4 herramientas

estrella del Data

Management

1
Índice

¿Qué es Data Management? 03

La elección de una herramienta de data management y sus beneficios 04

Integration Platform as a service 06

Data Integration & Interoperability 08

Data Quality 12

Master Data Management 15

2
¿Qué es Data
Management?
Los datos son el activo más preciado de una empresa y
el data management es una disciplina relacionada con
su gestión. LLevarlo a cabo de manera correcta tiene
efectos muy positivos en:
• Toma de decisiones.
• Detección de oportunidades.
• Mejora de la calidad.
• Incremento del valor de la organización.
El data management busca hacer más eficiente el uso
de los datos a través de su gestión pero, cuando no se
lleva a cabo de manera correcta las consecuencias
son:
• Pérdida de ventaja competitiva.
• Problemas legales.
• Problemas de imagen.
• Problemas de seguridad.
• Problemas de calidad.
Por ello, uno de los objetivos importantes en toda
empresa debe ser maximizar el valor de sus datos,
yendo un paso más allá de infraestructuras y buscando
multiplicar la calidad, la entrega en el momento oportu-
no y la correcta identificación y gestión de los datos
más importantes y prioritarios, invirtiendo en su seguri-
dad y gestión.
3
La elección de una
herramienta de data
management y sus
beneficios
Encontrar la herramienta de data management correcta Cuando se busca una herramienta de data manage-
puede suponer un gran avance a la hora de disfrutar de ment, ésta debe apoyar y dar soporte a las siguientes
los beneficios de una gestión de datos eficaz: funciones:

1. Optimización del intercambio de datos, al ganar en • Gobierno de datos.

velocidad y calidad en el acceso a la información, lo • Arquitectura de datos.
que redunda en la capacidad de respuesta. • Modelado y diseño de datos.
• Almacenamiento de datos.
2. Aumento del índice de seguridad de datos, minimi- • Seguridad de datos.
zando a la vez problemas legales y de imagen de • Integración e interoperabilidad.
empresa. • Data Warehousing y BI.
• Gestión de metadatos.
3. Mayor integración de datos que propicia la visión • Calidad de datos.
única, con su positivo efecto sobre la toma de
decisiones. Las mejores herramientas cuentan con todas estas
funcionalidades, por lo que, a la hora de hacer una
4. Disminución de los problemas de calidad del dato: selección, interesa ir un paso más allá y exigir que
evitando duplicidades, inconsistencias, errores o falta además:
de completitud.
• Permita hacer una buena integración de datos.
5. Mejoras en los niveles de productividad del usuario • Apoye la calidad de datos.
final que repercuten con su beneficio en la • Facilite la misión de gobierno.
proyección del negocio. • Garantice la seguridad de datos.

4
• Posibilite hacer una trazabilidad de las aplicaciones
para conocer el linaje del dato, desde las fuentes de
información hacia su destino.
• Aporte visibilidad sobre el ciclo de vida del dato:
identificación, perfilado, limpieza, transformación
aplicando las reglas de negocio y entrega.
• Sea escalable, para crecer a la vez que el negocio.
• Sea agnóstica, es decir, compatible con cualquier
sistema operativo para evitar problemas en su imple-
mentación.
• Capaz soportar alta disponibilidad en todos sus
procesos para que, si en algún momento se produce
un fallo, automáticamente exista otro equipo que
pueda responder a la caída.

Por último, en la elección de la herramienta de data

management hay que tener en cuenta al implementador
ya que, aunque pasa muy desapercibido en este proce-
so, es un factor clave de éxito.

Por eso, hay que asegurarse de que las personas que

van a implementar la solución de data management
están capacitadas para hacerlo.

Al fin y al cabo serán ellos quienes tengan la potestad

de ejercer de nexo de unión entre los propietarios del
dato, responsables de la empresa, usuarios y los
proveedores de la solución.

