La Calidad de

Datos =Tecnología
+ Know-How
Índice
Problemática actual 04

Objetivos 06

Solución de Negocio: Tecnología 07

Solución de Negocio: Metodología 11

Solución de Negocio: Know- How 13

Solución de Negocio: Entorno Colaborativo 15

Beneficios 17

Conclusiones 18

2
La calidad de datos ha sido hasta la fecha el último En efecto, en el ámbito de las aplicaciones empre-
peldaño a tener en cuenta en cualquier proyecto sariales, existe la denominada “Regla 1-10-100”, la
tecnológico. Las compañías estaban más centradas cual viene a decir que cuesta $1 verificar un registro
en asumir nuevas tecnologías que permitieran que en su momento de entrada, $10 limpiarlo y dedupli-
las compañías crecieran y permitiesen explotar la carlo y $100 si no se hace nada por las ramifica-
información que se generaba que en otras tareas. ciones de los errores“ (Gartner).

De ahí la gran explosión en proyectos de Integración Por su parte, en el área del Master Data Manage-
de Datos (ETL) e Inteligencia de Negocio (BI) que ha ment: “El 25% de los datos de clientes de cualquier
habido durante los últimos años. Al mismo tiempo, sistema transaccional u operacional cambian anual-
este crecimiento ha requerido de grandes inver- mente” (TDWI).
siones en HW y en Enterprise Applications (ERP,
CRM) que sustentaran las nuevas aplicaciones y el Al mismo tiempo, en elámbito del Data Warehousing
creciente volumen de datos. & BI, se sabe que “La mayoría de los usuarios de BI
y DW sólo pueden esperar hasta que este flujo de
Sin embargo, el hecho de tener información datos de mala calidad se distribuya por la compañía
contrastada de calidad se ha dejado en el tintero. Ha y contamine los sistemas DW/BI.” (Forrester).
primado el “vamos a almacenar todo lo que poda-
mos que ya veremos como lo explotamos después”. Finalmente, en el sector de Data Governance es
Ha sido con la crisis, y el parón en inversiones, evidente a día de hoy que “Las barreras de la
cuando se ha vuelto los ojos a la eficiencia y a la gobernabilidad son eliminadas si la organización
productividad, y ahí es donde aparece de manera adopta planes de calidad, invierte en tecnología y
diáfana la importancia de la calidad de los datos. desarrolla procesos para la gestión de la calidad de
los datos.”( TDWI).
En los últimos años, los analistas líderes en la
industria y los expertos en calidad de datos vienen Paradójicamente, las necesidades de inteligencia
alertando de que el éxito de un CRM, DWH, ODS o de negocio van aumentando día a día y cada vez
ERP dependen en gran parte de la calidad de son más inmediatas, destinándose además a objeti-
información de una organización. vos a largo plazo, ya que no se utilizan únicamente
para saber cómo se ha comportado la compañía en
el último mes o trimestre, si no también para predecir
qué va a pasar en el siguiente semestre.

3
Problemática actual
Actualmente, alrededor de la calidad de los datos Lo cierto es que, según Gartner: “La pobre calidad
existen distintos tipos de problemáticas. Vamos a de los datos es la norma y no la excepción, pero la
analizarlas: mayoría de organizaciones se encuentran en un
estado de negación acerca de este tema".
Problemática Organizacional
De hecho, en una reciente encuesta realizada por
Un enfoque de colaboración organizativa dentro de PriceWaterhouseCoopers, el 75% de 600 empresas
la compañía es fundamental para lograr resultados encuestadas reportaron problemas significativos
significativos y superar los problemas de calidad de como resultado de datos defectuosos. De éstos, un
datos. Y ello es así a medida que cada vez más tercio ha dejado de facturar o cobrar un crédito
organizaciones recurren a iniciativas de DQ, a veces como resultado.
impulsadas por TI o a veces por el propio negocio,
con el objetivo de aumentar el crecimiento de los Por otro lado, el coste asociado a la generación y
ingresos, de la productividad o la satisfacción del validación de informes erróneos (perdida de confian-
cliente. za por múltiples dominios de dato, informes con
misma unidad pero distinto valor, retrasos en la
A medida que más y más organizaciones recurren a consigna de informes, etc) y el retraso en el “Time to
iniciativas de DQ, a veces impulsadas por TI, a Market” de nuevos productos, apenas son evalua-
veces por el negocio, con el objetivo de aumentar el dos por los Board of Directors.
crecimiento de los ingresos, o de la productividad, o
la satisfacción del cliente, un enfoque de colabo-
ración organizativa dentro de la compañía es funda-
mental para lograr resultados significativos y superar
los problemas de calidad de datos.

