CAPÍTULO 1

Gestión de datos

1. Introducción

Muchas organizaciones reconocen 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
cual pueden derivar valor continuo (Evans y Price, 2012). La obtención de valor a partir de datos no ocurre en un vacío o por accidente. Requiere intención, planificación,
coordinación y compromiso. Requiere gestión y liderazgo.

La gestión 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 trabaja en cualquier faceta de la gestión de datos (desde la gestión técnica de los datos a lo largo de su ciclo de vida
para garantizar que los datos se utilicen y aprovechen adecuadamente) para cumplir 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 (es decir, "negocios"). La
responsabilidad de administrar los datos debe compartirse entre los roles comerciales y de 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.

Los datos y la información no son solo activos en el sentido de que las organizaciones invierten en ellos para obtener un 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 vital', e incluso el 'nuevo petróleo' de la economía de la

1
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 Association) ha publicado este libro, la segunda
edición de La Guía de DAMA para el Cuerpo de Conocimiento de Gestión de Datos (DMBOK2) . Esta edición se basa en la primera, 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
enfrentarlos. 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 dentro de varias Áreas de conocimiento de gestión de datos.

1.1 conductores de negocios

La información y el conocimiento son la clave de la ventaja competitiva. Las organizaciones que tienen datos confiables y de alta calidad sobre sus clientes, productos, servicios
y operaciones pueden tomar mejores decisiones que las que no tienen datos o con datos no confiables. 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 impulsor de la administración de datos es permitir que las organizaciones obtengan valor de sus activos
de datos, al igual que la administración efectiva de activos financieros y físicos permite a las organizaciones obtener valor de esos activos.

1.2 goles

Dentro de una organización, los objetivos de gestión de datos incluyen:

Comprensión y soporte de las necesidades de información de la empresa y sus partes interesadas, incluidos clientes, empleados y socios comerciales
Capturar, almacenar, proteger y garantizar la integridad de los activos de datos
Asegurar la calidad de los datos y la información.
Asegurar la privacidad y confidencialidad de los datos de las partes interesadas.
Prevenir el acceso no autorizado o inapropiado, la manipulación o el uso de datos e información
Asegurar que los datos se puedan usar de manera efectiva para agregar valor a la empresa

2. Conceptos esenciales

2.1 datos

2
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 administración de datos
se aplican a los datos capturados en papel y en bases de datos). Aún así, como hoy podemos capturar tanta información de manera electrónica, llamamos a muchas cosas
"datos" que no se hubieran llamado "datos" en épocas anteriores, como nombres, direcciones, fechas de nacimiento, lo que uno comió para la cena el sábado, el más libro
reciente uno comprado.

Tales datos sobre personas individuales pueden ser agregados, analizados y utilizados 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 pensaban como datos (videos, imágenes). Las grabaciones de sonido, los documentos) están cerca de

3
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, dado que 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 (Sebastian-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

4
componentes. Si conocemos las convenciones de dicho sistema, podemos interpretar los datos que contiene. Estas convenciones a menudo se documentan en un tipo

específico de datos denominados metadatos.

Sin embargo, debido a que las personas a menudo toman decisiones diferentes sobre cómo representar los conceptos, crean formas diferentes de representar los mismos
conceptos. De estas elecciones, los datos toman diferentes formas. Piense en la variedad de formas en que 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 administración de metadatos y calidad de datos, 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 en la tecnología han ampliado el alcance de esta necesidad de administración a medida que
han cambiado la comprensión de la gente sobre qué datos son. Estos cambios han permitido a las organizaciones utilizar los datos de nuevas formas para crear productos,
compartir información, crear conocimiento y mejorar el éxito de la organización. Pero el rápido crecimiento de la tecnología y, con ello, la capacidad humana para producir,
capturar y extraer datos con significado, ha intensificado la necesidad de administrar los datos de manera efectiva.

2.2 Datos e información

Se ha derramado mucha tinta sobre la relación entre los datos y la información. Los datos se han denominado "materia prima de la información" y la información se ha

5
denominado "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 ser útil para describir por qué los datos deben estar bien administrados, esta representación presenta varios desafíos
para la administración de datos.

Se basa en el supuesto de que los datos simplemente existen. Pero los datos no existen simplemente. Los datos deben ser creados.
Al describir una secuencia 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 unos de otros. Los datos son una forma de información y la
información es una forma de datos.

Dentro de una organización, puede ser útil trazar una línea entre la información y los datos para una comunicación clara acerca de los requisitos y expectativas de diferentes
usos por parte de diferentes partes interesadas. ("Aquí hay un informe de ventas para el último trimestre [información]. Se basa en los datos de nuestro almacén de datos
[datos]. En el siguiente trimestre estos resultados [datos] se utilizarán para generar nuestras medidas de desempeño trimestral [información ] ”). El reconocimiento de los datos
y la información que deben prepararse 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 administran junto con los usos y los requisitos del cliente en mente. A lo largo del DMBOK, los términos se utilizarán
indistintamente.

2.3 Los datos como un activo organizacional.

Un activo es un recurso económico, que puede ser propiedad o controlado, y que mantiene o produce valor. Los activos se pueden convertir en dinero. Los datos son
ampliamente reconocidos como un activo 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 consideraron cuestionable si el valor de la buena voluntad debería 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). De manera similar, aunque no se adopta universalmente, la monetización de los
datos se está volviendo cada vez más común. No pasará mucho tiempo antes de que veamos esto como una característica de los P&L. (Vea el Capítulo 3 ).

