicativos cuándo se impliquen en discusiones, restricciones,

opciones, e impactos para decisiones relacionadas con los datos.

Todos los procesos que se realicen en la compañía serán transparentes. Esto será

de conocimiento tanto del personal laboral como los colaboradores, cómo y cuándo las

decisiones relacionadas con los datos fueron introducidas en los procesos.

Los procesos realizados o en desarrollo serán auditables y estarán acompañados

por la documentación que pueda hacer de soporte para los requerimientos basados en

auditoría.

Se definirán las responsabilidades para las decisiones de fines múltiples que

tengan que ver con los datos, procesos y controles.

También se definirán las responsabilidades para actividades de gestión, que son

las responsabilidades de los colaboradores, así como las responsabilidades del grupo de

trabajo.

Estas responsabilidades se requerirán para poder tener control y generar balances

de los procesos en la compañía, en la información que allí se encuentra almacenada, para

el personal que la va a utilizar y también para verificar que se cumplan los protocolos

descritos en el proyecto.

Esta base de datos deberá soportar actividades proactivas y reactivas de gestión

del cambio, para valores de datos de referencia, datos maestros y metadatos.


Data Management.

De acuerdo a la base de datos trabajada se pueden crear listas de datos que son

compartidos y utilizados por las diversas aplicaciones que componen un sistema. A cada

uno de estos conjuntos o lista de datos se le llama datos maestros.

Se puede tener como mínimo un maestro de agente, un maestro de área y un

maestro de producto. Estos datos maestros son a menudo los activos más importantes de

una empresa. La estrategia Data Management permite gestionar el conjunto de estos

datos maestros de forma que no haya inconsistencias entre ellos.

Algunos datos maestros son muy sencillos de comprender y fácilmente

identificables, como los datos maestros de agente y producto.

Se deberá describir la estructura, tanto física como lógica, que tienen los datos

dentro de la base de datos tomada, es decir, cómo están interrelacionados.

Con la estructura de los datos bien implementada se logrará una visión sobre

mapa de las relaciones entre los datos desde todos los puntos de vista, ya que se habrá

conseguido definir los tipos más significativos para soportar el negocio y se habrá

logrado almacenar los datos de manera entendible, completa, consistente y estable.

Después se debe modelar y diseñar el modelo de datos como un diagrama que

usa texto y símbolos, y que se utiliza para representar no sólo los datos, sino

también sus relaciones. Se corresponde con el diseño lógico.

Posteriormente se realiza el diseño convirtiendo el modelo de datos lógico en el

diseño físico, para transformarlo en algo tangible.


El objetivo que se persigue con esta función es poder utilizar los datos como

recurso.

Se debe definir una estrategia para poder almacenar toda la información. El Data

Storage busca implementar buenas prácticas y políticas que cumplan con los objetivos

fijados desde el Data Governance, de forma que no se pierda alineación. Con la estrategia

de almacenar correctamente los datos se pueden tener diferentes beneficios como lo son:

- Ahorro: la capacidad de un servidor para almacenar datos es limitada.

- Aumento de la productividad: cuando los datos no se han almacenado

correctamente el sistema funciona de forma más lenta. Una de las estrategias que se

suelen utilizar para evitar esto consiste en dividir los datos en activos e inactivos.

La función de seguridad se desarrollan los mecanismos, actividades y políticas

necesarios para garantizar la seguridad de los datos en el entorno de la base de datos

planteada. Se debe asegurar - La autenticación, La autorización, El acceso y la auditoría

de los datos.

El último objetivo que se persigue a través de la monitorización que lleva

implícita es conseguir la privacidad de los datos. Esto supone que, si se implementa

correctamente, será posible compartir los datos al mismo tiempo que la información

personal quedará protegida.


Lista de referencias

Andrews, S. Fastqc, (2010). A quality control tool for high throughput sequence data.
Augen, J. (2004). Bioinformatics in the post-genomic era: Genome, transcriptome,
proteome, and information-based medicine. Addison-Wesley Professional.

López, C. Ó. (2018). Data management platform (dmp) : Big data aplicado a campañas
online, audiencias y personalización web. ProQuest Ebook Central
https://ebookcentral.proquest.com

También podría gustarte