Gobierno y Calidad de Datos –

De la Teoría a la Práctica
Taller de discusión de conceptos y ejercicios
prácticos

Joaquín García / Jorge Zamora

Noviembre 2019
I. - Introducción
Agenda

I – Introducción
II – Gobierno de datos como agente de transformación
III - Rol del gobierno de datos en una organización “Data-Driven” y premisas para su
implementación
IV – Casos de éxito de gobierno de datos
V - Enfoque práctico – Centro de Excelencia de Gobierno de Datos (CoE) –
[Break]
VI - Estrategia Empresarial de Calidad de Datos y su alineamiento con un CoE de
gobierno y gestión de datos –
VII - Métricas (KPIs) como herramienta de gobierno y gestión de datos
VIII - Ejercicio de definición de métricas de un CoE
IX - Conclusiones
II. - Gobierno de Datos como agente de transformación
Definición(es) de Transformación Digital

“is the process of increasing the speed of “is the process of exploiting digital technologies
applications and services deployment, and supporting capabilities to create a robust
simplify and enhance the customer new digital business model”
experience, and provide access to more
information more quickly”
“changing the way people work,
challenging their mindsets and the daily
work processes and strategies that the
business rely upon”

”is the profound change of business and organizational activities, processes,

competencies and models to fully leverage the changes and opportunities of a mix of
digital technologies and their accelerating impact across society in a strategic and
prioritized way, with present and future shifts in mind.”
Definición(es) de Transformación Digital

“is the process of increasing the speed of “is the process of exploiting digital technologies
applications and services deployment, and supporting capabilities to create a robust
simplify and enhance the customer new digital business model”
experience, and provide access to more
information more quickly”
“changing the way people work,
challenging their mindsets and the daily
work processes and strategies that the
business rely upon”

”is the profound change of business and organizational activities, processes,

competencies and models to fully leverage the changes and opportunities of a mix of
digital technologies and their accelerating impact across society in a strategic and
prioritized way, with present and future shifts in mind.”
Definición(es) de Transformación Digital

Ejemplos de expectativas en la
Transformación Digital

Alta eficiencia en costos

100% en satisfacción del cliente
Máximo aprovechamiento del DATA
mercado
Servicios de perfecta calidad
Satisfacción regulatoria al 100%
Líder en innovación de servicios
Alta transparencia y flexibilidad
Radiografía de una empresa “tradicional”

Objetivos de Negocio

Depto. A Depto. B Depto. C

Diferencias / Acuerdos /
Opera y Entrega Ambigüedades / Opera y Entrega Conflictos Opera y Entrega
Similitudes

Plataforma de Procesos y TI Unificada

Resultados
 Radiografía de una empresa “tradicional” –

Objetivos de Negocio

Depto. A Depto. B Depto. C

¿Llegamos o no ¿Llegamos o no
a la meta? a la meta?
Opera y Entrega Opera y Entrega Opera y Entrega

Resultados Resultados
Eventos Consolidados
Consolidados
Tareas Eventos
Transacciones Tareas
Registro de Eficiencia Transacciones
Registro de Eficiencia
Radiografía de una empresa “tradicional” – Hacer vs. Analizar

Objetivos de Negocio

Depto. A ¿Estamos haciendo las ¿Estamos

Depto. BEvolución haciendo las Depto. C
& Transformación
cosas correctas? cosas de manera
correcta?

Diferencias / Acuerdos /
Opera y Entrega Ambigüedades / Opera y Entrega Conflictos Opera y Entrega
Similitudes
Pensamiento Crítico es clave
Razonamiento
El pensamiento crítico es la capacidad de
pensar clara y racionalmente sobre qué hacer
o qué creer, de modo reflexivo e
Análisis
independiente:
Habilidades de Evaluación

• Comprender las conexiones lógicas Pensamiento

• Identificar, construir y evaluar argumentos Crítico
• Detectar incoherencias y errores comunes en
el razonamiento Toma de Resolución
• Resolver problemas sistemáticamente Decisiones de Problemas
• Identificar la relevancia y la importancia de
las ideas
• Reflexionar sobre sus propios paradigmas y
creencias — y desafiarlas

La interpretación, el uso y el análisis de los datos – mediante el pensamiento crítico - es

clave en el proceso de transformación digital.
¿Qué es realmente el Gobierno de Datos? (*)

“The specification of decision rights and an accountability framework

to ensure the appropriate behavior in the valuation, creation,
consumption and control of data and analytics.”- Gartner 2019

“The exercise of authority and control (planning, monitoring, and

enforcement) over the management of data assets” – DMBOK2

Estrategia Proyectos de Valuación

Supervisión Cumplimiento Manejo de
(Datos / Políticas Estándares Gestión de de activos
(Hands-on) Regulatorio Incidencias
Gobierno) Datos de datos
El dato como un activo estratégico de la organización

El gobierno de datos, tiene como uno de sus principales objetivos hacer de los
datos un activo de valor para la organización, y tratarlos como tal!

