1.

1 Datos
En la era de la información, los datos se constituyen como un activo
empresarial vital.

“Las organizaciones que no entiendan la gran importancia de la

gestión de datos e información como activos tangibles en la
nueva economía no van a sobrevivir” (Petersen DAMA
Internacional, 2010, [traducción propia])

Los recursos económicos y los humanos, durante mucho tiempo, han sido
considerados activos fundamentales de las empresas. Lo cierto es que los
datos y la información generada a partir de ellos, en las últimas décadas, se
han transformado en activos organizacionales de alto valor. Ninguna empresa
puede ser eficaz si no tiene datos de alta calidad. Las compañías líderes del
mercado aprovechan sus activos de datos como ventaja competitiva, por
ejemplo, para obtener un mayor conocimiento de sus clientes y mejorar su
eficiencia operativa o financiera. Como las organizaciones necesitan datos, el
valor comercial de estos puede ser claramente establecido.

La cantidad de datos disponible en el mundo crece en magnitudes

exponenciales. Investigadores de la Universidad de California en Berkeley
estiman que el mundo produce entre 1 y 2 millones de bytes de datos
anualmente. A menudo parece que estamos colmados de información; sin
embargo, ocurre que, para decisiones fundamentales, experimentamos
muchas veces vacíos de información. Estas “lagunas” de información
representan pasivos, con efectos potencialmente profundos en la eficacia
operativa y la rentabilidad de la empresa.

En el siglo XXI, toda empresa que desee ser competitiva, no debe prescindir
de un eficaz gobierno de datos.

1.1.1 Datos, información y conocimiento

Los datos son la representación de hechos reales en forma de textos, números,
gráficos, imágenes, sonidos o videos.
La información es un conjunto de datos dotados de un contexto. Sin ese
contexto, los datos no tienen sentido. Creamos información significativa al
interpretar el contexto en torno a los datos.
Este contexto incluye lo siguiente:

 El significado del elemento de datos para el negocio y

los términos relacionados a este;
 el formato que se utiliza para presentarlos;
 el marco de tiempo donde son representados;
 la relevancia de los datos para un uso determinado.
Los datos son la materia prima que interpretamos para crear información,
como se muestra el siguiente cuadro. La información resultante guía nuestras
decisiones.
Figura 1: Datos, información y conocimiento

Fuente: elaboración propia.

Las definiciones de datos o metadatos (datos sobre datos) y las terminologías

estándar utilizadas dentro de la empresa también son recursos valiosos que
contribuyen notablemente a la comprensión uniforme de la información.

Como se señala la bibliografía de referencia (DAMA Internacional, 2010), la

información contribuye al conocimiento. El conocimiento es la comprensión,
conciencia y reconocimiento de una situación y su complejidad. Llamamos
conocimiento explícito a lo que una empresa o comunidad acepta como
verdadero; y conocimiento tácito a lo que las personas internamente
interpretan como verdadero. Podemos decir que adquirimos conocimiento
cuando entendemos la relevancia de la información.

Al igual que los datos y la información, el conocimiento es también un recurso

de empresa.

Según explica DAMA Internacional (2010), la gestión del conocimiento es la

disciplina que fomenta el aprendizaje organizacional y la gestión del capital
intelectual como un recurso de empresa. Tanto la gestión del conocimiento
como la gestión de datos dependen de la calidad de datos e información. La
gestión del conocimiento es una disciplina estrechamente relacionada a la
gestión de datos, aunque en este documento la gestión del conocimiento se
considera fuera del ámbito de la gestión de datos.

Los datos son la base de la información, el conocimiento y, en última instancia,

de la sabiduría y de la acción informada ¿Los datos proporcionan información
verídica? ¡No necesariamente! Los datos pueden ser inexactos, incompletos,
desfasados y mal comprendidos. Podemos interpretar la verdad como una
información de alta calidad. Las organizaciones que reconocen el valor de los
datos, pueden tomar medidas proactivas y concretas para aumentar la
calidad de los mismos y, por consiguiente, de la información.

1.1.2 El ciclo de vida de los datos

Los activos poseen un ciclo de vida, por este motivo, las organizaciones deben
gestionarlos considerando cada estadio del mismo.