Las organizaciones de hoy confían en sus activos de datos para tomar decisiones más efectivas y para operar de manera más eficiente. Las empresas utilizan los datos para
comprender a sus clientes, crear nuevos productos y servicios y mejorar la eficiencia operativa mediante la reducción de costos y el control de riesgos. Las agencias
gubernamentales, instituciones educativas y organizaciones sin fines de lucro 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 como 'impulsadas por datos'. Las empresas que buscan mantenerse competitivas deben dejar de tomar decisiones basadas en instintos o
sentimientos instintivos, y en su lugar deben usar los activadores de eventos y aplicar analíticas para obtener información procesable. El manejo de datos incluye el
reconocimiento de que los datos se deben administrar de manera eficiente y con disciplina profesional, a través de una asociación de liderazgo empresarial y experiencia
técnica.

Además, el ritmo de los negocios hoy en día significa que el cambio ya no es opcional; La interrupción digital es la norma. Para reaccionar ante 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 comercial. También deben posicionarse para aprovechar las oportunidades para aprovechar los datos de nuevas
maneras.
2.4 Principios de gestión 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 se puede lograr con ella, y luego determinar la mejor manera de utilizar los activos de datos para alcanzar 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 más destacadas de la gestión de datos y guíen la práctica de gestión de datos.

Los datos son un activo con propiedades únicas : los datos son un activo, pero difieren de otros activos 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 existen técnicas para medir el valor cualitativo y cuantitativo de los
datos, aún no existen estándares para hacerlo. Las organizaciones que desean tomar mejores decisiones sobre sus datos deben desarrollar formas consistentes para cuantificar ese valor. También deben
medir tanto los costos de los datos de baja calidad como 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 primordial 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 son 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, el procesamiento y el uso de los datos, incluidos la arquitectura, el
modelado, la administración, el gobierno, la gestión de la calidad de los datos, el desarrollo de sistemas, las operaciones comerciales y de TI y los análisis.

Figura 1 Principios de gestión de datos

Se requiere planificación para administrar los datos : incluso las organizaciones pequeñas pueden tener entornos técnicos y de procesos de negocios complejos. 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 una planificación desde una perspectiva arquitectónica y de procesos.
 La gestión de datos es multifuncional; requiere una variedad de habilidades y experiencia : un solo equipo no puede administrar todos los datos de una organización. La gestión de datos requiere
habilidades tanto técnicas como no técnicas y la capacidad de colaborar.
La administración de datos requiere una perspectiva empresarial : la administración de datos tiene aplicaciones locales, pero debe aplicarse en toda la empresa para que sea lo más efectiva
posible. Esta es una de las razones por las que la gestión de datos y la gobernabilidad de los datos están entrelazadas.
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 de su 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.
Diferentes tipos de datos tienen diferentes características de 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 sus usos 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 entrelazada 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 impulsar, las necesidades de datos estratégicos de una
organización.
La gestión eficaz de datos requiere un compromiso de liderazgo : la gestión de datos implica un conjunto complejo de procesos que, para ser efectivos, 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 gestión de datos

Debido a que la administración de datos tiene características distintas derivadas de las propiedades de los mismos datos, también presenta desafíos para seguir estos
principios. Los detalles de estos desafíos se discuten en las Secciones 2.5.1 a 2.5.13. Muchos de estos desafíos se refieren a más de un principio.

6
2.5.1 Los datos difieren de otros activos

Los activos físicos pueden ser señalados, tocados y movidos. Pueden estar en un solo lugar a la vez. Los activos financieros deben contabilizarse en un balance. Sin embargo,
los datos son diferentes. Los datos no son tangibles. Sin embargo, es duradero; no se desgasta, aunque el valor de los datos a menudo cambia a medida que envejece. Los datos
son fáciles de copiar y transportar. Pero no es fácil de reproducir si se pierde o se destruye. 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 gestionar 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 valor monetario, es difícil medir cómo los datos contribuyen al éxito de la
organización. Estas diferencias también plantean otros problemas que afectan la gestión de datos, como definir la propiedad de los datos, hacer un inventario de la cantidad de
datos que tiene una organización, protegerse contra el mal uso de los datos, administrar el riesgo asociado con la redundancia de los datos y definir y hacer cumplir los
estándares de 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 a sí mismos. Si se perdieran o destruyeran datos únicos de la organización (como listas de clientes, inventarios de productos o historial de reclamaciones), reemplazarlos
sería imposible o extremadamente costoso. Los datos también son el medio por el cual una organización se conoce a sí misma, es un meta-activo que describe otros
activos. Como tal, proporciona la base para una visión organizativa.

Dentro y entre las organizaciones, los datos y la información son esenciales para realizar negocios. La mayoría de las transacciones comerciales operativas implican el
intercambio de información. La mayoría de la información se intercambia electrónicamente, creando un rastro de datos. Este rastro de datos puede servir para propósitos
además de marcar los intercambios que han tenido lugar. Puede proporcionar información sobre cómo funciona una organización.

Debido a la importante función que desempeñan los datos en cualquier organización, debe administrarse con cuidado.

2.5.2 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 las acciones, calcular el valor es fácil. Es la diferencia entre el
costo de las acciones cuando se compró y para qué se vendió. Pero para los datos, estos cálculos son más complicados, porque ni los costos ni los beneficios de los datos están
estandarizados.