Facilitar, Habilitar, Interconectar, Compartir y Orquestar

Resguardo y
Comunicación del
validación de Colaboración &
significado semántico
inventario de activos Responsabilidad
de los datos
de información
Gobierno de Datos como agente de cambio
“Culture
eats
strategy”

Las personas se audeñan de lo que ayudan a crear

El cambio real ocurre en el trabajo real

“Myron Maxims”
Gobierno de Datos como agente de cambio

Marco de
trabajo
multidisciplinario
para el
gobierno y
gestión
de datos
III. – Rol del Gobierno de Datos en una organización “Data-Driven” y
premisas para su implementación
Que no significa ser “Data-Driven” ???

Muchos reportes e Muchos dashboards no es Muchas alertas

infografías no es ser ser “data-driven” (predictivas o vía ML) no
“data-driven” es ser “data-driven”
Que significa “Data-Driven” ???
“Data- Driven”: Alineamiento de
Estrategia Tradicional estrategia basado en datos

Objetivos
Innovación en
de negocio
Objetivos modelo de negocio
de negocio

Análisis de
Nuevas experiencias
Procesos
Priorización para el cliente
Lista de
Programas /
Análisis de Proyectos Data & Transformación de
Sistemas Analytics procesos y toma de
decisiones

Data Trends

Predi Big
ctive IoT ML Data
Nuevo enfoque organizacional: Gente, Procesos, Tecnología y …

Capacidades de una organización “Data-driven”:

• Procesos: Procesos diseñados para usar y gestionar

el valor del dato en sus diferentes dimensiones:
Procesos
calidad, semántica, seguridad, etc.
• Gente: Capacidades para entender definiciones
Datos
semánticas y comunicar datos en contexto.
• Tecnología: Plataforma orientada no solo a la
gestión efectiva del datos, sino a la administración
de su definiciones y valor para el negocio
Tecnología Gente
Gobierno de Datos y sus dimensiones de transformación

Datos

Gobierno de Datos

Organización Evolución Tecnológica Valor a Negocio

• Diseño organizacional orientado al • Plataforma integrada para el • Diseño de procesos “data-driven”

dato y a nuevas capacidades gobierno y gestión de dato • Alineado a resultados de negocio
• Gestión de la “cultura del dato” • Capacidades analíticas y de • Gestión de activos de datos
gestión de datos
Gobierno de Datos: Definición = Misión ??

“The exercise of authority and control (planning, monitoring, and

enforcement) over the management of data assets” – DMBOK2

Fuente: DMBOK2
Gobierno de Datos con habilitador estratégico

“Data- Driven”: Alineamiento de

estrategia basado en datos
Marco de trabajo para
implementar la
estrategia de datos que Innovación en
soporte los objetivos de Objetivos modelo de negocio
de negocio
negocio
Nuevas experiencias
para el cliente

Data & Transformación de

Analytics procesos y toma de
decisiones
Data Trends

Predi Big
ctive IoT ML Data
Siete premisas para la implementación de un gobierno de datos -

1 Estrategia de Datos !! – Es necesario preguntar por que?

- “Necesitamos tener mejor calidad de datos” – (?)

- “Necesitamos asegurar los datos sensibles de nuestros clientes” – (?)
- “Necesitamos tener mejores herramientas analíticas” (?)

Expresa la necesidades a satisfacer por parte de los datos de la organización basándose en lo

que la organización espera hacer o mejorar de cara a sus clientes, empleados, usuarios,
proveedores, productos, etc.
Siete premisas para la implementación de un gobierno de datos -

2 Enfoque transformacional para habilitar la generación de -

Nuevas oportunidades de Nuevos modelos y Nuevos productos y

mejora procesos de negocio servicios

• Internos / Externos
• Basados en activos
de datos
• Evolución de
productos y servicios
actuales
Siete premisas para la implementación de un gobierno de datos -

3 Soporte a innovación en tendencias de uso de datos (“Data Trends”)-

DG

Capturar
Ganancias en conocimiento
Eficiencia disperso

Proveer mayor Nuevas

y mejor alternativas
visibilidad para la toma
de decisiones
Siete premisas para la implementación de un gobierno de datos -

4 Conexión con mediciones y resultados de negocio

Impactos en Resultados de Negocio

Resultados de Procesos de Gobierno y

Negocio Negocio Gestión de Datos

• Ganancias en eficiencias
de procesos • Rendimientos en costo,
• Resultados en eficiencia e
Mejores y más claras calidad, velocidad y
• impacto en sus
interacciones agilidad en la gestión de
operaciones
• Monetización datos

