Modelo Data

Governance 2.0
Índice

01 Introducción

02 Data Governance 2.0

03 Roles

04 Componentes

05 E2E de Gobierno y Calidad

 Modelo Data Governance 2.0 2

Introducción
Modelo Data Governance 2.0
 Modelo Data Governance 2.0 3

Introducción
Estrategia
Una de las prioridades estratégicas del Grupo BBVA consiste en aprovechar el análisis de datos para crear soluciones diferenciales

Tomar decisiones al nivel más granular, basadas en datos Convertir el algoritmo en un elemento clave en el desarrollo de
suficientes, relevantes y de calidad nuevos productos, servicios y procesos.

Data Governance Datio / Datio EVO Data Strategy Advanced Analytics Discipline
Otorgar a los DSc del Grupo
Mejorar la calidad y la
Despliegue de Infraestructura las capacidades necesarias
disponibilidad del dato KPI Estratégico y roadmap de
Big Data para desarrollar su trabajo
asignando responsabilidades DBBs & KUC
(Data University, Ways of
sobre estos
Working…)

En resumen, un número mucho más elevado de personas que sean capaces de utilizar y trabajar con
datos, con datos confiables que generen valor
 Modelo Data Governance 2.0 4

Introducción
Estrategia
Conocer el modelo DG, sus roles y objetivos, te guiará de mejor manera en rol de DSc y DSp

Conocer las personas de Identificar datos relevantes de cada

referencia de DG en Dominios y Dominio y a los responsables de
en Engineering gobernarlos

Conocer las herramientas Conocer y participar como

necesarias para operativizar el miembro de interés de la
Modelo de Gobierno CoP de Data Governance
 Modelo Data Governance 2.0 5

Introducción
Contexto
En el grupo, la situación actual referida a Data, evidenció importantes oportunidades de mejora.

Soluciones no integradas,
hechas por las áreas de Encontró data duplicada
+500 negocio para procesar data
80% en diferentes fuentes.
bajo necesidades.

Soluciones para reprocesar

Declaró que demora más de 1
+350 data fuera de la infraestructura 70% mes para proveer data.
corporativa..

Múltiples depósitos de data (PI, IA, HIS, Sinfo, Data No sabe sobre la existencia
Analytics, …), no permiten tener data localizable de 75% de un diccionario de data.
manera constante.
 Modelo Data Governance 2.0 6

Introducción
Contexto
Como conclusión, tenemos grandes oportunidades de mejora que se solucionan con el Gobierno del Dato. Fortalecer nuestras
capacidades en torno a los datos es crucial para alcanzar nuestra visión

Mejoras Solución

Falta de foco en la generación de datos con suficiente calidad y de incentivos

para responsabilizarse de la calidad de los datos.

Problemas de acceso y disponibilidad de los datos. Datos duplicados

en distintos repositorios, largo proceso de disponibilización e
inexistencia y desconocimiento de diccionario de datos.
Data Governance
‘Creating trusted data to generate value’

Heterogeneidad en procesos y herramientas para almacenamiento

y procesamiento de los datos. Difícil trazabilidad (end to end) “Es la capacidad del banco para gestionar sus datos,

estableciendo: roles, procesos y responsabilidades

Focalización en cuanto a capacidades de analítica de datos
(technical skills, analytical skills, business experts, etc)
para crear valor de los datos hacia el negocio”

Fortalecer nuestras capacidades en torno a los datos es crucial para alcanzar nuestra visión
 Modelo Data Governance 2.0 7

Introducción

Hasta día de hoy, gran parte de los retos y problemas comentados han sido afrontados a lo largo del tiempo mediante sucesivos Modelos
de Gobierno y control de la Calidad de los Datos alineados con la Estrategia de Data

en BBVA…
2020 en adelante
Data Governance 2.0

Factores clave Cambio de la filosofía de Gobierno por Dato

para el éxito de un ’aislado’ a Gobierno por proceso (con foco
Modelo de inicial en GRM y Finance) donde el
ownership se traspasa de la Disciplina a el
Gobierno y Calidad BEx
● Ownership claro en SLOs por Proceso
● Buena tracción en los Dominios más basados en Procesos con

Ownership
I. Disponer de un ownership ámbitos BEx claros (GRM, Finance y T&C)
claro de los Datos ● Necesario extender al resto de Dominios
● Datos sin ownership claro - necesario mucho tiempo y esfuerzo
II. Capacidades operativas en su asignación
(recursos, skills y
conocimiento funcional) para
desarrollar las tareas de ● Conocimiento funcional disponible en los equipos BEx que
Capacidades
Gobierno y Calidad gestionan los procesos
● Generación de capacidad operativa incremental (Data Quality
Teams)
● Dotación no estructural de algunos DQTs y curva de aprendizaje
 Modelo Data Governance 2.0 8

Data Governance 2.0

Modelo Data Governance 2.0
 Modelo Data Governance 2.0 9

Data Governance 2.0

Marco Normativo - Introducción
Con el objetivo de disponer de un adecuado Modelo de Gobierno y Calidad de los datos en toda la organización, de acuerdo a los
principios BCBS239, se ha venido trabajando en la aprobación de un marco general en el que se incluye la Política, la Norma y el
Procedimiento Operativo de Data Governance

Establece los principios generales, objetivos y principales directrices para Aprobada

la gestión del Gobierno y la Calidad del Dato y alineamiento con el Modelo
Política Septiembre 2021
de Control Corporativo

Desarrolla la Política en el ámbito ejecutivo, definiendo los Modelos de Aprobada en

Gestión y Control aplicables en cada caso, con detalle de los roles y Holding
Norma responsabilidades de los diferentes intervinientes que deben participar en
su desarrollo Abril 2022

Facilita la operativización de los Modelos y especifica en el detalle las

Procedimiento actividades que se enmarcan en los procesos definidos para desarrollar el WIP-Disponible
operativo contenido de la Norma, facilitando un detalle exhaustivo de la secuencia en v.3
que se ejecutan las actividades, en qué consiste cada una, quién es el Doc. Detallado Doc. Resumen

responsable de su ejecución y en qué momento se lleva a cabo. WIP

 Modelo Data Governance 2.0 10

Data Governance 2.0

Marco Normativo - Política General de Gobierno y Calidad de los datos en BBVA

La Política es de aplicación para las diferentes

Ámbito de Aplicación entidades del Grupo BBVA, se extiende a todos los
datos que usa, gestiona o reporta, tanto interna
En Septiembre 2021 se como externamente en su ciclo de vida completo

aprueba en la organización la
Un modelo centralizado en su definición en la
Política General que Modelo de Gobierno de unidad de Data Governance dentro del área de
los Datos Data y descentralizado en su ejecución, con la
establece los principios existencia de roles con tareas de gobierno dentro
generales, objetivos y de las diferentes áreas.