Lamentablemente, muchas organizaciones carecen

de la experiencia y los conocimientos necesarios
para manejar la calidad de sus datos.

4
Tipos de datos no Tradicionales Globalización

Los nuevos tipos de datos están llegando desde Adicionalmente, en un entorno como el actual,
muchas direcciones y todos necesitan una estrate- donde existen múltiples sistemas conviviendo en
gia DQ . Vamos a analizarlo: paralelo, donde las adquisiciones y fusiones están a
la orden del día y los sistemas históricos no acaban
Necesidad de enriquecer con datos de terceros . de ser jubilados, y donde cada vez más información
De hecho, en la actualidad las técnicas, proyectos y es recogida por cualquier canal y las compañías se
herramientas de DQ tendrán que adquirir y vuelven internacionales, se hace evidente que el
enriquecer los datos a partir de fuentes de terceros problema de la calidad de datos está agravándose y
(consumidores, negocios de producto o de servicio a la orden del día.
y geográfica).
Los negocios globales necesitan datos operaciona-
DQ a través de Web-Service. les que estén listos para el mercado global. La
Muchas organizaciones aún carecen de una estrate- internacionalización de los datos, y por ende de su
gia de DQ para datos de la Web u On-Line, a pesar calidad, se ha convertido rápidamente en una priori-
de tener un sitio Web / App de entrada manual dad porque es un factor clave de éxito para el
on-line durante años que sirve como un punto de crecimiento de las empresas en nuevos mercados.
contacto del cliente. Por lo tanto, hay que seleccionar herramientas de
proveedores que soporten la internacionalización de
Desarrollar nuevas estrategias de DQ para los datos funciones relacionadas con DQ , tales como:
de las nuevas plataformas.
Incluye los tipos de datos inusuales provenientes de
los sensores, robots, y dispositivos móviles. Al igual • Las normas postales para la correcta entrega de
que con otros dominios de datos, éstos deben ser paquetes y documentos.
normalizados, estandarizados e incluso validados. • Las estándares de los números de teléfono
• Identificadores únicos (por ejemplo, DNI con dígito
Datos tipo texto. de control, Número de Seguridad Social). Fonéti-
Actualmente, la mayoría de los nuevos tipos de ca.
datos incluyen datos de texto, aumentando de este • Códigos del juego de caracteres.
modo la problemática actual alrededor de la calidad
de datos.

5
Objetivos
Son varios los objetivos que se persiguen con una Finalmente, y como último objetivo, se trata de
buena calidad de los datos. Vamos a analizarlos: encontrar un software de calidad de datos top en el
mercado y una compañía que tenga la experiencia y
Así, en primer lugar, el objetivo principal de los el conocimiento para llevar a cabo con éxito el
proyectos de calidad de datos es ayudar al negocio proyecto.
a interactuar con el cliente de una manera más
eficiente y haciendo que la experiencia del cliente En este sentido, las soluciones DQ tienen un ROI
resulte lo más grata posible. predecible y medible: la eliminación de anomalías,
errores y duplicaciones en la información del cliente.
Al mismo tiempo, un objetivo parelelo es el de Al mismo tiempo, proporcionan una única fuente de
aumentar la retención y lealtad de dicho cliente. la verdad, limpia y enriquecida, para tener una visión
Estos objetivos pertenecen en un 100% al negocio. única de los clientes o productos en toda la organi-
La verdad es que, si el cliente percibe una experien- zación.
cia grata el ratio de retención y leltad se incrementa-
rá. PowerData ha acumulado un amplio conocimiento y
experiencia en mejores prácticas en el ámbito de
Además, si esto se logra la contrapartida será proyectos de DQ. Ciertamente, tenemos el
conseguir vender más y sobre más productos. Los know-how y el knowledge que garantizan el éxito en
indicadores clave del mercado en este aspecto son la implementación de un CRM o un DWH, que es la
ARPU (ingresos medios por usuario), AMPU (mar- calidad de los datos.
genes medios por usuario) y CHURN RATE (tasa de
cancelación de clientes). Qué se persigue con una buena calidad
de datos?
Otro objetivo claro es el de convencer a toda la
compañía de las bondades de arrancar un proyecto • Establecer metas medibles y realistas
de calidad de datos. En este sentido, un sponsor • Alinear las expectativas de negocio y TI y en este
fuerte y convencido de los resultados, generará la sentido, confirmar que la alta dirección es el spon-
confianza y el tiempo para lograrlo. sor del proyecto
• Entender el coste de la mala calidad de los datos.
• Usar una metodología de mejora continua
• Usar un calendario de despliegue por fases
• Medir el ROI