Los datos se crean o adquieren, almacenan y mantienen, se utilizan y,

finalmente, se eliminan. Durante su ciclo, los datos se pueden: extraer,
exportar, importar, migrar, validar, editar, actualizar, limpiar, transformar,
convertir, integrar, segregar, agregar, referenciar, revisar, señalar, analizar,
generar una copia de seguridad, recuperar y archivar.

Los datos fluyen desde los almacenes hacia el exterior y se los empaqueta
para su distribución. Los datos pueden ser almacenados en formatos
estructurados, como bases de datos, archivos planos, archivos indexados; y
formatos menos estructurados, como correos electrónicos, documentos, hojas
de cálculo, informes, gráficos, imágenes, audio y video. Por lo general, el 80%
de los datos de una organización reside en formatos no estructurados.

Los datos solo tienen valor cuando son útiles. Cada etapa del ciclo de datos
conlleva riesgos y costos, que deben ser justificados por el valor agregado
que aportan al negocio.

Cuando el ciclo de vida de los datos se gestiona con eficacia, la gestión

comienza incluso antes de la adquisición con el planeamiento corporativo de
datos, la especificación, la habilitación para la captación, la distribución, el
almacenamiento y los controles de datos.

El ciclo de vida de desarrollo, o SDLC (system development life cycle), que se

muestra en la figura 2 difiere del ciclo de vida de los datos. En este último se
describen las etapas de un proyecto, mientras que, en el ciclo de vida de
datos, se describen los procesos que se realizan para gestionar dichos activos
de datos.
Figura 2: Ciclo de vida de datos

Fuente: elaboración propia.

Sin embargo, los dos ciclos de vida se encuentran estrechamente relacionados,

ya que las actividades de planificación de datos, especificación y poner a
disposición, integran las tareas del ciclo de vida de desarrollo.

1.1.3 Responsabilidades
La gestión de datos es una responsabilidad compartida entre los
profesionales del área de tecnología de la información (TI) y los
administradores de datos del negocio (data stewards), que representan los
intereses colectivos de los productores de datos y los consumidores de
información.

Los responsables de la gestión de datos (data stewards) son los designados

para administrar los activos como custodios técnicos.

Los administradores de datos (data stewards) son respetados expertos en la

materia y líderes de negocios designados para representar los intereses de
datos de su organización y asumen la responsabilidad por la calidad y el uso
de los mismos. Los buenos administradores vigilan cuidadosamente, invierten
y aprovechan los recursos que se les encomiendan. Garantizan que estos
recursos cumplan con las necesidades del negocio y brindan un respaldo de
calidad a sus datos y metadatos.

Revisar si los roles resaltados el mismo y si corresponde que su traducción al

inglés sea idéntica.

Los profesionales en la gestión de datos son los guardianes del expertise

técnico de los activos de datos, al igual que los empleados bancarios sirven
como custodios profesionales de los recursos financieros para sus propietarios.
Si bien los administradores de datos del negocio supervisan activos de datos,
los profesionales en la gestión de datos realizan funciones técnicas para
salvaguardar y permitir el uso eficaz de los activos de datos empresariales.

1.1.4 Objetivos y alcance

El alcance de la gestión de datos se compone de 10 funciones principales:

 Data governance: planificación, supervisión y control sobre la gestión de

datos y su utilización.
 Gestión de la arquitectura de datos: define el modelo para la gestión
de activos de datos.
 Desarrollo de datos: incluye las funciones de analizar, diseñar,
implementar, probar, desplegar y mantener.
 Gestión de operaciones de datos: proporcionar el apoyo desde la
adquisición de datos hasta su eliminación.
 Gestión de seguridad de datos: garantizar la privacidad, la
confidencialidad y el acceso apropiado.
 Gestión de la calidad de datos: comprende las siguientes funciones:
definir, seguir y mejorar de la calidad de datos.
 Gestión de datos maestros y referenciales: gestión de versiones y
copias.
 Gestión de data warehousing y business intelligence: ponen a disposición
reportes y análisis.
 Gestión de contenidos y documentos: la gestión de los datos que se
encuentra fuera de las bases de datos.
 Gestión de metadatos: la integración, control y transmisión de
metadatos.
1.2 Governance
1.2.1 Introducción
Podemos definir data governance (gestión de datos) como la autoridad
encargada del control y la gestión de los activos de datos.

De acuerdo al Concejo de data governance de IBM:

“Data Governance es un proceso político cuyo objetivo es

cambiar el comportamiento organizacional para mejorar y
proteger los activos de datos de la empresa” (Dreibelbis, et al.,
2008, p. 78).