principales directrices para

Elementos del gobierno de El modelo de gobierno con foco en los
la gestión del Gobierno y la datos componentes de: content, calidad, disponibilidad
Calidad del Dato y y trazabilidad de los mismos.

alineamiento con el Modelo

de Control Corporativo Se articula sobre la actividad de control
Modelo de Control
desarrollada por cada una de las tres líneas de
defensa

Política GyC
 Modelo Data Governance 2.0 11

Data Governance 2.0

Marco Normativo - Norma Data Governance
En Abril 2022 se aprueba la Norma de Data Governance en Holding que desarrolla la Política en el ámbito ejecutivo, identificando los
procesos sobre los que aplicar los diferentes niveles de gobierno y calidad

Procedimientos de
Scope Gobierno: Procesos Niveles de Gobierno
identificación y selección
▰ Centrándonos en los procesos
considerados Key Data Se definen procedimientos Se identifican dos niveles
Processes (BCBS Key Data específicos para la identificación y diferenciados de gobierno en función
Process y Other Data Key selección de cada uno de los procesos del tipo de proceso y de los datos
Processes) que se incluyen dentro del scope de relevantes:
▰ Con foco en el gobierno de procesos a gobernar
datos relevantes que tienen ▰ Gobierno Técnico
impacto directo sobre el output
generado por el proceso ▰ Gobierno Completo (Técnico +
Funcional).

Retos de la Norma Data Governance

Aprobación del la Norma en todas Operativización de la Norma en Potenciales auditorías internas de revisión
las geografías Holding y geografías del cumplimiento de la Norma
(Junio 2022) (Diciembre 2022) (2023)
Norma GyC
 Modelo Data Governance 2.0 12

Data Governance 2.0

Marco Normativo - Scope de procesos
Los procesos del Grupo se pueden clasificar en base a su nivel de criticidad desde la óptica de Data Governance, existiendo las siguientes
categorías:

Tipología de Procesos Características

El perímetro de procesos BCBS 239 será un scope acotado que incluirá los procesos que:

1. BCBS239 Key Data 1. Generan información de gestión relevante para la toma de decisiones de riesgos, o
Processes 2. Generan información enviada de forma recurrente a reguladores y supervisores y, además,
se considera clave para la toma de decisiones del Grupo BBVA

Se incluirán los procesos que, excluidos los BCBS239 Key Data Processes, son clave para la
consecución de la estrategia del Área o de la propia Entidad. A modo ilustrativo (no exhaustivo)
se podrán incluir cuestiones como:
● Los informes generados en el proceso se emplean para el reporting / seguimiento estratégico del
2. Other Key Data Processes Área.
● Los outputs del proceso se envían de forma recurrente a: Auditoría Interna, Consejo ó Comités de
Alta Dirección, tanto Holding como en geografías ó reguladores y supervisores.
● Tienen un impacto alto en la continuidad del negocio.

Resto de procesos no identificados en los dos puntos anteriores

3. Other Processes
 Modelo Data Governance 2.0 13

Data Governance 2.0

Marco Normativo - Procedimiento de identificación y selección de Procesos
Para la selección de procesos que se engloban bajo el ámbito de esta Norma se seguirán los siguientes procedimientos

Tipología de Procesos Procedimiento para su identificación

1. Proponer los procesos que cumplan los criterios identificados en el perímetro BCBS239:
- Teniendo en consideración la opinión de la Disciplina de DG - Equipo Data Holding
- Deben ser objeto de challenge por parte del equipo de 2LoD
1. BCBS239 Key Data
1. Presentar al Working Group de BCBS239 (WG) los procesos seleccionados, con el objetivo
Processes
de analizar y complementar la propuesta de las Áreas / Dominios y de determinar su
inclusión o exclusión en el perímetro BCBS239
2. Aprobar por parte de los órganos de decisión de las Áreas / Dominios Holding los procesos
a incluir

A través de la intercepción de los procesos de nueva creación o sobre los que se realiza alguna
transformación que sean gestionados por un proyecto SDA (nuevo flujo). A través del flujo de la
2. Other Key Data Processes SDA el equipo Data Portfolio Manager, en delegación del HoD del Dominio / País, se asegurará
que existen los procedimientos necesarios para la interceptación de los proyectos que a su
finalización vayan a generar o transformar procesos de los tipificados como “Other Key Data
Processes".

No se realizará ningún proceso adicional para su identificación y planificación de gobierno

3. Other Processes
 Modelo Data Governance 2.0 14

Data Governance 2.0

Marco Normativo - Niveles de gobierno a aplicar
En función de la criticidad de los Procesos, se han definido los siguientes Niveles de Gobierno para su aplicación a las distintas tipologías
de Procesos y en función de la relevancia de sus datos

Tipo de Proceso Datos relevantes Datos no relevantes

1. BCBS239 Key Data

Entre las tareas principales incluye: Gobierno completo Gobierno técnico
Processes
diccionario técnico (información del
Gobierno sistema, de la tabla y del campo
físico), implantación de reglas de 2. Other Key Data
técnico Gobierno completo Gobierno técnico
Gobierno Completo

calidad técnicas, asignación de Processes

etiquetas de seguridad, etc

3. Other Processes N/A Gobierno técnico

Entre las tareas principales incluye:

asignación de roles de data,
identificar y documentar los Proceso de Assessment BCBS 239
Gobierno procesos/ actividades, documentar
funcional funcionalmente catálogos y datos Adicionalmente los procesos críticos de perímetro BCBS 239 deben
relevantes, implantación del modelo completar anualmente el proceso de Assessment BCBS 239, para
de calidad, generación de mapa de evaluar el grado de cumplimiento de los Principios BCBS 239 definidos
dependencias, etc por el Comité de Supervisión Bancaria de Basilea.
 Modelo Data Governance 2.0 15

Roles
Modelo Data Governance 2.0
 Modelo Data Governance 2.0 16

Roles
¿Quién operativiza el Modelo de Data Governance 2.0?