5
Integration Platform
as a service
iPaaS, o plataforma de integración como servicio, es
término acuñado por Gartner para referirse a un tipo de
plataforma que estandariza el modo en que las aplica-
ciones se integran en una organización, facilitando así
la automatización de los procesos de negocio y el
intercambio de datos entre aplicaciones.
Aprovechar una plataforma de este tipo resulta muy
beneficioso para las empresas en crecimiento, ya que
estandariza cómo monitorizar, mantener y actualizar los
procesos en todas sus aplicaciones, aunque se
agreguen y cambien todos los días. Esta característica
permite que, tanto los usuarios de negocio, como los
usuarios técnicos puedan construir, administrar y
mantener integraciones.
iPaaS es parte integral de casi todos los modelos de
negocio, permitir conectar sistemas separados para
ofrecer una solución unificada, haciendo posible la
integración y el intercambio de datos. En la actualidad,
la oferta de iPaaS para empresas admite una amplia
gama de casos de uso, incluidas las estrategias de
plataforma de integración híbrida.
Cómo son las iPaaS
Una plataforma de integración como servicio (iPaaS)
proporciona capacidades que facilitan el desarrollo,
implementación, ejecución, administración y
monitorización de procesos y flujos de integración que
conectan múltiples puntos finales, para lograr que
puedan trabajar juntos.
Las capacidades de iPaaS tienen que ver con la
calidad de datos, pero también con su mapeo y trans-
formación. Este tipo de plataformas se ocupan también
del desarrollo del flujo de integración y de la gestión de
API, ofreciendo el soporte necesario para varios esce-
narios de integración, en relación con aplicaciones,
datos, ecosistemas B2B, procesos, IoT y automa-
tización robótica de procesos.
Un iPaaS se usa generalmente para la integración de
servicios en la nube, integración de aplicaciones,
integración de datos, integración de ecosistemas B2B y
cada vez más publicaciones API, integración de aplica-
ciones móviles y escenarios de IoT.
6
Herramientas de Integration Platform 1. Su comprensión del mercado, gracias a su larga

as a Service experiencia con las tecnologías iPaaS, y su potencial

de innovación, apoyado por tecnologías de apren-

Tal y como se aprecia en la última edición del Cuadran- dizaje automático e inteligencia artificial que ayudan

te Mágico de Gartner, Informatica lidera el mercado de a la integración.

Integration Platform as a Service. Las razones tienen 2. Su presencia y crecimiento, mantenidos desde 2018

que ver con: sin comprometer el alto nivel de satisfacción de los

clientes con su relación con la empresa y con las
capacidades de la plataforma.

Magic Quadrant for Enterprise Integration Platform as a 3. La riqueza de capacidades de su software, que

Service ofrece muchas opciones arquitectónicas para una

amplia gama de casos de uso.

Source: Gartner (April 2019)