El Instituto de data governance lo define como:

Un sistema de asignación de derechos y controles

para la toma de decisiones sobre procesos de
información. Ejecutados bajo un acuerdo
organizacional donde se especifica qué acciones
pueden ser tomadas, que métodos deben ser
utilizados y cuando deben ejecutarse (The Data
Governance Institute, 2013,
http://www.datagovernance.com/the-basic-
information/[traducción propia]).

Las implementaciones más efectivas de data governance son aquellas que se

han mantenido dentro de un programa de mejora continua, respaldado por
la dirección general de la organización y dotadas de un marco de acción
acorde a sus necesidades.
Data governance difiere de IT governance CobiT (Control de objetivos de IT)
en que provee estándares para el gobierno de IT, pero solo a una pequeña
parte de este frameworkse refiere al manejo de información. A diferencia de
IT governance, el enfoque data governance esta dirigido exclusivamente a la
gestión de los activos de datos.

Data governance se enfoca exclusivamente en la gestión de activos de datos

y proveer estándares a IT governance CobiT (Control de objetivos de IT)
Figura 3: Funciones de data governance

Fuente: DAMA International, 2010, p. 68.

Referencias:

 Data Architecture Management: Se encarga de definir

modelos, políticas y reglas para la gestión de datos.
 Data Warehousing &Business Intelligence Management:
autoridad encargada de datos históricos y analíticos.
 Data Quality Management: se encarga de definir, controlar
y mejorar la calidad de los datos.
 Meta-data Management: se ocupa de integrar, controlar y
mejorar los meta datos.
 Data Security Management: responsable de la privacidad,
confidencialidad de los datos, así como también brindar el
acceso apropiado a los mismos.
 Data Development: se encarga de analizar, diseñar,
implementar, testear y mantener soluciones relacionadas al
uso de datos.
 Data Operations Management: proporciona el apoyo desde
la adquisición de datos hasta su eliminación.
 Reference & Master Data Management: gestión de versiones
y copias.
 Document & Content Management: determina que reglas se
aplicarán a los datos, fuera de las bases de datos.
1.2.2 Guías
Las guías que rigen la diciplina de data governanceson:

Los datos y la información son activos de la organización.

Se gestionan los datos con prácticas que aseguren la calidad, la
seguridad, la integridad, la protección, la disponibilidad, la
comprensión y el uso efectivo de los mismos.
Se comparte la responsabilidad de estos activos entre data stewards
y profesionales en la gestión de datos.
La gestión de datos en una función de negocio y un conjunto de
diciplinas relacionadas.
La data governance es una profesión emergente y en maduración
dentro del campo de las tecnologías de la información (TI).

1.2.3 Diagrama de data governance

Figura 4: Sistema de datagovernance

Fuente: elaboración propia.

Los elementos que intervienen dentro del proceso de data governance son:

 Entradas: estrategias de negocio, actividades de negocio,actividad de

TI, problemas de datos.
 Proveedores: ejecutivos, creadores de datos, fuentes externas,
organismos reguladores.
 Participantes: creadores de datos, consumidores de información,
administradores de datos (data stewards), ejecutivos.
 Funciones: data governance, gestión de arquitectura de datos,
desarrollo de datos, gestión de operaciones de bases de datos, gestión
de seguridad de datos, gestión de datos maestros y de referencia,
almacenamiento de datos y gestión de business intelligence, gestión de
contenido y documentación, gestión de metadatos, gestión de calidad
de datos
 Herramientas: herramientas de monitoreo de datos, sistema de gestión
de datos, herramientas de calidad e integración de datos, herraminetas
de bussines intelligence, herramientas de gestión de datos, herramientas
de almacenamiento de datos, entre otras.
 Entregas:estrategia de datos, arquitectura de datos, servicios de datos,
bases de datos, datos, información y conocimiento.
 Consumidores: analistas, administradores, ejecutivos, clientes, entre
otros.
 Métricas: métricas de valores de datos, métricas de calidad de datos y
demás métricas relacionadas a la gestión de datos.
1.2.4 Actividades
Cada una de las funciones principales del gobierno de datos se descompone
en actividades concretas. Las funciones son descriptas con sustantivos y las
actividades por frases verbales:

Data governance

 Planificación de la gestión de datos;

 Control de la gestión de datos.