SLO (Data Domain Subdomain Domain System Data

DQT PO DPM Head of Data Data Hub
Owner) Owner Owner Lead Owner Architect

Solutions
BEx Data Engineering
Development
 Modelo Data Governance 2.0 17

Roles Detalle Modelo de Roles

¿Quién operativiza el Modelo de Data Governance 2.0?

El modelo se divide entre roles de Estrategia, responsables de la definición y despliegue de las iniciativas de Data alineadas con la
estrategia del Grupo, y de Ejecución, responsables de asegurar en el día a día de los procesos el cumplimiento de los requerimientos de
gobierno
Estrategia

Head of Data DPM

Domain Owner
Domain Lead
Subdomain Owners1
Set Up (proyecto) Run (recurrente)
En un proyecto, el Product Owner deberá garantizar el Una vez traspasado el proceso al BEx, el foco de los SLOs /
gobierno de los datos generados en el nuevo proceso y la Data Owners será el seguimiento de los resultados de las
identificación de los datos empleados relevantes reglas a través de los Cuadros de Mando, el análisis de
(consumidos) a gobernar por los Service Line Owners / Traspaso incidencias y su escalado, la definición de planes de
Data Owners. Todos ellos contarán con el soporte del Data remediación, etc para lo que contará con el soporte del
Ejecución

Quality Team1. Objetivo: garantizar que el Data Quality Team.

proceso cumple con los
requerimientos de gobierno
Product Data Owners Data Quality definidos para su traspaso al Data Owners Data Quality
Owner2 (SLOs) Team3 BEx (SLOs)2 Team3

Arquitectura System owners

(Data Architect, System owners
(Data Hub, Sistemas) (Data Hub, Sistemas)
Sols. Architect, etc)

1
En el caso de que existan Span Breakers entre el Domain Owner y el SLO (DO), estos asumirán la función de Subdomain Owner, como representantes del Domain Owner en un ámbito más reducido del Dominio.
2
Las Disciplinas, a través del Sponsor en proyectos o en su comunicación con los BExes, desarrollan y mantienen modelos, políticas y procedimientos sobre su ámbito de conocimiento específico
3
Rol desplegado únicamente en los Dominios de GRM y Finance debido al volumen de requerimientos y la urgencia regulatoria
 Modelo Data Governance 2.0 18

Roles
¿Quién operativiza el Modelo de Data Governance 2.0?
Roles de Estrategia Roles de Ejecución

Set Up (proyecto) Run (recurrente)

Rol Descripción Rol Descripción Traspaso Rol Descripción

al BEx
Coordinan las actuaciones de los
Responsable de definir, fortalecer e Responsable de los entregables Data del DQTs, monitorizan el progreso en el
impulsar la estrategia de Data en proyecto y del gobierno de los datos gobierno en procesos, consolidan y
Head of Data ámbito de responsabilidad (área
Product Owner relevantes y catálogos generados en el Domain Lead gestionan las incidencias escaladas,
Holding o Geografía proceso y consolidan las oportunidades de
mejora de gobierno de datos en el
Dominio
Aprueban el cumplimiento de los
entregables Data del proyecto, imparten
Responsable de coordinar la agenda de
Data Portfolio formación en materia de gobierno de
Manager data en su área Holding o geografía, Domain Lead datos, coordinan las actuaciones de los
Dan seguimiento al gobierno de
promoviendo la transformación los datos en términos de calidad y
DQTs y monitorizan el progreso en el
linaje del proceso, manteniendo la
gobierno en proyectos. Data Owners/Service
SLO documentación, escalando
Line Owners incidencias e identificando
(SLOs)
Responsable del gobierno de datos en Como proveedores, gobiernan los datos oportunidades de mejora de
Data Owners/Service relevantes y catálogos utilizados en el gobierno de datos
los procesos críticos de su ámbito de DO/SLOs
Domain Owner Line Owners proceso, pudiendo ser a su vez
(Head of BEx)
responsabilidad, aplicando sus proveedores
(SLOs)
conocimientos de negocio y cultura del consumidores de información
dato
Dan soporte operativo a los
DO/SLOs en la monitorización de la
Da soporte al Domain Owner en el Dan soporte operativo a los Product
Data Quality Data Quality calidad y el linaje del proceso, en la
despliegue y operativización del Owners y a los DO/SLOs en la definición
Domain Lead Team Team gestión de incidencias y en la
modelo de gobierno de datos, así como e implantación del gobierno de datos
identificación de oportunidades de
en la monitorización de su progreso mejora de gobierno de datos
 Modelo Data Governance 2.0 19

Roles
¿Dónde se encuentran estos roles?
Data Global
Head of Data (HoD)

GRM FIN CS CIB T&C ENG

Áreas Holding (Ej: Finance)

Domain Owner
HoD Finance DPM Finance
Finance

En cada área Holding, existen un HoD, un DPM y un Domain

Owner

Geografías (Ej: Argentina)

Domain Owner Finance Argentina
HoD Argentina DPM Argentina
Domain Owner GRM Argentina

Domain Owner CS Argentina…

En cada geografía, existe un HoD, un DPM y tantos Domain

Owners como Dominios haya en el país
 Modelo Data Governance 2.0 20

Roles
Mapas de Dominio
Los mapas de Dominio representan la estructura funcional de los datos. Se encuentran organizados de acuerdo a su agrupación
funcional y para estas agrupaciones se designan los roles anteriormente descritos

1 Buscan homogeneizar la agrupación de datos del dominio

Mantienen la alineación con las agrupaciones funcionales entre

2 Holding y las geografías

Son la primera referencia de consulta para identificar las personas

3 relevantes del Dominio y el grupo funcional de datos que se
gobiernan

Los mapas del Dominio se consultan en la herramienta de

4
Gobierno : Datum
 Modelo Data Governance 2.0 21

Roles
Ejemplo ilustrativo - Finance Domain Map
Head of Data - Gloria Couceiro
Domain Owner - Gregorio Egea
Solvency &
Financial metrics TAX Investment & Costs Performance & Mngt. Info Procurement ALM
Regulatory Liquidity
Esteban Azaceta J.A.Fdez-Gorostiaga TBD Luis Zudaire A. Fdez Cuellar Carlos Goicoechea
J.C. Gcia Céspedes
Financial Statements Regulatory Tax Impact Analysis Investment Control Holding Mngt. Prospective Profitability Suppliers Liquidity Mngt. &
Mar Amat Capital Felipe Ezpeleta Noelia Antuñano Ruiz Metrics Carmen Morillo Alfredo Correa Funding
J.L. Díaz Canal Ramón Benguría Rafael Fnez. Rivas