Dado que los datos de cada organización son exclusivos de sí mismos, un enfoque para la valoración de los datos debe comenzar por articular las categorías generales de costos

7
y beneficios que se pueden aplicar de manera coherente dentro de una organización. Las categorías de muestra incluyen :

Coste de obtención y almacenamiento de datos.

Coste de sustitución de datos si se perdiera.
Impacto en la organización si faltan datos.
Costo de la mitigación del riesgo y costo potencial de los riesgos asociados con los datos
Costo de mejorar los datos.
Beneficios de datos de mayor calidad.
Lo que los competidores pagarían por los datos
Para qué se podrían vender los datos
Ingresos esperados de usos innovadores de datos

Un desafío principal para la valoración de activos de datos es que el valor de los datos es contextual (lo que es valioso para una organización puede no ser valioso para otra) y,
a menudo, temporal (lo que era valioso ayer puede no ser valioso hoy). Dicho esto, dentro de una organización, es probable que ciertos tipos de datos sean consistentemente
valiosos a lo largo del tiempo. Tome información confiable del cliente, por ejemplo. La información del cliente puede incluso volverse más valiosa con el tiempo, a medida que
se acumulen más datos relacionados con la actividad del cliente.

En relación con la gestión de datos, es fundamental establecer formas de asociar el valor financiero con los datos, ya que las organizaciones necesitan entender los activos en
 8
términos financieros para tomar decisiones coherentes. Poner valor en los datos se convierte en la base para poner valor en las actividades de gestión de datos. El proceso

de valoración de datos también se puede utilizar como un medio de gestión de cambios. Pedirles a los profesionales de la gestión de datos y a las partes interesadas que apoyan
que comprendan el significado financiero de su trabajo puede ayudar a una organización a transformar su comprensión de sus propios datos y, a través de eso, su enfoque de
la gestión de datos.

2.5.3 Calidad de los datos

Asegurar que los datos sean 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 garantizar 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 desestiman los datos que los sistemas que crean deben almacenar. Probablemente fue un programador quien
observó por primera vez "basura dentro, basura afuera", y quien sin duda quería dejarlo pasar. Pero las personas que desean utilizar los datos no pueden permitirse eludir la
calidad. En general, asumen que los datos son confiables y confiables, hasta que tienen una razón para dudar de estas cosas. Una vez que pierden la confianza, es difícil
recuperarla.

La mayoría de los usos de los datos implican 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 datos en el manejo de ingresos. IBM estimó que el costo de los datos de mala calidad en los EE. UU.

9
En 2016 fue 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:

Chatarra y retrabajo
Work-around 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
Costos de cumplimiento o multas
Costos de reputacion

Los beneficios correspondientes de los datos de alta calidad incluyen:

Experiencia de cliente mejorada

Mayor productividad
Riesgo reducido
Capacidad para actuar sobre las oportunidades.
Aumento de los ingresos
Ventaja competitiva obtenida de los conocimientos sobre clientes, productos, procesos y oportunidades

Como implican estos costos y beneficios, la gestión de la calidad de los datos no es un trabajo de una sola vez. La producción de datos de alta calidad requiere planificación,
compromiso y una mentalidad que genere calidad en los procesos y sistemas. Todas las funciones de administración de datos pueden influir en la Calidad de los datos, para
bien o para mal, por lo que todas deben tenerla en cuenta al ejecutar su trabajo. (Ver Capítulo 13 ).

2.5.4 Planificación para una mejor información

Como se indica en la introducción del capítulo, la obtención de valor a partir de los datos no se produce por accidente. Requiere planificación en muchas formas. Comienza con
el reconocimiento de que las organizaciones pueden controlar cómo obtienen y crean datos. Si ven 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 involucran:

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 utilizar los datos para avanzar en la estrategia organizacional

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 del tiempo y el dinero, que impiden una mejor planificación. Las
organizaciones deben equilibrar los objetivos a largo y corto plazo a medida que ejecutan sus estrategias. Tener claridad sobre las compensaciones conduce a mejores
decisiones.

2.5.5 Metadatos y gestión 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. (Vea los capítulos 4 - 11 ).

Los metadatos describen qué datos tiene una organización, qué representa, cómo se clasifica, de dónde proviene, cómo se mueve dentro de la organización, cómo evoluciona a
través del uso, quién puede y no puede usarla y si es de alta 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 gestionarse como tales. En general, las organizaciones que no administran bien sus datos no administran sus
metadatos. La administración de metadatos a menudo proporciona un punto de partida para mejoras en la administración de datos en general.

2.5.6 La gestión de datos es multifuncional

La gestión 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 problemas 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 Estableciendo 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 'horizontales' 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 subparte de una organización. Debido a que los datos a menudo se ven simplemente como un subproducto de 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 diferentes departamentos
pueden tener diferentes formas de representar el mismo concepto (por ejemplo, cliente, producto, proveedor). Como cualquier persona involucrada en un proyecto de
integración de datos o Master Data Management puede testificar, las diferencias sutiles (flagrantes) en las elecciones representativas presentan desafíos en la administración 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
hacerlos coincidir en el sentido común para que puedan ser utilizados por una 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 datos a través de
verticales. (Vea el Capítulo 3 ).

2.5.8 Contabilidad para otras perspectivas

Las organizaciones de hoy utilizan 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 ello, para obtener datos de mejor calidad. Los datos también pueden
ser mal utilizados. Contabilizar este riesgo reduce la probabilidad de uso indebido.

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 gestionan 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 tanto para la infraestructura como para el desarrollo de software.