6
Solución de Negocio:
Tecnología/Arquitectura
Desde el punto de vista de negocio, una solución de defectos encontrados en nuestra base de datos. Al
calidad de datos se basa en cuatro pilares: mismo tiempo, la arquitectura debe proveer también
tecnología, know-how, procesos y metodología. los diccionarios de la verdad, que se usarán para
Vamos a analizar detenidamente el primero de ellos. identificar y sustituir las variantes de un nombre por
su nombre real de una forma automática.
Ciertamente, la tecnología es fundamental por las
funcionalidades intrínsecas, la mejora continua de Y finalmente, y quizá el módulo más importante, es el
nuevas funciones, el soporte ofrecido, etc, generan- firewall que impedirá que nuevos datos erróneos
do una eficiencia en términos de tiempos de entren de nuevo en los sistemas, ya que sin ello no
desarrollo y una reducción en costes muy significati- tendría sentido un proyecto de calidad de datos.
va.

La arquitectura a emplear en una solución de

calidad de datos está integrada por varios compo-
nentes y a su vez, cada uno de esos componentes
está especializado en ofrecer soluciones concretas
eficientes.

En este sentido, básicamente, lo primero que necesi-

tamos es un módulo que nos proporcione una visión
completa de cómo está nuestra base de datos con
respecto a los principales atributos de los datos.

A continuación, necesitamos un módulo que nos

permita desarrollar reglas de negocio sobre los

7
Técnicas DQ Real Time DQ

DQ es una familia de ocho o más técnicas relaciona- La migración gradual hacia la operación en tiempo
das entre sí. La estandarización de datos es el real es la tendencia actual en la gestión de datos.
método más comúnmente usado, seguido de verifi- Esto incluye los datos disciplinas de gestión de
caciones, validaciones, monitoreo, profiling, calidad de datos, integración de datos, gestión
matching, y así sucesivamente. maestra de datos y el procesamiento de eventos
complejos.
Las organizaciones suelen aplicar sólo una técnica,
a veces un par de ellas, y generalmente sobre un Entre éstos, la gestión de la calidad en tiempo real es
único tipo de datos. El más usual es la limpieza del el segundo en crecimiento, después de MDM y justo
nombre y dirección aplicado a los conjuntos de antes de la integración.
datos de contacto directo, aunque difícilmente se
aplica a los conjuntos de datos fuera de las Los procesos de negocios de ritmo rápido exigen
campañas de marketing directo. limpiar y completar los datos tan pronto como los
datos se están creando o modificando para apoyar
Del mismo modo, las técnicas de deduplicación, el servicio al cliente, la entrega al día siguiente, el BI
unificación y enriquecimiento son raramente aplica- operacional, las transacciones financieras, cross &
das fuera del contexto del householding. up selling y las campañas de marketing.

Muchos DQ se centran en el dominio de datos de Del mismo modo, estos mismos procesos exigen el
clientes únicamente. La realidad es que también se intercambio de datos en tiempo real a través de
podrían mejorar otros ámbitos, tales como produc- múltiples aplicaciones con la superposición de
tos, datos financieros, socios, empleados y ubica- responsabilidades (por ejemplo, un registro de
ciones. cliente compartida entre la planificación de recursos
empresariales y aplicaciones de CRM ).
Los proyectos actuales de DQ son una especie de
hub de calidad que apoyan el intercambio de datos Por estas y otras situaciones, la calidad de datos en
a través de diversas aplicaciones, debiendo sopor- tiempo real reduce el riesgo empresarial y corrige o
tar funciones básicas de agregación, mejora la información mientras está en movimiento
estandarización, resolución de identidad, etc ,en en un proceso de negocio .
tiempo real.