Equity Regulatory Liquidity IS & Other Taxes Cost Control New production Peers Information Procurement –Billing ALM – Interest Risk
J Bañares Ignacio Giménez del Cura Idoia Vergara TBD Ramón Benguria Silvia Ipiña Antonio Jimenez Armando Lobo

Add. Breakdown Fin. MREL Global Transfer Pricing Customers average Forecasting Procurement ALM - FX
Statements J.L. Díaz Canal María Rodríguez stock rates Begoña Villamide –Negotiation Jorge Gorostiza
Isaura Clavero Ramón. Benguría TBD
Profit. Ratios Regulatory Capital Mngt Policy Control Global Markets Mngt. Procurement – Digital ALM - Equity
Pachi García de Viedma Gabriela Flores Javier Perex Control Channels Jorge Gorostiza
María Martín Cristina García

Accounting Holding CO Recovery Plan Decision making metrics

& SPVS Gabriela Flores Ángel García
A.Garcia Romo

Annual & Quarterly

Financial Reports
Pachi García de V

Subsidiaries Fin.
Statements
Eduardo Muruais

Domain Subdomain SLO/Data Owner

 Modelo Data Governance 2.0 22

Roles
Relación con DSc y DSp
¿Cómo los roles de DG (SLOs/Data Owners, Domain Lead) apoyan nuestro Rol de Data Scientist y Data Specialist ?

“Tienen el expertise para

“Si tenemos problemas de calidad
direccionar sobre los mejores datos
de Datos, son a los primeros que
a usar y sobre el nivel de Calidad
debemos acudir”
que poseen los mismos”

“Tienen visibilidad de cuáles son

“Conocen dentro de su dominio de
todas las fuentes donde se
datos a las personas de referencia
almacenan o procesan los datos de
de los datos relacionados”
los que son propietarios”

“Son el punto de referencia clave

“Saben cuáles son los usos de los para la resolución de inquietudes
datos de los que son propietario” sobre los datos que estamos
usando”
 Modelo Data Governance 2.0 23

Componentes
Modelo Data Governance 2.0
 Modelo Data Governance 2.0 24

Componentes del Modelo Data Governance

Proyecto Proceso Data Activity
Data Content
ELEMENTOS
Datos son... DATA CONTENT PERSPECTIVA TÉCNICA PERSPECTIVA FUNCIONAL
Entendibles UUAAs / DS Objects Fields Concepts Catálogos
Reglas de calidad

Definición de Implementación de
Data Quality 1 Disponibilidad 4 Consistencia reglas DQ 1 reglas de DQ
PRINCIPIOS Gestión de 2
Datos son ... DATA QUALITY 2 Completitud 5 Integridad
incidencias & 4 Análisis y
Confiables 3 Validez 6 Precisión implementación 3
monitorización
controles

Data Owner Holding Data Owners Holding Data Owners Locales

mediante el mapa de
(Proceso finalista) (Proveedores dato) (Proveedores dato)

Seguimiento SLAs

dependencias
Data Lineage CONSENSO DE SLAs Cuadro de
SLA 1
SLA 2
A TRAVÉS DEL MAPA DE Mando SLAs
Datos son.. SLA 3
DEPENDENCIAS SLA 1
Trazables SLA 2
SLA 3 SLA 4
SLA 4

Data Availability 1 Centraliza y homogeneiza la gestión y la

Modelo Global
DISPONIBILIDAD EN modelización de los datos de uso global
Datos son... INFRAESTRUCTURAS Asegura la disponibilidad de los datos en la nueva
Accesibles CORPORATIVAS 2 Top-down Ingestas
plataforma
 Modelo Data Governance 2.0 25

01
Componentes del Modelo - Data Content
 Modelo Data Governance 2.0 26

Data Content
Elementos

Elemento ¿Qué es?

Data Content Secuencia cíclica de tareas que buscan transformar inputs en outputs, cuya ejecución es
Proceso gobernada por un Process Owner

Es una colección de datos ordenada en forma de una tabla, es decir, en filas y columnas y
Object que son parte fundamental de los Data System (DS) y las UUAAs.
Los datos cuentan con la
definición funcional (nombre, Visión funcional de un dato (field) incluyendo el nombre, descripción y responsable del dato
Concept
descripción, responsable) y (Data Owner), y que permite entender el dato sin necesidad de un conocimiento experto.

técnica (sistema, object y field Son las columnas de los objects, y es en este nivel donde se encuentra en última instancia
Field
donde se encuentra el dato) cada uno de los datos concretos.

requerida en un diccionario Son la representación funcional de los sistemas/unidades aplicativas (UUAAs) donde se
Data System registran los datos y cuyos responsables son los System Owners. Contienen un nombre, una
homogéneo en el Grupo. descripción, etc.

Entendible
 Modelo Data Governance 2.0 27

Data Content
Vínculo entre ámbito funcional y físico
Los Data Owners y los equipos de Engineering (System Owner, Data Hub), en conjunto proporcionan el vínculo entre los conceptos de
negocio y el lugar donde residen los datos en el mundo físico

Conceptual Físico

Object

Concept
Trusted System Owner /
Data Owner Field
Data
Source
Data Hub
 Modelo Data Governance 2.0 28

Data Content
Alcance geográfico
A partir del origen del dato, este puede tener el siguiente alcance geográfico.

Global Local

▰ Dato definido desde Holding y ▰ Dato generado únicamente en el

solicitado para su generación en ámbito local
el ámbito local
-Código central del cliente
-PRV - Tipo de documento
- ROE - Fallidos
- Cartera Refinanciada - Probabilidad de que un
- Proyección Ratio de cliente acepte efectivo
Eficiencia cuotas

28
 Modelo Data Governance 2.0 29

Data Content
Ejemplo

Ámbito Funcional Ámbito Técnico

Concept Data System UUAA Object Field

App visit rate por Report Suite Peru: Peru

Adobe Analytics ADOBE ANALYTICS App Visit Rate % (Serial)
producto Global AAAA

Porcentaje Ratio t_krro_output_metrics_ro gf_local_contract_number

DATIO-RORC-BdE KRRO
Capital Anual rc_lc _id

Inicial periodical DATIO-KINC_Agreemen t_kinc_svin_insurance_co

KINC gf_ini_pdic_cntrb_date
contribuciones fecha t_Specific nd_lcl
 Modelo Data Governance 2.0 30