El ciclo de vida de los datos se basa en el ciclo de vida del producto. No debe confundirse con el ciclo de vida del desarrollo de sistemas. Conceptualmente, el ciclo de vida de
los datos es fácil de describir (ver 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. 10 A lo largo de su ciclo de vida, los datos se pueden limpiar, transformar, fusionar, mejorar o
agregar. 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 conjunto de procesos interconectados alineados con el ciclo de vida de los datos.

Los detalles específicos del ciclo de vida de los datos dentro de una organización determinada pueden ser bastante complicados, ya que los datos no solo tienen un ciclo de
vida, sino que también tienen un linaje (es decir, una ruta a lo largo de la cual se mueve desde su punto de origen hasta su punto de uso, a veces llamado el 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 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 gestión de datos debe ejecutarse con un entendimiento de cómo se producen u obtienen los datos, así como también

cómo se usan los datos. Cuesta dinero producir datos. Los datos son valiosos solo cuando se consumen o aplican. (Vea los capítulos 5 , 6 , 8 , 11 y 14 ).

Figura 2 Actividades clave del ciclo de vida de los datos

 La calidad de los datos debe gestionarse durante todo el ciclo de vida de los datos : la gestión de la calidad de los datos es fundamental para la gestión 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. Debido a que la calidad de la calidad puede verse afectada por una serie 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 de los datos se debe administrar 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 los datos).
Los esfuerzos de gestión de datos deben centrarse en los datos más críticos : las organizaciones producen muchos 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 administración de los datos se complica más por el hecho de que existen diferentes tipos de datos que tienen diferentes requisitos de administración del ciclo de
vida. Cualquier sistema de gestión necesita clasificar los objetos que son gestionados. Los datos se pueden clasificar por tipo de datos (por ejemplo, datos transaccionales, Datos
de referencia, Datos maestros, Metadatos; alternativamente, datos de categoría, datos de eventos, datos de eventos, datos detallados de transacciones) 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. (Ver 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 administración 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. (Vea los capítulos 9 , 10 , 12 y 14 ).

2.5.11 Datos y Riesgo

Los datos no solo representan valor, también representan 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 mayor 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 facilidad de uso de los datos y la
información dentro de marcos normativos y éticos culturales.

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. Desde 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 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 Contabilidad incluya información en el balance como un activo, el El entorno
regulatorio espera verlo cada vez más en el registro de riesgos,
Del mismo modo, a medida que los consumidores se vuelven más conscientes de cómo se utilizan sus datos, esperan no solo un funcionamiento más sencillo y eficiente de los
procesos, sino también la protección de su información y el respeto de su 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 ).

Lamentablemente, el impacto de la gestión de la información en el balance general surge con demasiada frecuencia cuando estos riesgos no se gestionan y los accionistas votan
con sus carteras de acciones, los reguladores imponen multas o restricciones a las operaciones, y los clientes votan con sus billeteras.

2.5.12 Gestión de datos y tecnología

Como se señaló en la introducción del capítulo y en otras partes, las actividades de gestión de datos son muy amplias y requieren habilidades tanto técnicas como
comerciales. Debido a que casi todos los datos de hoy se almacenan electrónicamente, las tácticas de administración de datos están fuertemente influenciadas por la
tecnología. Desde su inicio, el concepto de gestión de datos ha estado profundamente entrelazado 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 en
lugar de ser necesarios entre sí.

La gestión exitosa de los datos requiere decisiones acertadas sobre la tecnología, pero administrar la tecnología no es lo mismo que administrar los datos. Las organizaciones
deben comprender el impacto de la tecnología en los datos, a fin de evitar que la tentación tecnológica conduzca sus decisiones sobre los datos. En cambio, los requisitos de
datos alineados con la estrategia de negocios deben impulsar las decisiones sobre la tecnología.

2.5.13 La gestión efectiva de datos requiere liderazgo y compromiso

El Manifiesto de Datos del Líder (2017) reconoció que las "mejores oportunidades de crecimiento orgánico de una organización se encuentran en los datos". Aunque la mayoría de
las organizaciones reconocen sus datos como un activo, están lejos de estar impulsados por los datos. Muchos no saben qué datos tienen o qué datos son los más críticos para
su negocio. Confunden datos y tecnología de la información y mal manejo de ambos. No se acercan a los datos de manera estratégica. Y subestiman el trabajo involucrado en la
gestión de datos. Estas condiciones se suman a los desafíos de la administración de datos y apuntan a un factor crítico para el potencial de éxito de una organización: el
liderazgo comprometido y la participación de todos en todos los niveles de la organización. 11

Los desafíos que se describen aquí deberían llevar este punto a casa: la administración de datos no es fácil ni simple. Pero debido a que pocas organizaciones lo hacen bien, es
una fuente de oportunidades en gran medida sin explotar. Para ser mejor en esto se requiere visión, planificación y disposición para cambiar. (Ver los capítulos 15 - 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 los datos
debe ser impulsada por el negocio, en lugar de por la TI. Un CDO puede liderar iniciativas de gestión de datos y permitir a una organización aprovechar sus activos de datos y
obtener una ventaja competitiva de ellos. Sin embargo, un CDO no solo lidera iniciativas. Él o ella también debe liderar un cambio cultural que permita a una organización
tener 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 lograr 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 lograr 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 de la empresa. La estrategia de
datos debe provenir de una comprensión de las necesidades de datos inherentes a la estrategia de negocios: qué datos necesita la organización, cómo los obtendrá, cómo los
administrará y garantizará su confiabilidad en el tiempo, y cómo los utilizará.