Fuente: Gartner
Siete premisas para la implementación de un gobierno de datos -

5 Organización enfocada en resultados y competencias

• Enfocado en
resultados de
negocio

• Enfocado en
competencias
Siete premisas para la implementación de un gobierno de datos -

6 Gobierno de activos clave

A B
Procesos
Proceso de
Negocio A
Proceso de
AD
Negocio B

Activos de
datos clave Servicios
Proceso de C
Negocio C D

Necesidades compartidas de Proveer contexto, procesos y servicios de

gestión de datos sobre gobierno y gestión de datos apropiados de
activos clave acuerdo a las necesidades de cada proceso /
área de negocio
Siete premisas para la implementación de un gobierno de datos -

7 Gobierno de datos alineado a la organización -

Enfoque ágil

DG
Coordination
D
G

Fuente: McKinsey&Company
IV. – Casos de Éxito de Gobierno de Datos –
McGraw-Hill

• Enfocado en la evolución desde ser un proveedor de material académico impreso

hacia ser un líder de conocimiento y aprendizaje mediante el uso de medios
digitales.
• Generación de productos innovadores basado en soluciones tecnológicas.

Requerimientos de negocio

1. Mejorar la colaboración y la eficiencia en el uso de información, y reducir los riesgos

evitables en todas las unidades de negocio.
2. Implementar un programa de gobierno de datos enfocado en la calidad de los
datos
3. Conectar y homologar entendimiento entre los diferentes “mundos”: “TI” /
“negocio”, “en sitio / nube”, “small data / big data”.
McGraw-Hill

Enfoque

1. Premisa inicial de “venta” interna: “Trusted, governed, high-quality data” (Datos de

alta calidad, confiables y gobernados)
2. Enfoque en la generación de adopción de una nueva cultura de uso de los datos,
haciendo uso de la renovación de su plataforma de BI.
3. Definición de marco de trabajo con énfasis en la colaboración y en la
determinación de brechas de entendimiento entre las soluciones de TI y los
procesos de negocio.
4. Definición de KPIs de negocio y técnicos para la medición de calidad de datos,
directamente correlacionados con los reportes estratégicos de la organización.
5. Aprovechamiento de capacidades actuales de la organización para mejorar los
procesos de gestión de datos, consolidando expertos y conocimiento de manera
virtual.
McGraw-Hill

Beneficios

1. Administración de calidad de datos en paralelo a la toma de decisiones.

2. Alineamiento de entendimiento entre conceptos de negocio y metadatos
técnicos.
3. Incremento en uso de soluciones de BI, así como en la colaboración y
entendimiento de conceptos asociados a la gestión de los datos involucrados.
4. Desarrollo de nuevos “productos de datos”: Taxonomía empresarial de productos,
modelo agnóstico del cliente.
5. Un solo lenguaje de datos a lo largo de la organización.
AVIS

• Reinventando la experiencia de renta de vehículos con “infotainment” (también

conocido como “soft-news”: ej. clima, reseñas de películas, etc.) y guías locales
virtuales.
• Digitalizando alertas y mantenimiento predictivo de unidades.
• Adopción de un enfoque analítico, en un ecosistema complejo, compuesto por una
flota de 650,000 vehículos.

Requerimientos de negocio

1. Impulsar el análisis de datos del flota en tiempo real, lo que implica la definición y
gestión de nuevos datos (IoT).
2. Definiciones a lo largo del su plataforma tecnológica, compuesta por soluciones
“legacy” y de nueva generación.
3. Redefinición de datos críticos para la generación de un lago de datos (datalake)
para lograr una flota “conectada”
AVIS

Enfoque

1. Enfoque en la generación de una capa de datos extendida, asociada a sus

objetivos de transformación digital.
2. Enfoque en la identificación de datos (metadatado) críticos que tengan un
impacto positivo en sus operaciones, para la reducción de costos (monetización).
3. Proveer visibilidad en los datos a lo largo de su ecosistema tecnológico – mediante
la generación de un glosario de términos y un catálogo de metadatos estratégicos.
4. Implementación de un marco de trabajo enfocado en la trazabilidad del dato
(metadato): Definición de datos críticos por tipo de unidad; para también soportar
los requerimientos regulatorios de la organización.
5. Enfoque en un aumento de productividad, mediante el impulso del entendimiento
de sus datos.
AVIS

Beneficios

1. Impulso de la cultura de entendimiento del dato (metadato).

2. Adopción de un marco de trabajo para el gobierno de datos como componente
clave para impulsar la adopción de nuevas tecnologías, al promover, controlar y
monitorear la calidad y el uso de nuevos modelos de análisis de información
soportados por un lago de datos.
3. Salvaguardar el cumplimiento regulatorio de la organización como prioridad del
gobierno de datos.
V. – Enfoque práctico – Centro de Excelencia de Gobierno de Datos (CoE) –
“Gobierno” vs. Gestión”