Gestión de la arquitectura de datos

 Entender las necesidades de información de la empresa;

 Desarrollar y mantener el modelo de datos empresarial;
 Analizar y alinear con otros modelos de negocio;
 Definir y mantener la arquitectura de bases de datos;
 Definir y mantener la arquitectura de Integración de Datos;
 Definir y mantener la arquitectura de Business IntelligenceDefinir y
mantener las taxonomias empresariales y namespaces;
 Definir y matener la arquitectura de Metadatos.

Desarrollo de datos

 Modelado de datos, análisis y diseño de soluciones;

 Diseño de datos detallado;
 Modelo de datos y diseño de gestión de calidad;
 Implementación de datos.

Gestión de operaciones de datos

 Soporte de base de datos;

 Gestión de la tecnología de datos.

Gestión de seguridad de datos

 Comprender las necesidades de seguridad de datos y los requisitos

reglamentarios;
 Definición de la política de seguridad de datos;
 Definir estándares de seguridad de datos;
 Definir los controlesy procedimientosde seguridad de datos;
 Administrar usuarios, contraseñas y membresías de grupos;
 Gestionar las vistas y permisos de datos;
  Monitorear la autenticación de usuarios y el comportamiento de
acceso;
 Clasificar la confiencialidad de la información;
 Auditar la seguridad de los datos.

Gestión de datos maestros y de referencia

 Comprender las necesidades de datos maestros y de referencia;

 Identificar fuentes y colaboradores de datos maestros y de
referencia;
 Implementar soluciones de gestión de datos maestros y de
referencia;
 Definir y mantener normas de enlace;
 Establecer “Golden” records;
 Definir y mantener las jerarquías y afiliaciones;
 Replicar y distribuir datos maestros y de referencia;
 Gestión de cambios de datos maestros y de referencia.

Gestión de data warehousing (DW) y business intelligence (BI)

 Entender las necesidades de información de BI;

 Definir y mantener la arquitectura de BI y DW;
 Implementar data warehouse y data marts;
 Implementar herramientas de BI y de interface de usuario;
 procesamiento de datos para BI;
 Supervisar y ajustar los procesos de almacenamiento de datos;
 Monitorear y ajustar la actividad de BI y rendimiento.

Gestión de contenidos y documentos

 Gestión de documentos / registros;

 Gestió de contenidos.

Gestión de metadatos

 Entender los requisitos de metadatos;

 Definir la arquitectura de metadatos;
 Desarrollar y mantener los estándares de metadatos;
 Implementar un entorno de metadatos gestionados;
 Crear y mantener metadatos;
 Integrar metadatos;
 Administrar repositorios de metadatos;
 Distribuir y entregar metadatos;
 Consultar, reportar y analizar metadatos.
Gestión de la calidad de datos

 Desarrollar y promover la conciencia de calidad de los datos;

 Definir requisitos de calidad de datos;
 Perfilar, analizar y evaluar la calidad de datos;
 Definir indicadores de calidad de datos;
 Definir las reglas de negocio respecto a calidad de datos;
 Probar y validar requerimientos de la calidad de los datos;
 Establecer y evaluar los niveles de servicio de calidad de los datos;
 Medir y monitorear la calidad de los datos de forma continua;
 Resolver los problemas de calidad de los datos;
 Diseñar e implementar procedimientos operacionales DQM;
 Monitorear procesamientos y rendimientos operacionales DQM. (The
DAMA Guide to the Data Management Body of Knowledge, DAMA-
DMBOK, Spanish Edition, 2015)
Referencias
DAMA International (2010). The DAMA Guide to the Data Management Body
of Knowledge (DAMA-DMBOK) [traducción propia]. Bradlery Beach, EE. UU.:
Technics ISBN-13: 978-193554023.

Dreibelbis, A., Hechler, E., Milman, I., Oberhofer, M., Van Run, P., y
Wolfson, D. (2008).Enterprise Master Data Management: An SOA Approach to
Managing Core Information. Boston: Pearson Plc.

The Data Governance Institute (2013). The Basic Information. Recuperado

dehttp://www.datagovernance.com/the-basic-information/.

The DAMA Guide to the Data Management Body of Knowledge (DAMA-

DMBOK) Spanish Edition (2015), Bradlery Beach, EE. UU.