Por lo general, una estrategia de datos requiere una estrategia de soporte del programa de gestión 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 inicial de datos 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 y el gobierno de los datos.

Los componentes de una estrategia de gestión de datos deben incluir:

Una visión convincente para la gestión de datos.

Un resumen de caso de negocios para la gestión 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 de éxito en la gestión de datos.
Objetivos del programa de gestión de datos a corto plazo (12-24 meses) 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.
Un borrador de hoja de ruta de implementación con proyectos y elementos de acción.

Los entregables 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 gestión 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 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 objetivos operativos y
estratégicos, los requisitos técnicos y comerciales específicos, las demandas de cumplimiento y riesgo, y los conceptos contradictorios de lo que representan los datos y si se
trata de ellos. de alta calidad.

Hay mucho 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
administración de datos deben 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, estrategia, visión y los desafíos específicos que aborda. Los marcos
descritos en esta sección proporcionan algunos objetivos a través de los cuales ver la administración de datos y aplicar los conceptos presentados en el DMBOK.

Los dos primeros, el Modelo de Alineación Estratégica y el Modelo de Información de Amsterdam muestran relaciones de alto nivel que influyen en la forma en que una organización administra los
datos.
El marco de DAMA DMBOK (la rueda de DAMA, el hexágono y el diagrama de contexto) describe 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 las piezas para comprender y describir mejor las relaciones entre ellas.

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 con mayor frecuencia a la estrategia comercial y al uso operativo de los datos. Los datos están asociados con la
tecnología de la información y los procesos que admiten la gestión física de los sistemas que hacen que los datos sean accesibles para su uso. En torno a este concepto se
encuentran los cuatro dominios fundamentales de la elección estratégica: estrategia de negocios, estrategia de tecnología de la información, infraestructura y procesos
organizativos, e infraestructura y procesos de tecnología de la información.

El Modelo de Alineación Estratégica totalmente articulado es más complejo de lo que se ilustra en la Figura 3. Cada uno de los hexágonos de esquina tiene sus propias
dimensiones subyacentes. Por ejemplo, dentro de la estrategia de negocios y de TI, es necesario tener en cuenta el alcance, las competencias y la gobernanza. Las operaciones
deben tener en cuenta la infraestructura, los procesos y las habilidades. 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.

Figura 3 Modelo de Alineación Estratégica 12

3.2 El modelo de información de Amsterdam

El Modelo de Información de Ámsterdam, como el Modelo de Alineación Estratégica, tiene una perspectiva estratégica sobre la alineación de negocios y TI (Abcouwer, Maes y
Truijens, 1997), 13 Conocido como el de 9 celdas, reconoce una capa intermedia que se centra en la estructura y las tácticas. , incluyendo la planificación y la
arquitectura. Además, reconoce la necesidad de la comunicación de la información (expresada como el pilar de la gobernanza 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, tanto desde una perspectiva horizontal (estrategia de negocios / TI) como
vertical (estrategia de negocios / operaciones de negocios).

Figura 4 Modelo de información de Amsterdam 14

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 representan el marco de gestión de
datos de DAMA:

La rueda de DAMA ( Figura 5 )

El hexágono de Factores Ambientales ( Figura 6 )
El diagrama de contexto del área de conocimiento ( Figura 7 )

La rueda de DAMA define las áreas de conocimiento de gestión 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 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 a 13 del DMBOK2. (Ver 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 proporcionan una guía sobre cómo las personas deben ejecutar las actividades y utilizar eficazmente las herramientas
necesarias para la gestión exitosa de los datos. ( Ver Figura 6 ).

Figura 5 El marco de gestión de datos DAMA-DMBOK2 (La rueda DAMA)

Figura 6 Hexágono de factores ambientales de DAMA
Los diagramas de contexto del área de conocimiento (ver la 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 la gestión de productos (proveedores, entradas, 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.

Figura 7 Diagrama de contexto del área de conocimiento

Las piezas 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 con 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: planear, desarrollar, operar y controlar.

(P) Las actividades de planificación establecen el curso estratégico y táctico para alcanzar los objetivos de gestión de datos. Las actividades de planificación
se producen de forma recurrente.

(D) Las actividades de desarrollo se organizan en torno al ciclo de vida de desarrollo del sistema (SDLC) (análisis, diseño, construcción, prueba,
preparación y despliegue).

(C) Las actividades de control aseguran la calidad continua de los datos y la integridad, confiabilidad y seguridad de los sistemas a través de los cuales se
accede y se usa la información.

(O) 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. Los 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. Varios entregables primarios son creados por múltiples funciones.
6. Los roles 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
grupos de roles requeridos en la mayoría de las organizaciones. Los roles para los individuos se definen en términos de habilidades y requisitos de calificación. El Marco de habilidades 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 acceso a los insumos para las actividades.
8. Los consumidores son 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 rendimiento o aprueban las actividades en el Área de conocimiento.
10. Las herramientas son las aplicaciones y otras tecnologías que permiten los objetivos del Área de conocimiento. dieciséis
11. Las técnicas son los métodos y procedimientos utilizados para realizar actividades y producir resultados dentro de un Área de Conocimiento. Las técnicas incluyen convenciones comunes,
recomendaciones de mejores prácticas, estándares y protocolos y, en su caso, enfoques alternativos emergentes.
12. Las métricas son estándares para medir o evaluar el rendimiento, el progreso, la calidad, la eficiencia u otro efecto. Las secciones de métricas identifican facetas medibles del trabajo que se realiza
dentro de cada área de conocimiento. Las métricas también pueden 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 piezas 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 sacar el máximo provecho de sus datos; se están esforzando 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 pueden darse 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 tengan 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 compra 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, permite 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 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 que Data Governance proporcione soporte estructural para las actividades de
administración de datos. Data Governance también permite la ejecución de iniciativas estratégicas, como la gestión de documentos y contenidos, la gestión de datos de referencia, la gestión de datos
maestros, el almacenamiento de datos y la inteligencia empresarial, que permiten las prácticas avanzadas dentro de la pirámide dorada.
Fase 4 : la organización aprovecha los beneficios de los datos bien gestionados y mejora sus capacidades analíticas.