Gobierno Gobierno Determina como una

(Governance) Corporativo (Top organización es dirigida y
Management) controlada
IT Governance Provee supervisión y un marco
de trabajo para promover
Data Governance
mejores
prácticas de TI
Gestión Data Management Se encarga del
(Management) desarrollo y soporte a los datos • Data Governance y Data
mediante metodologías, Management están
políticas y estándares relacionados
Provee procedimientos para la gestión de datos: • Data Management es el
• Gestión de Requerimientos componente práctico que
• Gestión y Operación de los Datos
soporta la gestión de los datos
• Gestión de Metadatos
• Calidad de Datos • No hay uno sin el otro.
• Privacidad y Seguridad
Interpretación de marcos de referencia

Los marcos de referencia proveen una enfoque de alto nivel para la implementación
de gobierno de datos, el cual frecuentemente es interpretado de manera “Top –
Down”.
Misión
• Desventajas –
• Mayor tiempo de implementación, Áreas de Enfoque
• Dificultad en la definición del marco de trabajo
asociado, Metas
• Dificultad en la gestión del cambio,
• Revisiones constantes en las definiciones del marco Objetivos
de trabajo, asociadas a la implementación de
nuevas soluciones. Roles
• Gobierno de datos en “papel”
Responsabilidades
Estructura de un Gobierno y Gestión de Datos

CDO, CDGO, or Executive Sponsors

Governance Councils

Executive Data Stewards

Functional Data Stewards &

Process & Data Management
Specialists

Data Owner /
Op. Stewards (BUs)

Data Delivery
(IT + BU)
Alineamiento de gestión de datos
¿Cómo hago disponible los
Respuestas: datos de clientes en toda la ¿Cuál es el modelo de
arquitectura de mi empresa? datos de cliente actual? • El objetivo de estas
Capacidades de datos
requeridas prácticas de DM es
¿Cómo dónde y cuándo
¿Cómo defino el ciclo
proporcionar una base
mido la calidad de los
datos de los clientes,? de vida de los datos de solida para habilitar
mis clientes? iniciativas empresariales
basadas en datos
¿Cuáles son los • Estas prácticas no deben
metadatos técnicos y
empresariales que existir en el vacío, y su
son relevantes para pertinencia están
mi cliente? (políticas, ¿Cómo protejo los
procesos, datos de los clientes? determinadas por las
propietarios, etc.) prerrogativas de negocio

¿Cómo puedo
proporcionar datos ¿Cómo integro y transformo
completos y actuales los datos de los clientes para
de los clientes para adaptarse a las necesidades
mejorar las decisiones de negocio?
empresariales?

¿Cómo controlo los datos de

¿Cómo puedo mejorar la confianza
los clientes que están fuera de
de los datos de mis clientes y cómo
los repositorios estructurados?
proporcionar una vista 360?
Cinco Premisas Clave para un Gobierno de Datos Ágil y Práctico
Enfoque en red de colaboración
C o n e s te p a ra d ig m a , e s n e c e s a rio e n fo c a r lo s e s fu e rz o s d e g o b ie rn o e n fa c ilita r e l us o a d e c u a d o d e
lo s d a to s a lo la rg o d e la o rg a n iz a c ió n , p e rm itie n d o c ie rta fle x ib ilid a d e n la s p o lític a s d e u s o y
d e fin ic ió n d e lo s d a to s .
Ir más allá de las definiciones operacionales de los datos
Si bien estas son necesarias, para convertir los datos en un activo para la organización es necesario entender su uso e
impacto, en relación a los procesos de negocio que soportan y el resultado que brindan en la organización.
Facilitar, y no solo monitorear
El enfoque de esfuerzos debe estar en facilitar y extender el entendimiento y uso adecuado de los datos.

Asumir diversidad en el uso de datos

En vez de luchar en contra del “caos” que pudiera derivarse del uso cambiante y no estandarizado de los datos, mejor enfocar
los esfuerzos en proveer soluciones que mejoren el entendimiento y el uso de los datos.
Hacer menos, para lograr más
Las necesidades de un organización son siempre cambiantes, por ello es mejor enfocarse inicialmente en el habilitar y
potenciar los equipos de trabajo de la organización.
Enfoque práctico de implementación

Enfoque sugerido:
Comenzar por la gestión práctica de datos (Data Management) para alcanzar los objetivos de gobierno de
datos (Bottom – Up)
En otras palabras -
Definir Centros de Excelencia sobre determinados
dominios de Gestión de Datos, comenzando por
esfuerzos enfocados de ganancias iniciales y su definición
metodológica, de procesos, estándares y organización –
que a su vez proveerá de elementos (resultados,
métricas) al Gobierno de Datos para alinear su operación
a los objetivos del negocio.