7
Data Integration &
Interoperability
La función Data integration & interoperability se refiere
al conjunto de estándares y especificaciones necesari-
os para asegurar la integración de los datos en la
organización.
Los departamentos de IT suelen trabajar con muchas
aplicaciones que dan respuesta a los diferentes objeti-
vos de negocio que se persiguen en las distintas áreas:
una aplicación para CRM, otra para finanzas, bases de
datos.
Hoy día, una estrategia de integración ha de tener en
cuenta los nuevos requisitos para la integración híbrida
/ entre nubes, los metadatos activos y la gestión de
datos aumentada. Eso obliga a repensar las prácticas
existentes y adquirir nuevas capacidades.
Problemas derivados de la falta de
visión global
La disciplina de la integración de datos comprende las
técnicas, prácticas y herramientas arquitectónicas que
ingieren, transforman, combinan y aprovisionan datos
en todo el espectro de tipos de datos. Esta integración
se lleva a cabo en la empresa y más allá, a través de
socios, así como de fuentes de datos de terceros y
casos de uso, para cumplir con los requisitos de
consumo de datos de todas las aplicaciones y
procesos comerciales.
Está claro que en una organización conviven muchas
aplicaciones y muchos sistemas, pero si no existe una
cohesión se están perdiendo eficacia y visión. Estas
pérdidas conducen a un menoscabo directo en la
capacidad de decisión, que puede reflejarse en aspec-
tos cotidianos tales como:
• La adquisición de nuevas herramientas: ya que al no
tener definida una estrategia de interoperabilidad o
integración de los datos, a la hora de analizar qué
herramienta comprar no se tienen en cuenta las exis
tentes y por tanto se desprecia el posible problema
de comunicación que puede surgir entre ambas.
• La comunicación entre departamentos, para facturar
o para evaluar resultados: en el primer caso las horas
se imputarían en el Departamento de Proyectos, pero
se facturarían en el de Contabilidad; mientras que en
el segundo caso, por ejemplo, sería complicado
analizar si una campaña de marketing promovida por
el mismo Departamento ha sido efectiva o no ya que
las ventas se contabilizan en el Departamento Comer-
cial. Queda patente la necesidad de crear una
interfaz que conecte los datos para evitar que queden
almacenados como islas independientes y carentes
de relación entre sí.
8
En qué consiste la función de Data Integra-
tion & Interoperability
En la función Data Integration & Interoperability
intervienen dos conceptos:
• Interoperabilidad: se refiere a la habilidad de los
diferentes sistemas de poder interactuar.
• Integración de los datos: se refiere al intercambio de
datos entre los diferentes sistemas.
La integración es mucho más que el hecho de lograr
que los sistemas se puedan comunicar. La integración
implica entender cómo la información se guarda en los
diferentes sistemas para que, al interactuar o interrela-
cionar, no sólo se conecte, sino que se entienda. Para
ello es necesario crear políticas que garanticen tanto la
interoperabilidad como la integración.
El Centro de Competencia de la Inte-
gración
La forma de gestionar eficazmente la integración es a
través de la construcción de un Centro de Competencia
de la Integración, que integra:
• Los silos que existen para cada proyecto.
• Las buenas prácticas.
• Los estándares tecnológicos.
• Los servicios compartidos.
• Los servicios centrales.
• Los servicios particulares de cada área.
A nivel de:
• Tecnología.
• Procesos.
• Organización.
El objetivo de esta función es resolver las inconsisten-
cias de los canales de comunicación en las diferentes
aplicaciones de la organización.
Cómo son las herramientas de inte-
gración de datos
Las herramientas de integración de datos son produc-
tos software que hacen posible la construcción e imple-
mentación de acceso a datos e infraestructura de entre-
ga para una variedad de escenarios de casos de uso,
que van desde el análisis y los proyectos de ciencia de
datos, al apoyo de la administración de datos maestros;
de la sincronización de estructuras de datos para
9
aplicaciones que requieren de una consistencia zaciones incluir estas nuevas capacidades para admitir
bidireccional o unidireccional, a la migración y consoli- sus nuevos requisitos de integración de datos. Dichos
dación de datos; y de la adquisición e intercambio de requisitos incluyen un enfoque en la virtualización de
datos entre empresas, a la orquestación de servicios de datos, integración de datos de flujo y preparación de
datos. datos, pero también entrega específica para apoyar la
gestión de lagos de datos.
Las herramientas de integración de datos también
deben poder ofrecer el soporte necesario al gobierno Según el Cuadrante Mágico de Gartner en su última
de datos y la gestión de activos de datos. Todo esto lo edición, Informatica destaca entre otros proveedores
consiguen cuando reúnen funcionalidades tan impor- por su oferta innovadora, que se diferencia por:
tantes como la interoperabilidad con la tecnología de
integración de aplicaciones en una arquitectura de Magic Quadrant for Data Integration Tools
solución única, la integración de datos en entornos de
nube híbrida e intercloud, la habilitación de servicios de
datos para su uso en enfoques de arquitectura más
amplios, el apoyo a la entrega de datos y el acceso a
datos de una amplia variedad de almacenes de datos,
repositorios y niveles de gestión de datos en imple-
mentaciones de aplicaciones, la convergencia de datos
IoT / OT o la integración de datos de autoservicio.