Figura 8 Capacidad de base de datos comprada o construida 17

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 DAMA Data Management Framework Evolved

La pirámide de Aiken describe cómo las organizaciones evolucionan hacia mejores prácticas de gestión 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 las funciones Business Intelligence y Analytic tienen dependencias en
todas las demás funciones de administración de datos. Dependen directamente de las soluciones de Data Master y Data Warehouse. 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, el control de datos, que dentro de este modelo incluye la administración de metadatos, la seguridad de datos, la arquitectura de datos y la
administración de datos de referencia, proporciona una base de la que dependen todas las demás funciones.

Figura 9 Dependencias del área funcional de DAMA

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 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.

La sección de gestión del ciclo de vida describe el diseño de la gestión de datos y las funciones operativas (modelado, arquitectura, almacenamiento y operaciones, etc.) que se
requieren para admitir los usos tradicionales de los datos (Business Intelligence, gestión de documentos y contenido). También reconoce las funciones de gestión de datos
emergentes (almacenamiento de Big Data) que admiten los usos emergentes de datos (Data Science, 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 Marco de funciones de gestión de datos de DAMA

Las organizaciones que se centran solo en las funciones directas del ciclo de vida no obtendrán tanto valor de sus datos como las que apoyan el ciclo de vida de los datos a
través de actividades fundamentales y de supervisión. Las actividades fundamentales, como la gestión de riesgos de datos, metadatos y la gestión de calidad de datos, abarcan
el ciclo de vida de los datos. Permiten tomar mejores decisiones de diseño y hacer que los datos sean más fáciles de usar. Si estos se ejecutan bien, los datos son menos costosos
de mantener, los consumidores de datos tienen más confianza en ellos y las oportunidades de uso se expanden.

Para respaldar con éxito la producción y el uso de datos y para garantizar que las actividades fundamentales se ejecuten con disciplina, muchas organizaciones establecen una
supervisión en forma de gestión de datos. Un programa de gobernabilidad de datos permite que una organización sea impulsada por datos, al implementar la estrategia y los
principios de apoyo, las políticas y las 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 involucrarse en actividades de gestión del cambio organizacional para educar a la organización y fomentar
comportamientos que permitan el uso estratégico de los datos. Por lo tanto, la necesidad de un cambio cultural abarca la amplia gama de responsabilidades de gobernabilidad
de datos, especialmente cuando una organización madura sus prácticas de gestión de datos.

El marco de administración de datos de DAMA también se puede representar como una evolución de la rueda de DAMA, con actividades centrales rodeadas de actividades de
uso y de ciclo de vida, contenidas dentro de las restricciones de la gobernanza. (Ver Figura 11 ).

Las actividades principales, incluida la gestión de metadatos, la gestión de la calidad de los datos y la definición de la estructura de los datos (arquitectura) están en el centro
del marco.

Las actividades de gestión del ciclo de vida pueden definirse desde una perspectiva de planificación (gestión de riesgos, modelado, diseño de datos, gestión de datos de
referencia) y una perspectiva de habilitación (gestión de datos maestros, desarrollo de tecnología de datos, integración e interoperabilidad de datos, almacenamiento de datos y
almacenamiento y operaciones de datos) .

Los usos surgen de las actividades de gestión del ciclo de vida: uso de datos maestros, gestión de documentos y contenido, Business Intelligence, Data Science, análisis
predictivo, visualización de datos. Muchos de estos crean más datos al mejorar o desarrollar información sobre los datos existentes. Las oportunidades para la monetización de
datos pueden identificarse como usos de datos.

Las actividades de gobernabilidad de datos proporcionan supervisión y contención, a través de la estrategia, los principios, las políticas y la administración. Permiten la
consistencia a través de la clasificación de datos y la valoración de datos.

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

Si bien 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
administración de datos confiables.

Figura 11 Rueda DAMA evolucionada

DAMA fue fundada para hacer frente a estos desafíos. El DMBOK, un libro de referencia accesible y autorizado para profesionales de la gestión de datos, apoya la misión de
DAMA mediante:

Proporcionar un marco funcional para la implementación de prácticas de gestión de datos empresariales; Incluyendo principios de guía, prácticas ampliamente adoptadas, métodos y técnicas,
funciones, roles, 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.
Sirve como la guía de referencia fundamental para el CDMP (Certified Data Management Professional) y otros exámenes de certificación.