El conjunto total de la operación del CoE conforma el

cuerpo principal del Gobierno de Datos. DMBOK DG
Framework
Enfoque práctico de implementación

• Un Centro de Excelencia es un equipo interdisciplinario que

– implementa, opera, mantiene, ajusta y controla - un
conjunto de prácticas especificas de gestión de datos.

• Un Centro de Excelencia de un Gobierno de Datos es un

órgano compuesto por procesos, personas y tecnología y
usualmente contempla los siguientes Macro-procesos –
• Coordinación General de CoE (Gobierno Interno)
• Coordinación de gobierno y monitoreo de datos
• Gestión y Desarrollo de Proyectos en las diferentes prácticas
relevantes de gestión de datos,
• Monitoreo y Operación,
• Gestión del Cambio y Entrenamiento,
• Gestión de Mejores prácticas
• Soporte y Atención de Requerimientos de Usuarios Finales
Ventajas de este enfoque de implementación

• Permite comenzar implementación de un Gobierno de Datos de

manera incremental.
• Permite acotar el alcance a un conjunto de procesos, roles y
tecnología en particular, sin perder de vista los objetivos de un
Gobierno de Datos.
• Permite implementar las soluciones tecnológicas relevantes en
paralelo a las definiciones propias de operación del CoE.
• Permite ciclos cortos en la implementación de un Gobierno de Datos.
• Acota las operaciones del CoE a una práctica en particular, lo que
simplifica aspectos como la adopción y gestión del cambio.
• Permite planificar de mejor manera la adopción de cuerpos de
Gobierno de Datos alineados a la adopción de sus prácticas y gestión
del cambio.
Gestión de datos – Mejores prácticas

Gente

Iniciativa Patrocinada por el Negocio

• Debe de estar patrocinada por el negocio y debe de haber un comunicado asociado al respecto
• El patrocinio es necesario y debe de ser retenido a través de todo el ciclo de vida de la gestión de la
iniciativa de datos
• Los objetivos de la iniciativa deben de estar claros a nivel negocio
• Estructura de gobierno de datos maestros definida y comunicada

Definición de equipo de responsables de datos

• Definición clara del grupo de “Data Stewards” a lo largo del negocio y a todos los niveles
• Identificación de roles y responsabilidades claras y bien comunicadas

Habilidades y Entrenamiento adecuado

• Equipo de “Data Stewards” y staff asociado debe de tener las habilidades técnicas y funcionales
adecuadas para realizar el rol asignado
• Tiempos del entrenamiento alineados a la iniciativa
• Asegurar adopción mediante una gestión de cambio adecuada
Gestión de datos – Mejores prácticas
Procesos
Mapa de Procesos de Negocio Completo
• ¿Se cuenta con el inventario completo de
procesos de negocio asociados al ciclo de vida
de la entidad y sus atributos?
• ¿Que nivel de automatización tiene cada
proceso?
• ¿Los procesos y servicios asociados al consumo
de la información procesada se encuentran bien
documentados?
Gobierno de TI
• Definición de procesos de resolución de
incidencias
• Proceso de escalamiento de Incidencias
• Integración con otros gobiernos de TI
Análisis de Fuentes
• Priorización de fuentes por confiabilidad de
acuerdo a los atributos que genere
Alineación con el marco de trabajo de la
organización
• Alinear los nuevos procesos a implementar con el
marco de trabajo vigente de la organización
Definición de la arquitectura de datos
• ¿Se cuenta con lineamientos asociados a la
definición de la arquitectura de datos de la
entidad involucrada? – Estándares, Modelo de
Datos, políticas de retención, métricas de calidad,
matriz CRUD, etc.
Gestión de datos – Mejores prácticas
Tecnología
Capacidades de Gestión de Datos
• Plataformas tecnológicas de última generación
alineada a los requerimientos de negocio
Seguridad
• Definición clara de políticas de seguridad por
roles
• Proceso de vigilancia de políticas de seguridad
• Proceso de gestión y escalamiento de
incidencias
Mantenimiento
• Estructura de soporte adecuada para asegurar
la operación de la herramienta
Escalabilidad
• El plan de evolución de la plataforma debe de
incorporar un apartado que permite gestionar y
evolucionar la escalabilidad de la plataforma
Confiabilidad
• Definición de SLAs para los servicios de MDM
• Definición de plan de alta disponibilidad durante los
períodos críticos de operación
Desempeño
• Estrategia y plan definido para el “fine tunning” de la
arquitectura de la solución de gestión de datos
 Rol Clave: Executive Data Steward (Responsable de datos)
El responsable de datos es el orquestador de la gestión de datos y su participación es clave
para asegurar la calidad y exactitud de los datos de manera que reflejen la realidad de la
organización.
Áreas de Negocio …
Conocimiento
de negocio
Modelo de
Resp. de Resp. de Resp. de dato
Datos Datos Datos agnóstico