8
Perfilado y los valores de una sola columna de una tabla en
una base de datos .
Mejorar continuamente la calidad de los datos es un
reto cuando no se sabe el estado actual de los datos Sin embargo, una buena herramienta debería revelar
y su uso. Además, comprender los datos empresari- dependencias que llegaran a través de múltiples
ales a través de profiling es un punto de partida para tablas, bases de datos y de sistemas.
decidir qué datos necesitan especial atención.
Monitorización de datos
¿Qué es el perfilado? Se trata de una serie de técni- El seguimiento de datos es una forma de profiling, ya
cas para identificar datos erróneos, datos nulos, que cada vez que se utiliza mide el grado de avance
datos incompletos, datos sin integridad referencial, de la calidad. Esta es la clave para corroborar la
datos que no se ajustan al formato requerido, mejora continua de los datos.
patrones de información de negocio, tendencias,
medias, desviaciones estándares, etc. Monitorización de procesos de calidad de datos
Esta función compara la fuente y el destino para
Es fundamental contar con un buen perfilado por verificar que los datos se cargan correctamente , lo
dos motivos: 1) el análisis sobre el proyecto es realis- cual es imprescindible en cualquier proceso de
ta y fidedigno y 2) nos permitirá a partir de la segun- calidad de datos.
da iteración, medir y comparar la evolución de los
indicadores de gobierno del proyecto de calidad.

En este sentido, para que el profiling se convirtierta

en una técnica esencial para el DQ debe cumplir
ciertos requisitos:

Debe ser reusable

Por lo general el profiling está centrado en la
generación de estadísticas sobre los tipos de datos

9
Componentes de la Arquitectura cación y tagging de problemas de calidad.

La arquitectura está compuesta por varios elemen- Data Analyzer

tos. Vamos a analizarlos: Pensado para analizar, estandarizar, enriquecer,
deduplicar, corregir y reportar todos los master data
Data Quality Web Services types incluyendo cliente, producto, inventario,
Se trata de una facilidad para desarrollar web activos y datos financieros. Permite desarrollar
services que son llamados desde PowerCenter Web reglas de calidad customizadas según las necesi-
Services Hub con el propósito de invocar mappings dades concretas de cada cliente.
conteniendo transformaciones de Informatica Data
Quality u otros procesos o aplicativos llaman a estos Data Quality Identity Match Option
web services. La ventaja fundamental es que Proporciona búsquedas, matching y muestra dupli-
permiten gestionar la información que entra a los cados de datos almacenados en bases de datos
sistemas, impidiendo entrada de información relacionales y ficheros planos.
manual..

Identity Resolution
Proporciona un diccionario de las palabras más
usadas en el país con el objeto de identificar y hacer
match de la jerga.

AddressDoctor Software Library

Proporciona la funcionalidad de parseo, limpieza,
validación y estandarización de direcciones así
como de asignación de geo- coordenadas. Es el
diccionario de la verdad indispensable para evitar
tener cientos de variantes de calles en el sistema.

Data Explorer
Proporciona un entorno de cliente servidor para tres
dimensiones de perfilado (columna, tabla, cross
tabla), orphan analysis, validación clave, identifi-

10
Solución de Negocio:
Metodología
La metodología es el nexo de unión entre tecnología Al mismo tiempo, los SLA’s deben ser básicos al
y know-how. Sin un método preciso y claro de mejora comienzo, medios durante el proyecto y altos una
continua para realizar el proyecto, estamos abona- vez el proyecto está consolidado y el plan de calidad
dos a eternizar el mismo y minar las esperanzas del está en productivo.
sponsor.
DQ como servicio
Verdaderamente, uno de los aspectos clave para
tener éxito en los proyectos de calidad es encontrar Una meta para cualquier usuario debería ser la
una metodología que se adapte al tipo de proyecto. calidad de datos como un servicio, donde las técni-
Y no todas las metodologías lo hacen. Las que mejor cas de DQ esté n disponibles como servicios que se
encajan en este tipo de proyectos son las puedan llamar desde una amplia gama de herra-
metodologías “lean”, como six-sigma o velocity. A su mientas, aplicaciones, bases de datos, y procesos
vez, debe tratarse de una metodología de mejora de negocio.
continua que permita optimizar en cada iteración.
Los beneficios serían los siguientes:
Cuáles deberían ser los aspectos prin-
cipales? Mayor interoperabilidad
La verdad es que, a la la tradicional APIs, ODBC y
• Realizar un perfilado de los datos candidatos a JDBC, se pueden complementar con los servicios
entrar en el proyecto Web y arquitectura orientada a servicios (SOA ) en
• Analizar los resultados soluciones DQ.
• Establecer KPI’s y SLA’s
• Desarrollar reglas de negocio acorde a los resulta- Nuevas arquitecturas de aplicaciones
dos obtenidos Los servicios DQ se pueden incrustar en cualquier
• Medir aplicación y permiten ejecutar en tiempo real, a
• Comparar demanda, o por lotes.