02
Componentes del Modelo - Data Quality
 Modelo Data Governance 2.0 31

Modelo Data Quality

Objetivos
El objetivo principal del Modelo de Data Quality es asegurar y mejorar la calidad de los datos que se generan, gestionan y
usan en los procesos del Grupo, para aumentar la fiabilidad de los mismos y dar solidez a la toma de decisiones

La aplicación del Modelo de Data Quality permite…

El Modelo de Data Quality aspira a

garantizar que los datos relevantes que
se gestionan en la entidad y las Mejorar la fiabilidad
de los datos de los
actividades o procesos en los que se procesos
usan dichos datos tienen
implementados los mecanismos
suficientes para asegurar la calidad
Gestionar
necesaria para sus diferentes usos. Mejorar la toma
proactivamente las
de decisiones,
alertas/incidencias,
garantizando que
de forma que
los datos que las
trabajemos en la
sustentan son
mejora contínua de
precisos
los datos en el
Grupo

La gestión de la calidad debe ser un proceso continuo y recurrente, integrado en nuestra cultura y día a día.
 Modelo Data Governance 2.0 32

Modelo Data Governance 2.0

Introducción Modelo DG

Con la aplicación del Modelo de Data Governance desarrollado en la …y dentro del Modelo de Data Quality, debemos
Política y Norma corporativa de Gobierno y Calidad, gobernamos datos asegurar y mejorar la calidad de nuestros procesos
como parte fundamental de un proceso… relevantes
¿Cómo lo
haremos?
Centrándonos en los procesos
Con foco en el gobierno funcional 1 Garantizando la calidad del E2E de los procesos
de datos relevantes que tienen desde el aprovisionamiento de sus inputs hasta el
considerados como Key Data
impacto directo sobre el output output final, responsabilidad fundamental del
Processes.
generado por el proceso SLO (con apoyo operativo de los DQTs en su
desarrollo).

Aplicamos dos tipos de gobierno en función de la criticidad del proceso y la relevancia de los datos
2 Garantizando la suficiencia de controles,
apalancados en el conocimiento experto de los
Evaluation of the Non-relevant data
process
SLOs.
Relevant data

BCBS 239 Assessment Functional and Technical

3 Con especial énfasis en los controles a nivel de
+

Key Data Processes BCBS 239 technical governance governance

proceso que determinan la calidad integral del
process criticality

Other Key Data Checklist GyC

Functional and Technical
proceso y que serán considerados críticos (eje
Processes technical governance governance
clave para medir y monitorizar la calidad de los
Technical procesos).
Other Processes N/A N/A
governance
-

Para adaptarse al espíritu del Modelo Data Governance 2.0, el Modelo DQ pone foco en los controles críticos para el proceso.
 Modelo Data Governance 2.02
33

Modelo Data Quality

Def.

Implem. medición
1

Ident. medic.

7
Ciclo de vida
Remed. estuct..

de calidad

Definición e implementación DQ
4

Seguim. y Monit

Doc. rdos y evid. 5

Gest. incid.

Una vez determinado qué queremos controlar en nuestro proceso, se debe proceder a la definición de los controles a nivel
proceso y las reglas a nivel campo/objeto teniendo en cuenta aspectos como la criticidad y suficiencia de los mismos

TIPOS DE CONTROLES CRITICIDAD SUFICIENCIA

¿Qué tipos de Se introduce la criticidad como un El SLO es el responsable último de

controles recoge el
atributo de los controles de calidad que garantizar la suficiencia de controles en
Modelo DQ?
determina la importancia del resultado su proceso, en base a su conocimiento
de calidad de una regla para el resultado experto.
de un proceso de datos/ reporte.

Controles sobre el flujo del proceso, que

Controles a nivel determinan la calidad integral del proceso, Por defecto, serán considerados como En todos los procesos deberá existir, al
proceso ejecutados de forma manual o automática en críticos menos, un control a nivel proceso.
base al conocimiento experto del SLO

Las datos relevantes deberán tener, al

Reglas sobre los campos físicos u objetos menos, una regla de dominio (reglas
Los SLOs deberán identificar qué reglas
Reglas a nivel campo utilizados y generados en el proceso, que funcionales que garantizan la calidad a nivel
definidas e implementadas sobre los datos
físico/objeto pueden estar enmarcados dentro del campo/objeto del proceso con la visión
relevantes son críticas o no
catálogo corporativo de reglas funcional del usuario de negocio)
 Modelo Data Governance 2.0 34

Modelo Data Quality

Aplicación del E2E de Calidad

2
Fase Set Up

Definición
3
1 Implementación
Identificación medición medición

Ciclo de vida de
7 calidad
Remediación estructural
4
Seguimiento y
Monitoring

6
Fase Run

Documentación 5
resultados y evidencias
Gestión de Incidencias

La aplicación del E2E de calidad difiere en función del tipo de proyecto, procesos y persistencia. Para lo cual se incorpora en el siguiente link el detalle del
mismo tanto para procesos/proyectos de SDM (Detalle y roles: Proyectos de SDM) como para procesos/proyectos SIT/Legacy (Detalle y roles: Proyectos SIT/Legacy)
 Modelo Data Governance 2.02
35

Modelo Data Quality

Def.

Implem. medición
1

Ident. medic.

7
Ciclo de vida
Remed. estuct..

de calidad

Documentación resultados y evidencias - Portal DQ

4

Seguim. y Monit

Doc. rdos y evid. 5

Gest. incid.

El Portal DQ es el principal soporte de la calidad de los datos de los procesos relevantes del Grupo tanto para el reporting
interno como para el regulador.

¿Qué nos aporta el Portal DQ en cada fase del E2E gobierno y calidad?

Set-up Run
Equipo de Proyecto
Alta dirección
(Globales/Locales) ✓ Seguimiento de la implementación de la calidad y el estado de la
1 mismas en todos los procesos.
✓ Visualización histórica y agregada de los resultados de las ejecuciones
de controles DQ, de los procesos a través de la dimensión necesaria
Dominios/DPMs
✓ Seguimiento de la implementación de
los controles y reglas de calidad. 2 (dominio, reporte, ownership, principio DQ…etc)
✓ Identificación de problemas estructurales en los inputs del proceso.
✓ Visualización de los primeros
resultados de las ejecuciones de los ✓ Impulso de planes de remediación, realizando el seguimiento de su
controles y reglas.
eficacia.
3 SLOs
✓ Reporting al supervisor del estado de la calidad de los reportes
regulatorios.
 Modelo Data Governance 2.0 36

03
Componentes del Modelo - Data Lineage
 Modelo Data Governance 2.0 37

Componentes del Modelo Data Governance

Data Lineage

Data Lineage
Elemento ¿Qué es?