• Traduce el conocimiento de las diferentes áreas de negocio, en componentes de información para conformar el modelo de
datos que lo represente.
• Define premisas de gestión de datos maestros que se derivan de los objetivos de las áreas de negocio que representan y sobre
los componentes de información que le pertenecen.
• Apoya en la definición de un portafolio de proyectos (Dominios) a ser implementados a través del equipo de implementación
de gestión de datos.
• Colabora en la definición de las metas que determinan el éxito de los proyectos, las cuales se traducen en métricas de
monitoreo del gobierno de datos.
• Instrumenta medios de remediación para impulsar el cumplimiento de las metas de gestión de datos.
 Factores críticos de Éxito

• Involucramiento del negocio – Generalmente, el negocio entiende mejor las implicaciones de la correcta
gestión de un determinado dato para el negocio, que el equipo de IT.

• Planificación adecuada – Las personas involucradas en el proyecto deben considerar que participaran
esfuerzos de implementación de un gobierno de datos, teniendo en cuenta no solo el plan de
implementación especifico de un CoE, sino del propio esfuerzo del gobierno de datos mediante la definición
de un “Roadmap” a diferentes niveles (CoE, plataformas, etc.), sus principales hitos y beneficios que se deseen
alcanzar.

• “Perfecto es el enemigo de suficiente” – Determinar un alcance y procesos adecuados de un CoE de acuerdo

los recursos disponibles. Comenzar con un enfoque incremental que permita establecer un control “suficiente”
en los procesos y procedimientos de acuerdo a dichos recursos.

• Enfoque práctico mediante el uso de herramientas de gestión de datos – Todo esfuerzo de gobierno de datos
debe de contar con un componente aterrizado en la práctica que derive en actividades y operaciones de
gestión de datos con resultados medibles. Un gobierno de datos “en papel” no es suficiente para generar la
inercia de adopción que requiere este tipo de proyectos.
VI. – Estrategia Empresarial de Calidad de Datos y su alineamiento con un
CoE de gobierno y gestión de datos –
Calidad en los Datos, definición

En una definición básica podemos decir que, un dato con calidad

es aquel que es apto para su uso en un contexto dado.

Los datos son el elemento vital de una organización que forma la

base de muchas decisiones críticas.

Sin embargo, las organizaciones deben habilitar un proceso

(programa) extenso para garantizar la viabilidad de los datos, ya
que los datos precisos pueden ayudar a entregar resultados
valiosos para la toma de decisiones (better decision making)
Gestión empresarial de Calidad de Datos, ¿qué significa y porqué es
importante?

La gestión de la calidad de los datos se refiere al conjunto de

prácticas que implica el empleo de las personas, los procesos y las
tecnologías para obtener datos de alta calidad.

Un marco Empresarial de Calidad de Datos bien establecido

asegura que la calidad se mantenga durante todo el ciclo de vida
de los datos.

Como parte de un programa Empresarial de Calidad de Datos, los

responsables de la estrategia de datos especifican ciertas
comprobaciones o mediciones de calidad de datos a lo largo del
flujo para eliminar cualquier inconsistencia o error y garantizar datos
confiables para procesos analíticos, de inteligencia empresarial o
bien mejorar la experiencia del Ciente.
Calidad de Datos y Gobierno de Datos en contexto

Requerimientos de
Estrategia activos de datos que Que activos de datos
soportan los objetivos necesitan ser identificados
Organizacional y cuidados Gobierno de Datos
estratégicos

Nivel de confiabilidad de
los activos de datos para
Estrategia de Datos cumplir la estrategia de
datos

Mediciones en términos de
Control de aspectos claves calidad de los activos de datos en
de Calidad en los activos de cuestión en diferentes momentos
datos relevantes y priorizados del flujo de los datos

Data Quality
Aspectos clave que debe contener una estrategia empresarial de Calidad
de Datos

El negocio y TI comparten la responsabilidad de la calidad de los datos

Collaborative Roles claramente definidos y tecnología adecuada. Entre los roles más relevantes: analistas de
datos del negocio (SME), administradores de datos (data steward), desarrolladores y
administradores de TI.
El negocio y TI reconocen que la organización sufre cierto grado de mala calidad de los datos.
Proactive
La medición y evaluación de los datos de forma proactiva ayuda a identificar y corregir
problemas antes de que afecten el rendimiento de toma de decisiones criticas del negocio