En los últimos años, han surgido importantes submer-

cados en paralelo a las principales ofertas del merca-
do. Estos representan un enfoque renovado en la visión
o la ejecución, pero no abordan todos los requisitos de
integración y entrega de datos. Existen herramientas
que se centran en soluciones innovadoras y estilos
modernos de entrega de datos, como la virtualización Source: Gartner (August 2019)

de datos, la preparación de datos o la integración de

datos de flujo, entre otros. Esto permite a las organi-

10
1. Liderar el impulso hacia la gestión de datos aumenta-
da, gracias a su motor impulsado por inteligencia
artificial, para la integración basada en metadatos.
2. Responder bien a la demanda del mercado de
integración híbrida / multicloud.
3. Contar con un importante potencial de expansión y
haber consolidado su presencia y participación en el
mercado.

11
Data Quality
Se entiende como calidad el que los datos sean
buenos, pero no sólo que estén carentes de defectos,
sino que sean precisos, consistentes y completos. Para
presumirse su calidad, los datos deben:
• Ser consistentes, completos y adecuados para su
función.
• Proporcionar una visión única.
• Estar correctamente relacionados e interrelaciona-
dos con todas las fuentes.
La estrategia de calidad
La calidad se podría aplicar en muchos puntos del
proceso, va muy unida a integración y por eso deben
considerarse como parte de una misma estrategia que
une:
• Servicios.
• Metodología.
• Herramientas.
Al hablar de herramientas de calidad de datos se hace
referencia a los procesos y tecnologías para identificar,
comprender y corregir fallas en los datos que permiten
respaldan la gobernanza efectiva de la información en
todos los procesos de negocio operativos y la toma de
decisiones. Las herramientas que existen hoy día en el
mercado comprenden una variedad de funciones
críticas, como la creación de perfiles, el análisis, la
estandarización, la limpieza, la correspondencia, el
enriquecimiento y el monitoreo.
A pesar de los recursos a su alcance, las empresas, en
la práctica, tienen un gran problema de calidad que se
extiende desde el interior de la organización hacia
fuera, proyectándose en aspectos como las relaciones
con los clientes, la toma de decisiones y la productivi-
dad. en un entorno así es difícil fiarse del dato y éste es
precisamente el objetivo de la función de Calidad.
Las herramientas de calidad de datos son vitales para
la transformación del negocio digital, especialmente
ahora que muchas tienen características emergentes
como la automatización, el aprendizaje automático, los
flujos de trabajo centrados en el negocio y los modelos
de implementación en la nube.
Estas iniciativas de transformación digital están ejerci-
endo una nueva presión sobre los esfuerzos de calidad
de datos, a medida que el panorama de datos se
vuelve más complejo y surgen nuevos requisitos de
negocio urgentes.
12
Del lado de la demanda, el usuario final está cambian- • Conectividad: la capacidad de acceder y aplicar

do sus preferencias hacia capacidades más amplias reglas de calidad de datos a una amplia gama de

que abarcan la gestión de datos y el gobierno de la fuentes de datos, incluyendo datos internos y exter-

información. Los usuarios esperan una integración nos, datos locales y en la nube, y fuentes de datos

efectiva e interoperabilidad entre estos productos, pero estructurados y no estructurados.

no convergencia. Es el motivo por el que las organi- • Creación de perfiles, medición y visualización de
zaciones priorizan cuatro áreas: datos: capacidades de análisis de datos que brindan
a las funciones de negocio y TI una visión de la

1. Audiencia calidad de los datos y que les ayuda a identificar y

2. Gobernanza comprender los problemas de calidad de los datos.

3. Diversidad de datos • Monitorización: capacidades para ayudar con la

4. Latencia. comprensión y la garantía continuas de la calidad de

los datos mediante el seguimiento y la alerta de

Por el lado de la oferta, los proveedores de herramien- posibles problemas de calidad de los datos.

tas de calidad de datos también están priorizando • Análisis: capacidades que permiten descomponer

cuatro áreas: análisis, inteligencia, implementación y datos en sus componentes básicos.

fijación de precios. • Estandarización y limpieza: capacidades para aplicar

estándares industriales o locales, reglas de negocio o

Elección de herramientas de calidad de bases de conocimiento para modificar datos para

datos formatos, valores y diseños específicos.