Permite conocer las Etapas de un proceso, que implican el desarrollo de una serie de tareas bajo la
Data Activity responsabilidad de un SLO que generan, utilizan, transforman o disponibiliza datos
dependencias entre Data
Activities, mediante la Mapa de Documento que recoge la identificación de los procesos / Data Activities generadoras y
Dependencias transformadoras de datos.
generación de un Mapa de
Dependencias entre Data SLA
Documento con los niveles mínimos de calidad de los datos, disponibilidad y periodicidad
establecidos, entre otros, entre varias Data Activities.
Activities generadoras y
consumidoras de datos en el
E2E de los procesos

Trazable
 Modelo Data Governance 2.0 38

Componentes del Modelo Data Governance

Conocimiento de los procesos
¿Qué entendemos por proceso?
Un proceso de datos es el conjunto de flujos que siguen los datos, utilizados dentro del marco de la prestación de un servicio, y que abarcan desde su
generación hasta su uso finalista.

Set datos 1 Set datos 2 Set datos 3 Set datos 4

Salida / Output

Datos Datos Cálculo

generados 1 generados 2 intermedio

Ilustrativo

Data Owner Data Owners Data Owners

Seguimiento SLAS mediante

Holding Holding Locales

el mapa de dependencias
● El linaje es el componente que
permite conocer las dependencias (Proceso finalista) (Proveedores dato) (Proveedores dato)
entre Data Activities
SLA 1 SLA 2
Cuadro de Disponibilidad Disponibilidad
● Para ello, sobre los datos relevantes
Mando SLAs Calidad Calidad
Lineage de cada proceso, se generará un mapa
de dependencias, habilitando la SLA 1
posibilidad de establecer Acuerdos de SLA 2
Nivel de Servicio (ANS o SLA) entre SLA 3
proveedores y consumidores cuando SLA 4
… SLA 3
sea necesario SLA 4 Disponibilidad
Disponibilidad Calidad
Calidad
 Modelo Data Governance 2.0 39

04
Componentes del Modelo - Data Availability
 Modelo Data Governance 2.0 40

Componentes del Modelo Data Governance

Data Availability

Data Availability
Elemento ¿Qué es?

Modelo de datos de referencia único y global, alineado con la estrategia de negocio, cuyo
Modelo Global alcance es la definición de una capa conceptual/lógica única, compartida y global donde se
definen las entidades de datos, sus atributos y relaciones
Los datos deben estar
Acelerar las actuales y futuras Data Big Bets (reduciendo 1 PI/25% del tiempo del
Top-down
disponibles para la ingestas
proyecto), asegurando un correcto modelado y gobierno de los datos a nivel global y
centrado en las ingestas en España y México en 2021
Organización en
infraestructuras Datio Plataforma donde se gestionan datos con capacidades técnicas de vanguardia

corporativas (foco en Datio).

Accesible
 Modelo Data Governance 2.0 41

E2E de Gobierno y Calidad

Modelo Data Governance 2.0
 Modelo Data Governance 42

E2E de Gobierno y Calidad

Introducción
Las principales fases sobre las cuales se debe operativizar el modelo de gobierno son:

Traspaso
Ideación
al Run

Set Up Run

Interceptar las nuevas

iniciativas en la SDA con Desarrollar todas las Traspaso de las tareas
impacto procesos Key Data actividades de G&C sobre los realizadas de Gobierno y Asegurar el cumplimiento de
Process y analizar el stock de datos generados, y gestionar Calidad desde los las directrices de G&C en la
los procesos identificando los la implantación del G&C en los responsables del proyecto a ejecución recurrente del
BCBS239, evaluar el esfuerzo datos utilizados a través de los los responsables del proceso.
y coste de implementar G&C y foros de gobierno. mantenimiento en el Run.
planificar su ejecución.

El Gobierno del E2E se soporta en la herramienta corporativa de gobierno BBVA - Datum.

 Modelo Data Governance 43

E2E de Gobierno y Calidad

Flujo del proceso de gobierno

1- Ideación 2- Desarrollo de actividades de Gobierno (Set-up Gobierno) 3- Traspaso

I al Run 4- Run

Generados
Monitorización de
Gobierno Reglas de
Calidad
Funcional datos calidad datos Despliegue de
Intercepción de la relevantes relevantes los
demanda requerimientos Traspaso al
Gobierno Técnico
para la RUN
Remediación de
Gobierno Reglas de monitorización
debilidades de
Funcional datos calidad datos de calidad
Calidad
relevantes relevantes
Planificación de la
ideación Utilizados
Mantenimiento de
gobierno
Formación y alta en Proceso de
herramientas de Certificación
gobierno Levantamiento
del Mapa de
Dependencias

Content Quality Lineage

 Modelo Data Governance 2.0 44

Anexo
 Modelo Data Governance 2.0 45

Introducción
Overview de la evolución del Modelo de Gobierno a lo largo de los años
Hasta día de hoy, gran parte de los retos y problemas comentados han sido afrontados a lo largo del tiempo mediante sucesivos Modelos
de Gobierno y control de la Calidad de los Datos alineados con la Estrategia de Data

en BBVA…
Pre-Data 2017-2020 2020 en adelante
MIS (Finanzas) Data Governance 1.0 Data Governance 2.0

Factores clave Responsabilidad sobre los datos Responsabilidad sobre el dato Cambio de la filosofía de Gobierno por
para el éxito de un concentrada y centralizada en las basado en una Red descentralizada Dato ’aislado’ a Gobierno por proceso
unidades MIS de Data Owners, acercando el (con foco inicial en GRM y Finance)
Modelo de ownership de los datos a los donde el ownership se traspasa de la
Gobierno y Calidad usuarios conocedores de los datos Disciplina a el BEx
Lecciones aprendidas
● Ownership garantizado (MIS Finance) ● Democratización del ownership a través ● Ownership claro en SLOs por Proceso
de los DOs ● Buena tracción en los Dominios más basados
● Resto de organización ajeno al
Ownership