Las políticas y reglas de calidad de datos definidas en la organización a través del gobierno
Reusable de datos, deben de reutilizarse en cualquier circunstancia y aplicaciones en el negocio para
optimizar y acelerar los procesos y ayudar a garantizar altos estándares y consistencia en
calidad de los datos
La calidad de datos debe ser aplicada en todas las partes donde haya un interés de la
Pervasive
organización o toma de decisiones basada en los activos de datos, p.e: dominios de datos,
proyectos y aplicaciones, independientemente de la tecnología y dónde residan los datos,
ya sea en las instalaciones, con terceros o en la nube
 Ciclo de Calidad de Datos
Profile the data

Monitor Data Quality

vs target Establish metrics and define
targets

Define and implement

Review exceptions and refine rules Data Quality Rules

Deploy Data Quality Services

 Ciclo de Calidad de Datos – Perfilado de datos
La medición y evaluación de los datos
Profile the data ayuda a conocer las fortalezas y
áreas de oportunidad en los datos

Monitor Data Quality Establish metrics and define

vs target targets

Define and implement

Review exceptions and refine rules Data Quality Rules

Deploy Data Quality Services

 Ciclo de Calidad de Datos – Definición de métricas y objetivos
Profile the data

Monitor Data Quality Establish metrics and define

vs target targets
Una actividad clave es el establecer
métricas y objetivos relacionados
con los activos de datos priorizados

Define and implement

Review exceptions and refine rules Data Quality Rules

Deploy Data Quality Services

 Ciclo de Calidad de Datos
Profile the data

Monitor Data Quality Establish metrics and define

vs target targets

Define and implement

Review exceptions and refine rules Data Quality Rules
La definición centralizada de reglas
de calidad como un punto
importante de gobierno

Deploy Data Quality Services

 Ciclo de Calidad de Datos
Profile the data

Monitor Data Quality Establish metrics and define

vs target targets

Define and implement

Review exceptions and refine rules Data Quality Rules

Deploy Data Quality Services

Habilitando servicios de Calidad de Datos, se logra un
impacto a toda la organización
 Ciclo de Calidad de Datos
Profile the data

Monitor Data Quality Establish metrics and define

vs target targets

Define and implement

Review exceptions and refine rules Data Quality Rules
Es importante la gestión de excepciones, el
factor humano ayuda a determiner que
puede ser mejorado en la definición de reglas
de calidad

Deploy Data Quality Services

 Ciclo de Calidad de Datos
Profile the data

Monitor Data Quality Establish metrics and define

vs target targets
El monitoreo constante de los resultados vs
los objetivos permite al equipo de gobierno
tomar acciones para mejorar

Define and implement

Review exceptions and refine rules Data Quality Rules

Deploy Data Quality Services

Dimensiones de Calidad de Datos

Quality procedure

Completeness What data have missing or wrongful attributes? Cleanse: encompassing usability and
appropriateness

Conformity What data have not correct format or expected? Standardize: Format data

Consistency What data have the wrong reference information? Enrich: Adjust referential data

Accuracy What data is incorrect, or does it not reflect reality? Remediate: align to business operation.
(Business responsibility)

Uniqueness What data are duplicated at the registration or attribute level? Validate duplicity: What records are
duplicate

Integrity What data is not referenced correctly? Referential Integrity: Integral reference
key validation
¿Por qué el Gobierno de Datos ayuda a impulsar el éxito de los programas
de Calidad de Datos?

Un comité de gobierno de datos es un foro ideal para discutir y

resolver decisiones sobre las reglas de calidad de datos.

Una coordinación de Steward de datos facilita la comunicación

entre los usuarios del negocio y los working groups encargados de
implementar y probar las reglas de calidad de datos.

El working group también sirve como un foro para la priorización de

las reglas de calidad de datos. Casi todos los proyectos de calidad
de datos tienen limitaciones de tiempo y recursos que evitan que se
aborden todos los problemas de calidad de datos conocidos.
VII. – Métricas (KPIs) como herramienta de gobierno y gestión de datos
Métricas de Gobierno de Datos
Existen diferentes tipos de métricas asociadas a un gobierno de datos que pueden ser
implementadas para medir los avances de un Centro de Excelencia -
Orientadas a los
Datos
Se definen para evaluar los avances
técnicos de los propios datos de la
organización. Por ejemplo, en un CoE
Métricas
de Calidad de Datos – se pueden Técnicas
medir los avances sobre la limpieza y
enriquecimiento de los datos.
Se definen para evaluar la efectividad
y eficiencia en la operación del CoE –
Se miden alcances del CoE, eficiencia
Métricas de
de ciclos de operación (tiempos de Operación
implementación), entre otros
aspectos.
Se definen para medir los impactos
de la gestión delos datos vs. los
objetivos estratégicos y desempeño
de líneas de negocio – Por ejemplo,
Métricas de medición de retención de clientes en
Negocio función de la calidad de su
información de contactabilidad
Se definen para medir la adopción
Métricas de de las prácticas de operación en el
CoE. Estas métricas están
Gestión asociadas a esfuerzos de auditorias
y evaluación de madurez en la
operación de un CoE.
Orientadas al
CoE
Identificar las métricas correctas para cada nivel de gobierno de datos