El DMBOK está estructurado en torno a las once áreas de conocimiento del marco de gestión de datos DAMA-DMBOK (también conocida 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 del negocio

Metas y Principios
 Conceptos esenciales

2. Ocupaciones
3. Herramientas
4. Tecnicas
5. Pautas de implementación
6. Relación con la gobernanza de datos
7. Métrica

Las áreas de conocimiento 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 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. Data Governance 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. El almacenamiento y las operaciones de datos incluyen 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. Data Security 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 contenido 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
encuentra 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 críticos compartidos críticos para permitir el uso constante en los sistemas de la versión de la
verdad más precisa, oportuna y relevante sobre las entidades comerciales esenciales. ( Capítulo 10 )
9. Data Warehousing y Business Intelligence incluyen los procesos de planificación, implementación y control para gestionar los datos de apoyo a las decisiones y permitir que los trabajadores del
conocimiento obtengan valor de los datos a través del análisis y la generación de informes. ( Capítulo 11 )
10. Los metadatos incluyen actividades de planificación, implementación y control para permitir el acceso a metadatos integrados de alta calidad, que incluyen definiciones, modelos, flujos de datos y
otra información crítica para comprender los datos y los sistemas a través de los cuales se crean, mantienen y acceden. ( 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 )

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. ( Capítulo 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 rolproporcionan las mejores prácticas y consideraciones para organizar equipos de gestión de datos y permitir prácticas de gestión de datos
exitosas. ( Capítulo 16 )
La gestión de datos y la gestión del cambio organizacionaldescriben 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 particular administra sus datos depende de sus objetivos, tamaño, recursos y complejidad, así como de su percepción de cómo los datos
respaldan su estrategia general. La mayoría de las empresas no realizan todas las actividades descritas en cada Área de conocimiento. Sin embargo, comprender el contexto
más amplio de la administración de datos permitirá a las organizaciones tomar mejores decisiones sobre dónde enfocarse a medida que trabajan para mejorar las prácticas
dentro y a través de estas funciones relacionadas.

5. Trabajos citados / recomendados

Abcouwer, AW, Maes, R., Truijens, J .: "Contouren van een generiek Model for Informatmanagement". Primavera Working Paper 97-07, 1997. h p://bit.ly/2rV5dLx .

Adelman, Sid, Larissa Moss y Majid Abai. Estrategia de datos . Addison-Wesley Professional, 2005. Imprimir.

Aiken, Pedro y Billings, Juanita. Monetización de la gestión de datos . Technics Publishing, LLC, 2014. Imprimir.

Aiken, Peter y Harbour, Todd. La estrategia de datos y el ejecutivo de datos empresariales . Technics Publishing, LLC. 2017. Imprimir.

APRA (Autoridad de Regulación Prudencial de Australia). Prudential Practice Guide CPG 234, Gestión del riesgo de seguridad en la información y la tecnología de la información . Mayo
de 2013. h p://bit.ly/2sAKe2y .

APRA (Autoridad de Regulación Prudencial de Australia). Prudential Practice Guide CPG 235, Gestión del riesgo de datos . Septiembre de 2013. h p://bit.ly/2sVIFil .

Borek, Alexander et al. Gestión de riesgos de la información total: maximizar el valor de los datos y los activos de información . Morgan Kaufmann, 2013. Imprimir.

Bracke , Michael. Diseño de recursos de datos: realidad más allá de la ilusión . Technics Publishing, LLC. 2014. Imprimir.

Bryce, Tim. Beneficios de una taxonomía de datos . Blog 2005-07-11. h p://bit.ly/2sTeU1U .

Chisholm, Malcolm y Roblyn-Lee, Diane. Definiciones en la gestión de datos: una guía para los metadatos semánticos fundamentales . Design Media, 2008. Imprimir.

Devlin, Barry. Unintelligence empresarial . Technics Publishing, LLC. 2013. Imprimir.

Inglés, Larry. Mejora del almacenamiento de datos y la calidad de la información empresarial: métodos para reducir costos y aumentar las ganancias . John Wiley and Sons, 1999. Imprimir.

Evans, Nina y Price, James. “Obstáculos para la implementación efectiva de los activos de información: una perspectiva de la gerencia ejecutiva”. Revista interdisciplinaria de
información, conocimiento y administración,volumen 7, 2012. Se accede desde h p://bit.ly/2sVwvG4.

Fisher, Tony. El activo de datos: cómo las empresas inteligentes controlan sus datos para el éxito empresarial . Wiley, 2009. Imprimir. Wiley y SAS Business Ser.

Henderson, JC, H Venkatraman, H. "Aprovechar la tecnología de la información para transformar organizaciones". IBM System Journal . Volume 38, Issue 2.3, 1999. [1993
Reimpresión] h p://bit.ly/2sV86Ay y h p://bit.ly/1uW8jMQ .

Kent, William. Datos y realidad: una perspectiva atemporal sobre la percepción y el manejo de la información en nuestro mundo impreciso . Ed 3d Technics Publications, LLC, 2012.
Imprimir.

Kring, Kenneth L. Mapeo de la estrategia empresarial: el poder de saber cómo encaja todo . Langdon Street Press (una división de Hillcrest Publishing Group, Inc.), 2009. Imprimir.

Loh, Steve. Data-ism: La revolución que transforma la toma de decisiones, el comportamiento del consumidor y casi todo lo demás . HarperBusiness, 2015. Imprimir.

Loshin, david Gestión del conocimiento empresarial: el enfoque de calidad de datos . Morgan Kaufmann, 2001. Imprimir.

Maes, R .: "Un marco genérico para la gestión de la información". Documento de trabajo de PrimaVera 99-02, 1999.