I. Disponer de un ownership ● El Modelo tracciona donde hay en Procesos con ámbitos BEx claros (GRM,
conocimiento del dato y sin
claro de los Datos sentimiento de responsabilidad sobre ownership claro Finance y T&C)
los datos ● Datos sin ownership claro - necesario ● Necesario extender al resto de Dominios
II. Capacidades operativas ● Foco sobre la visión financiera de los mucho tiempo y esfuerzo en su ● Datos sin ownership claro - necesario mucho
asignación
(recursos, skills y datos tiempo y esfuerzo en su asignación
conocimiento funcional) para
desarrollar las tareas de ● Conocimiento profundo en el equipo ● Ambición de llegar a todos los datos ● Conocimiento funcional disponible en los
Capacidades

Gobierno y Calidad centralizado MIS ● Baja capacidad operativa: DO a tiempo equipos BEx que gestionan los procesos
● Equipo centralizado cuello de parcial y sin recursos adicionales y poco ● Generación de capacidad operativa
botella conectado con la ejecución en el día a día incremental (Data Quality Teams)
● Conocimiento funcional pero sin skills de ● Dotación no estructural de algunos DQTs y
GyC curva de aprendizaje
 Modelo Data Governance 2.0 46

Modelo Data Quality

Aplicación del E2E de Calidad
1. Identificación medición: 3. Implementación medición:
Fase Set-up: Determinación de qué es necesario Fase Set-up - Certificaciones/Pruebas:
tener controlado para cada proceso, en qué punto Implementación de certificaciones/validaciones para validar la
del ciclo de vida del dato y para qué, como paso calidad de los datos, como palanca para poder realizar una
definición de controles estructurales. Es un proceso obligatorio
Fase Set Up

previo a la definición de los controles.

2 (proyectos SDM) y muy útil ya que aporta beneficios de cara a la
2. Definición: Definición evaluación de la calidad sobre los datos ingestados y generados
Fase Set-up: Definición de los controles y reglas de 3 en la etapa de proyecto, previo a su traspaso al “run”.
calidad suficientes a nivel de proceso y campo u 1 Implementación
objeto. Así, como la criticidad de los mismos (más Identificación medición
Fase Set Up - Calidad estructural:
detalle slide 8) Cuando aplique, para las reglas a nivel medición Implementación de controles suficientes (controles de proceso y
campo u objeto, encaje en el catálogo global de reglas sobre campos / objetos) que podrá realizarse a través de
reglas de calidad, asignando un principio y tipo de Ciclo de Hammurabi, en NBs u otros soportes/herramientas, de manera
regla (más detalle slide 27). manual o automática.
7 vida de
6. Documentación resultados y evidencias: calidad 4. Seguimiento y Monitorización:
Fase Run: El Portal DQ es el principal soporte donde Remediación Fase Run - Calidad estructural:
estructural 4
documentar y evidenciar los resultados de las Seguimiento y Seguimiento de las ejecuciones de los controles y reglas de
ejecuciones de controles y reglas de calidad a nivel Monitoring calidad en las herramientas que el SLO utilice para el control de
proceso y campo/objeto, ya se hayan realizado vía su proceso. Se pondrá foco en controles a nivel de proceso
Hammurabi, en NBs u otros soportes/herramientas, 6 críticos (aquellos que ayudan al SLO a garantizar la calidad y
Documentación
Fase Run

de manera manual o automática 5 correcta ejecución del mismo) y reglas campo/objeto críticos
resultados y Gestión de (aquellos que permiten al SLO tomar decisiones en el ciclo de
7. Remediación estructural evidencias Incidencias ejecución de los procesos). De esta revisión puede surgir la
Fase Run:
necesidad de incorporar controles adicionales para garantizar la
- Definición de las acciones de mejora
suficiencia de controles en el proceso.
- Implementación de acciones correctivas
- Verificación de la remediación
5. Gestión de incidencias:
Fase Run - Calidad estructural: Gestión interna por el SLO de las
incidencias por operativa del proceso, para garantizar la correcta
ejecución del mismo en tiempo y forma.

La aplicación del E2E de calidad difiere en función del tipo de proyecto, procesos y persistencia. Para lo cual se incorpora en el siguiente link el detalle del
mismo tanto para procesos/proyectos de SDM (Detalle y roles: Proyectos de SDM) como para procesos/proyectos SIT/Legacy (Detalle y roles: Proyectos SIT/Legacy)
 Modelo Data Governance 2.0 47

Data Governance 2.0

Formaciones The Camp
El objetivo de formar a todos los dominios y geografías en el ámbito de Modelo de Gobierno es que puedan realizar todas las tareas de
Gobierno y Calidad de manera autónoma

Cursos

Valle
¿Qué es Data Governance?
The Camp es una herramienta donde se
disponibilizan cursos para formar a los
usuarios en distintas áreas del Banco. ¿En qué consiste el modelo Data Governance?

Data Governance cuenta con su propia

ruta que a su vez está formada por 3 Data Governance: ¿cómo se lleva a cabo y por quién?
niveles: Valle, Montaña y Cumbre
(próxima apertura) > ¿Te atreves a mejorar la calidad de los datos?

Montaña
¿Cómo conocemos qué datos hay en la organización y dónde
están? ¡Conoce el componente de Content!

¿Qué es el Modelo Único de Datos?

¿Quieres conocer cómo gobernar y gestionar los catálogos?

Marco Normativo Data Governance: ¿Quieres aprender más

sobre la Política y la Norma de Gobierno y Calidad de datos?
 Modelo Data Governance 2.0 48

Data Content
Elementos

Elemento ¿Qué es?

Data Content Proyecto

Iniciativa de transformación y evolución estratégica de las áreas con una necesidad
presupuestaria

Secuencia cíclica de tareas que buscan transformar inputs en outputs, cuya ejecución es
Proceso gobernada por un Process Owner
Los datos cuentan con la
definición funcional (nombre, Etapas de un proceso, que implican el desarrollo de una serie de tareas bajo la
Data Activity responsabilidad de un SLO que generan, utilizan, transforman o disponibiliza datos
descripción, responsable) y
técnica (sistema, object y field Es una colección de datos ordenada en forma de una tabla, es decir, en filas y columnas y
Object que son parte fundamental de los Data System (DS) y las UUAAs.
donde se encuentra el dato)
requerida en un diccionario Visión funcional de un dato (field) incluyendo el nombre, descripción y responsable del dato
Concept (Data Owner), y que permite entender el dato sin necesidad de un conocimiento experto.
homogéneo en el Grupo.
Son las columnas de los objects, y es en este nivel donde se encuentra en última instancia
Field cada uno de los datos concretos.