Métricas De
Negocio

Métricas
Técnicas /
Operativas

Fuente: Gartner
Tres componentes para la definición de un KPI efectivo
Premisa o
Motivador
Meta
Ejemplo: Cumplimiento Ejemplo: Reducir el tiempo de
regulatorio FATCA preparación de reportes FATCA
así como las faltas /
comentarios en las entregas de
los mismos.
¿Qué información, términos de negocio y datos están asociados?
Impacto
Ejemplo: Ganancias en
eficiencia mediante la
reducción de costo y
tiempo. Mejora en la
reputación por parte de
auditores
Ejemplo: Análisis para la definición de un KPI y sus datos asociados

Premisa / Motivador: Identificación de perdida de clientes por fallas en el en

proceso de atención a pedidos y entrega

Objetivo: Mejorar la efectividad del equipo de atención a pedidos del 95% al

98%.

Impacto: Mejorar la retención de cliente 5% durante este año.

KPI: Tasa de satisfacción en atención de ordenes ( Total de ordenes atendidas

correctamente / Total de ordenes)
Datos Maestros: Clientes / Productos y Servicios
Atributos medibles

Datos en Aplicativos: Ordenes colocadas en CRM / Ordenes confirmadas en SAP

Datos en Transaccionales: Acuses de recibo (Cantidades en ordenes, Cantidad

entregada)
VIII. – Ejercicio de definición de métricas de un CoE
 Ejemplo de Métricas: Completar el cuadro
Motivador Objetivo documentado Atributos medibles Dominios de Datos KPIs de Calidad Proyectos a disparar

Mejorar la paticipación Recuperar el liderazgo en el Retomar el 25% de participación de Participación de mercado Pedidos Completitud de
de mercado mercado en cada categoría mercado Cliente pedidos
Completitud de
dirección de cliente
Exactitud de dirección
de cliente
Incrementar las ventas a Incrementar las ventas en tiendas en Similitud de ventas reales en Pedidos Completitud de
través de todas las un 15% por tres años. tiendas con respecto al Cliente pedidos
categorías y tiendas estimado Completitud de
dirección de cliente
Exactitud de dirección
de cliente
Incrementar la Mejorar la experiencia del Incrementar las visitas por tienda de 3 Visitas por tiendas, retorno Producto Completitud de
interacción con el cliente a 4 por año. de canasta básica producto
cliente Duplicidad de
producto
Mejorar el ambiente de servicio,
identificar las diferencias.

Mejorar la efectividad del sitio Mejorar las ventas por internet en un Porcentaje de ventas en el
web 15% sin canabilizar la ventas en tienda sitio web

Integrar las ofertas de tiendas e

internet
Incrementar las visitas Capturar la retroalimentación del
repetidas con atención en cliente. Integrar los hallazgos en
familias mercadotecnia.
 Ejemplo de Métricas: Completar el cuadro
Motivador Objetivo documentado Atributos medibles Dominios de KPIs de Calidad Proyectos a disparar
Datos
Innovación de producto Ofrecer una selección Vencer a los competidores en Ventas en tienda Cliente Completitud de
mejorada de productos y nuevos productos información
servicio por canal demográfica del
cliente
Implementar la más apropiada y Ventas en tiendas, categorias de Cliente Completitud de
rentable mezcla de productos, con productos devueltos información
consistencia en marca y variación demográfica del
de barrio. cliente
Mantener las precisión de los Mejorar la adquisición y la
procesos de publicidad comunicación de la tienda
Mejorar I+D para mejorar la Incrementar el entendimiento de Tendencias demográficas y psicográficas Cliente Completitud de
identificación de nuevas los patrones de compra información
oportunidades demográfica del
cliente
Mejorar eficiencia Mejorar la administración y Reducir las semanas de Semanas de suministro Inventario
operacional comercialización del inventario suministro en las clases de
producto apropiadas
Identificar procesos de Mejorar los procesos a través de Gastos generales, tiempo den ciclos, Cliente
negocio que pueden ser una eficiente colaboración resultados de división Pedidos
mejorados para incrementar Productos
las ganancias
Optimizar el desempeño de la Monitear y asistir a tiendas con Ventas en tienda, potencial geográfico y
tienda una tendencia negativa de demográfico de ventas
desempeño de más del 3% de
crecimiento
Eliminar o reubicar el 5% de Ventas en tienda, potencial geográfico y
tiedas más bajas demográfico de ventas
IX. – Conclusiones
DG&DM
GRACIAS!

jzamora@infomg.mx
jgarcia@infomg.mx