McGilvray, Dane e. Ejecución de proyectos de calidad de datos: Diez pasos para obtener datos de calidad e información confiable . Morgan Kaufmann, 2008. Imprimir.

McKnight, William. Gestión de la información: estrategias para obtener una ventaja competitiva con los datos . Morgan Kaufmann, 2013. Imprimir. Las guías de Savvy Manager.

Moody, Daniel y Walsh, Peter. "Medición del valor de la información: un enfoque de valoración de activos". Conferencia Europea sobre Sistemas de Información (ECIS) ,
1999. h p://bit.ly/29JucLO .

Olson, Jack E. Calidad de los datos: la dimensión de la precisión . Morgan Kaufmann, 2003. Imprimir.

Redman, Thomas. "Los datos mal cuestan US $ 3 billones por año". Harvard Business Review . 22 de septiembre de 2016. Web.

Redman, Thomas. Impulsado por datos: aprovechando su activo empresarial más importante. Harvard Business Review Press . 2008. Imprimir.

Redman, Thomas. Calidad de los datos: la guía de campo . Prensa digital, 2001. Imprimir.

Reid, Roger, Gareth Fraser-King y W. David Schwaderer. Ciclos de vida de datos: gestión de datos para obtener una ventaja estratégica . Wiley, 2007. Imprimir.

Rockley, Ann y Charles Cooper. Gestión de contenido empresarial: una estrategia de contenido unificado . 2ª ed. Nuevos jinetes, 2012. Imprimir. Voces que importan.

Sebastian-Coleman, Laura. Medición de la calidad de los datos para la mejora continua: un marco de evaluación de la calidad de los datos . Morgan Kaufmann, 2013. Imprimir. La serie de
Morgan Kaufmann sobre inteligencia empresarial.

Simsion, Graeme. Modelado de datos: teoría y práctica . Technics Publications, LLC, 2007. Imprimir.

Surdak, Christopher. Aplastamiento de datos: cómo la información de Tidal Wave está impulsando nuevas oportunidades de negocios . AMACOM, 2014. Imprimir.

Waclawski, Janine. Desarrollo organizacional: un enfoque basado en datos para el cambio organizacional . Pfeiffer, 2001. Imprimir.

Blanco, Stephen. Muéstrame la prueba: herramientas y estrategias para hacer que los datos funcionen para los estándares estatales comunes . 2ª ed. Aprendizaje avanzado de prensa, 2011.
Imprimir.

Google 'datos como moneda', 'datos como sangre vital' y 'el nuevo petróleo', para numerosas referencias.

El New Oxford American Dictionary define los datos como "datos y estadísticas recopilados para su análisis". La American Society for Quality (ASQ) define los datos como "un
conjunto de datos recopilados" y describe dos tipos de datos numéricos: medidos o variables y contados o atribuido La Organización Internacional de Normalización (ISO)
define los datos como "representación re-interpretable de información de una manera formalizada adecuada para la comunicación, interpretación o procesamiento" (ISO
11179). Esta definición enfatiza la naturaleza electrónica de los datos y supone, correctamente, que los datos requieren estándares porque se administran a través de sistemas de
tecnología de la información. Dicho esto, no aborda los desafíos de formalizar los datos de manera consistente, a través de sistemas dispares. Tampoco tiene en cuenta el
concepto de datos no estructurados.

h p://ubm.io/2c4yPOJ (consultado 20016-12-04). h p://bit.ly/1rOQkt1 (acceso 20016-12-04).

Para obtener información adicional sobre la construcción de datos, consulte: Kent, Data and Reality (2012) y Devlin, Business Unintelligence(2013).

Ver Inglés, 1999 y DAMA, 2009.

Esta sección deriva de Redman, Thomas. Calidad de los datos para la era de la información (1996) pp. 41-42, 232-36; y Data Driven (2008), Capítulo Uno, "Las propiedades
maravillosas y peligrosas de los datos y la información".

Mientras el DMBOK2 se preparaba para ir a la prensa, otra forma de valorar los datos estaba en las noticias: el ataque de Wannacry ransomware (17 de mayo de 2017) afectó a
más de 100 mil organizaciones en 150 países. Los culpables utilizaron el software para retener a los datos como rehenes hasta que las víctimas pagaron un rescate para que sus
datos fueran liberados. h p://bit.ly/2tNoyQ7 .

Para casos de estudio y ejemplos, consulte Aiken y Billings, Monetizing Data Management (2014).

Reportado en Redman, Thomas. "Los datos mal cuestan US $ 3 billones por año". Harvard Business Review. 22 de septiembre de 2016. h ps://hbr.org/2016/09/bad-data-costs-
the-us-3-trillion-per-year .

Consulte McGilvray (2008) e inglés (1999) para obtener información sobre el ciclo de vida y los datos del producto.

El texto completo del Manifiesto de Datos de The Leader se puede encontrar en: h p://bit.ly/2sQhcy7 .

Adaptado por Henderson y Venkatraman.

Vea también: Business IT Alignment Blog, The Amsterdam Information Model (AIM) 9-Cells (publicado 2010-12-08). h ps://businessitalignment.wordpress.com/tag/amsterdam-
information-model/ Frameworks for IT Management , Capítulo 13. Van Haren Publishing, 2006. h p://bit.ly/2sq2Ow1 .

Adaptado de Maas.

h p://bit.ly/2sTusD0 .

DAMA International no respalda herramientas o proveedores específicos.

Figura piramidal dorada de los derechos de autor de BluePrint, utilizada con permiso.