Son la representación funcional de los sistemas/unidades aplicativas (UUAAs) donde se

Entendible Data System registran los datos y cuyos responsables son los System Owners. Contienen un nombre, una
descripción, etc.
 Modelo Data Governance 2.02
49

Modelo Data Quality

Def.

Implem. medición
1

Ident. medic.

7
Ciclo de vida
Remed. estuct..

de calidad

Monitorización y gestión de incidencias

4

Seguim. y Monit

Doc. rdos y evid. 5

Gest. incid.

Tras la definición e implementación de los controles de calidad, inicia la fase de seguimiento con foco en validar la calidad
de los datos que se utilizan y generan en los procesos

Una vez ejecutado el proceso, Las incidencias que se El Modelo DQ requiere que el Las incidencias que se hayan
se realiza el seguimiento de los producen durante la ejecución circuito de escalado de producido en cada ejecución,
resultados de la ejecución, del proceso y que son críticas y incidencias de cada proceso deberán estar recogidas en una
poniendo foco en los controles bloqueantes para el mismo, esté documentado e incluya: bitácora/censo de incidencias
y reglas críticos para el proceso. deberán gestionarse y donde se refleje la gestión
escalarse por los circuitos que ✓ roles e intervinientes activa de las mismas mediante
Este monitoring se realizará en se identifiquen oportunos ✓ responsabilidades un inventario, incluyendo:
la herramienta que se para cada proceso para ✓ descripción / flujograma
considere oportuna y sea útil del proceso de gestión de fecha, descripción, estado,
asegurar su resolución (i.e. vía
para la gestión activa del SLO incidencias E2E líneas correctivas, rol resolutor,
remedy).
fecha de resolución.

El seguimiento de la ejecución y los resultados de calidad se realizará en los soportes/herramientas que se consideren oportunas. En caso de que el
SLA del Portal DQ sirva para hacer el monitoring de la ejecución de calidad, podrá ser también una herramienta válida para el SLO.
 Modelo Data Governance 2.02
50

Modelo Data Quality

Def.

Implem. medición
1

Ident. medic.

7
Ciclo de vida
Remed. estuct..

de calidad

Remediación estructural
4

Seguim. y Monit

Doc. rdos y evid. 5

Gest. incid.

Los planes de remediación surgen de la identificación de problemas estructurales en la calidad de los datos en la ejecución
de los procesos (no se entenderá como un problema estructural en la calidad de los datos las manualidades ni la reingeniería de procesos).
¿Qué es un problema
estructural?

Son deficiencias estructurales de calidad de datos, cuyo origen se debe a una limitación de los procesos constante en el tiempo y que cuya
corrección no es puntual, sino que suele requerir el planteamiento de un plan de remediación cuya ejecución no es corta en el tiempo y que requiere la
intervención de equipos dedicados exclusivamente al desarrollo de este plan.

Principales Roles e intervinientes

Una vez identificada la incidencia estructural, se procederá a:

- Identificación del problema y plantear planes de remediación de calidad Detección de la incidencia

estructural. SLO
estructural

- Mesas de remediación: mesas de trabajo periódicas en las que los DPM, Domain
Leads/DQTs y SLOs (Data Owners) de un país gestionan las incidencias estructurales Centralizador de los problemas
y sus planes de remediación Domain Owner
estructurales del dominio

- Presentación y seguimiento en el WG de Calidad. Así, como elevación de warnings Engineering y otros

y bloqueos. Ejecutor del plan de remediación equipos técnicos
asignados
- Presentación a la SDA para su cobertura presupuestaria.
Monitorización y validación de la
- Ejecución y evaluación continua de su implantación para comprobar consecución SLO
correcta ejecución del plan
de objetivos marcados
 Modelo Data Governance 2.02
51

Modelo Data Quality

Def.

Implem. medición
1

Ident. medic.

7
Ciclo de vida
Remed. estuct..

de calidad

Reglas sobre campos / objetos: catálogo de reglas

4

Seguim. y Monit

Doc. rdos y evid. 5

Gest. incid.

La definición de las reglas de calidad en el E2E estratégico dentro del Catálogo Corporativo, contempla 2 tipologías de
reglas: técnicas (MVP Técnico en NextGen) y de dominio (básicas y expertas).
Reglas técnicas Reglas de dominio

Reglas técnicas Reglas básicas Reglas expertas

Reglas funcionales que garantizan la calidad

Reglas que garantizan los mínimos requeridos de Reglas funcionales que garantizan la calidad completa a nivel campo/objeto del proceso con
Objetivo calidad, desde un punto de vista técnico. mínima a nivel campo/objeto del proceso con la la visión funcional del usuario de negocio. Las
En entorno Datio se ejecuta vía MVP Técnico. visión funcional del usuario de negocio. reglas pueden estar - o no - dentro del catálogo
corporativo de reglas.

¿Quién define? N/A (ya viene predefinida en el flujo) PO / SLO

¿Quién desarrolla? (*): Excepto en SIT donde

Engineering será realizado por PO/SLO Engineering (*): Excepto en SIT donde será realizado por PO/SLO
3.1-Comprobación del valor de dato nulo (null o
2.1- Completitud de registros (fichero vacío)
vacío)
2.2-Completitud de perímetro requerido
3.2-Comprobación del formato del campo
2.3-Completitud de perímetro requerido entre raw y
3.3-Comprobación de valores no permitidos
master (solo Datio)
3.4-Comprobación del valor del dato dentro del
3.1-Comprobación del valor de dato nulo (null o vacío)
rango esperado Resto de reglas no incluidas en los MVPs, para
Tipos de reglas 3.2-Comprobación del formato del campo
3.5-Comprobación del valor del dato en catálogo campos relevantes.
4.2-Duplicidad de registros para un mismo dato
4.3-Conciliación de un mismo dato entre diferentes
4.3-Conciliación de un mismo dato entre diferentes
tablas/repositorios en el mismo momento de tiempo
tablas/repositorios en el mismo momento de tiempo
6.1.-Concentración de valores del mismo dato en un
6.9- Tendencia de volumetría
catálogo
Sólo campos PK/Mandatory
Para cualquier campo que no sea PK o Mandatory

Herramienta Botón MVP Técnico en Datum Alta en módulo pre-altas en Datum / Carga masiva de reglas en Datum

Perimetraje N/A Perimetraje de reglas en función del proyecto finalista/proceso