• Emparejamiento, vinculación y fusión: capacidades
Evaluar y seleccionar herramientas de calidad de datos integradas para emparejar, vincular y fusionar entra-

ya no es una tarea exclusiva de TI, de hecho, hoy día se das de datos relacionados dentro o entre conjuntos

requiere mucha más colaboración con los usuarios de de datos, utilizando una variedad de técnicas, como

negocio. Y, en esta elección tecnológica, hay que tener reglas, algoritmos, metadatos y aprendizaje automáti-

en cuenta algunas capacidades clave que las organi- co.

zaciones necesitan, como: • Soporte multidominio: capacidades empaquetadas

para áreas específicas de temas de datos, como
cliente, producto, activo y ubicación.

13
• Dirección de validación / geocodificación: soporte
para la estandarización y limpieza de datos relaciona-
dos con la ubicación.
• Conservación y enriquecimiento de datos: la capaci-
dad de integrar datos de origen externo para mejorar
la integridad y agregar valor.
• Resolución de problemas y flujo de trabajo: el flujo del
proceso y la interfaz de usuario que permite a los
usuarios comerciales identificar, poner en cuarente-
na, asignar, escalar y resolver problemas de calidad
de datos.
1. Su potencial de innovación y su estrategia de
producto, que utiliza el aprendizaje automático
basado en metadatos para identificar la consistencia
del dominio de datos, los valores atípicos y los
errores.
Su ecosistema de socios globales, que aumenta la
2. amplitud y profundidad de la experiencia y el soporte
de la industria de Informatica, y ayuda a los clientes a
implementar sus soluciones con éxito.
3. Su cuota de mercado, comprensión y presencia.

• Gestión de metadatos: la capacidad de capturar, .

conciliar e interoperar metadatos relacionados con el Magic Quadrant for Data Quality Tools
proceso de calidad de datos.
• Entorno DevOps: capacidades que facilitan la config-
uración de las operaciones de calidad de datos.
• Entorno de implementación: estilos de imple-
mentación y opciones de hardware y sistema operati-
vo para implementar operaciones de calidad de
datos.
• Arquitectura e integración: elementos comunes,
coherencia e interoperabilidad entre los diversos
componentes del conjunto de herramientas de
calidad de datos y herramientas de terceros.
• Usabilidad: idoneidad de las herramientas para
comprometer y apoyar los diversos roles que existen
en la organización.

Source: Gartner (March 2019)

Puede parecer difícil encontrar un proveedor que reúna
todas estas capacidades en su oferta y, sin embargo, la
última edición del Cuadrante Mágico de Gartner desta-
ca a Informatica como líder en base a:

14
Master Data
Management
Esta función se encarga de asegurar que los datos más
importantes para el negocio son creados con la consis-
tencia y calidad necesarias.
Reference Data son los conjuntos de datos o clasifica-
ciones referenciados por los sistemas, aplicaciones,
procesos e informes, así como por los sistemas
transaccionales y registros maestros.
Estandarizar los datos de referencia, es decir, desarrol-
lar esta función; es clave para la integración e interoper-
abilidad de los diferentes sistemas.
Los datos de referencia deben ser utilizados para la
clasificación y análisis de la información, por ello es
importante usar datos de referencia estándar, es decir,
fijados por agencias reguladoras o gobiernos, cuando
sea posible.
Ejemplo de este tipo de datos serían:
• Género.
• Código de país.
• Tipo de producto.
Los datos de que se ocupa esta función son necesarios
para la empresa, pero no son tan importantes para el
negocio y su misión.
La importancia de los datos maestros
Master data son las entidades de negocio que se
involucran en todos los departamentos de la empresa,
e incluso sus partners. Son los datos maestros.
Este tipo de datos son utilizados en múltiples procesos
de la organización, por lo que es crítico estandarizarlos
y sincronizar los diferentes sistemas donde se almace-
nan. El negocio necesita tener una visión 360º sobre
estos datos para poder tomar decisiones alineadas con
su visión.
Los datos maestros están relacionados con los datos
de referencia y ejemplo de ellos serían los siguientes:
• Cliente.
• Empleado.
• Producto.
El mayor riesgo que se corre en una organización, si no
se ha implementado correctamente esta función, es
que, si los datos están muy dispersos en diferentes
aplicaciones y distintos sistemas, estos datos maestros
resultan ser los más dispersos de todos. Como conse-
cuencia, resulta muy difícil para la empresa el tener una
visión global de su propia organización.
15
Un ejemplo muy claro de la importancia estratégica de
los datos maestros es el caso de una entidad finan-
ciera, en la que un empleado puede ser al mismo
tiempo cliente, y tener sus cuentas bancarias y las de
otros miembros de su familia contratadas con dicha
entidad. Si no se ha estandarizado la información sobre
esta persona aparecerá ligada al departamento de
RR.HH., por su cualidad de empleado, y al Comercial,
en calidad de cliente, pero la entidad financiera se
estará privando de una visión global que le permita
tener identificado al individuo.
El objetivo que se logra a través de esta función es
mejorar la gestión del negocio y ser más competitivo.
Estrategia de datos maestros
Una estrategia de MDM potencialmente necesitará del
apoyo de alguna solución de gestión de datos maestros
de empresa que respalde los requisitos de infraestruc-
tura habilitantes y el programa de MDM en marcha. Su
modo de entrega debería abarcar, tanto los modelos
locales, como los basados en la nube.
Cuando se elige la solución de MDM adecuada el
software apoya los requisitos continuos de adminis-
tración y gestión de datos maestros a través de técni-
cas de supervisión y acción correctiva basadas en el
flujo de trabajo; admite la identificación global, la vincu-
lación y la sincronización de datos maestros a través de
fuentes de datos heterogéneas a través de la concilia-
ción semántica de datos maestros y permite la
generación y entrega de una versión confiable de uno o
más dominios de datos a todas las partes interesadas,
en apoyo de diversas iniciativas de negocio.
Es importante hacer una buena elección tecnológica
para reunir las capacidades que ayudarán a mantener
un registro confiable para los datos maestros, al cual
todos los demás sistemas de referencia revertirán para
la validación final.
Al escoger entre los diferentes proveedores, es impor-
tante prestar atención a capacidades funcionales,
como el flujo de trabajo y BPM, el modelado de datos,
la carga, sincronización, servicios empresariales e
integración, la gestión de jerarquía, el rendimiento,
escalabilidad, disponibilidad y seguridad y, por
supuesto, la calidad de la información y semántica.
Conviene también comparar aspectos de soporte en
relación al gobierno de datos, la gestión de datos, el
cumplimiento o la integración, teniendo en cuenta que
las implementaciones de MDM y sus requisitos varían
según la complejidad del entorno empresarial y de los
casos de uso, que determinarán los niveles apropiados
de gobierno, gestión de riesgos y control.
16
Informática encabeza la lista de recomendaciones del
Cuadrante Mágico de Gartner en su última edición.
Entre sus fortalezas, la consultora destaca:

Magic Quadrant for Master Data Management Solutions

Source: Gartner (January 2020)

1. Estar gestionando con éxito la transición a los

ingresos por suscripción.
2. Haber logrado puntuaciones de clientes de referencia
muy por encima del promedio en su conjunto para su
experiencia general, en especial en lo que respecta a
las implementaciones (de 6 a 12 meses y superiores
a 12 meses) y la gestión de cuentas.
3. Tener fuerza en la cuota de mercado, siendo el
proveedor más referenciado en todas las evalua-
ciones competitivas.

17
 www.powerdata.es
Arenales 1678 piso 3
Tel. (+54) 11 5277-4650 HAZ CLICK AQUÍ PARA AGENDAR
Buenos Aires - Argentina UNA CONSULTA GRATUITA CON UNO
DE NUESTROS EXPERTOS
Padre Mariano 82, oficina 602, Las Condes
Tel. (+56) 2 29363 102
Santiago de Chile
www.linkedin.com/company/powerdata
Carrera 16 # 93 A - 16 oficina 504
Tel. (+57) 1 616 7796
www.twitter.com/powerdatagrupo
Bogotá - Colombia

Av. República de Panamá 3545, oficina 1102, San Isidro

Tel. (+51) 1 634 4900
Lima - Perú