11
Reutilización y consistencia Consistencia
Generalizando, cualquier técnica de calidad de Tipos diferentes de registros de datos en un conjunto
datos puede convertirse en un servicio de DQ. Las de datos, como la combinación de la información
reglas de negocio, validaciones, estandarizaciones, personal y de negocios.
etc, pueden volver a ser usados en otros proyectos.
Y su reutilización, adicional al ahorro de costes, Integridad
fomenta una mayor coherencia en los datos. Tiene que ver con el reconocimiento de asocia-
ciones significativas entre los registros de un conjun-
Métricas to de datos.

Las métricas acerca de la calidad de los datos Duplicidad

tienen mucho que ver con sus atributos. Un proyecto Datos que duplican entre sí la información, y que
de calidad de datos debería medir: habitualmente comporta el desconocer cuál es el
más actualizado.
Precisión
Exactitud general de los datos en un conjunto. Se
determina comparando el conjunto de datos con una
fuente de referencia fiable.

Completitud
Se trata de los datos que faltan, es decir, los campos
en el conjunto de datos que se han quedado vacíos
o cuyos valores predeterminados se han quedado
sin cambios.

Conformidad
Valores de datos de un tipo similar introducidos de
una manera confusa o inutilizables, por ejemplo,
números de teléfono que incluyen / omiten los
códigos de área.

12
Solución de Negocio:
KnowHow
El know-how es la clave. Los proyectos de calidad in-house. Experiencia, best practices y conocimiento
de datos no suelen ser complejos, pero sí requieren marcan la diferencia.
de un análisis muy detallado que defina los business
goals de la organización. Y la experiencia de un La tecnología apoya también en este dilema. La
partner aquí es simplemente necesaria. flexibilidad de las herramientas, el amplio espectro
de funcionalidades estándar al mercado incorpora-
De hecho, en muchas ocasiones las organizaciones das en las herramientas, la escalabilidad de las
fallan a la hora de reconocer la importancia de mismas y los múltiples módulos para acometer de
definir o diseñar business goals (por falta de manera independiente problemas distintos hacen
definición). La principal causa es la falta de experi- que la solución sea económica.
encia interna para definir la solución óptima para sus
entornos. ¿Cuáles son los problemas más
frecuentes?
Estas compañías necesitan un partner y una
tecnología que les ayude a tomar la decisión correc- Baja precisión del stock, facturas erróneas, incum-
ta, y que al mismo tiempo les ayuden a establecer plimiento de auditoría, inexactitud en los reportes
unos claros y conseguibles objetivos. Y una vez que financieros, coste de enviar productos y campañas
los business goals están diseñados, viene la parte promocionales a clientes y direcciones inexistentes,
del desarrollo y la implementación, donde, una vez gastos de envío adicionales para la corrección de
más, un partner especializado es fundamental para direcciones ( Fedex), e incluso pérdida de ingresos
lograr el éxito. telemarketing.

La gran ventaja de los partners es la eficiencia con la ¿Y los síntomas más comunes?
que se aproximan a este tipo de proyectos debido a
su experiencia. Los beneficios son claros en cuanto Tiempo en la preparación de los pedidos, duplicar
a rapidez en la implementación. Se estima una reportes, órdenes incorrectas, duplicación de la
mejora en tiempos de un 70% vs las soluciones información, erosión de relaciones con los clientes,
pérdida de oportunidades cross-selling y up-selling,
etc.

13
De hecho, cada punto de contacto con el cliente es La experiencia, el know-how, el conocimiento, las
una fuente potencial de corrupción de datos. Los mejores prácticas...están del lado del partner.
motivos son variados:

• Los clientes que se dan de alta vía web intencio-

nalmente introducen datos de mala calidad para
proteger su privacidad.
• Los operadores del centro de atención al cliente
introducen datos abreviados para ahorrar tiempo.
• Los operadores del centro de atención al cliente
introducen datos erróneos por desconocimiento
de la lengua.
• Los datos de terceros contienen inconsistencias,
inexactitudes y errores.
• Los sistemas de front-office generan errores en los
datos de contacto de los clientes.
• Los datos de origen diverso (por ejemplo, excel
propios de los vendedores o de marketing) no se
ajustan a las normas operativas y de formatos.
• Los cambios reales de teléfono o dirección no se
consolidan en todos los sistemas.

La conclusión es que existen demasiados puntos

débiles, principalmente en la introducción manual de
los mismos, lo que comporta la reducción de la
calidad de los datos a lo largo de todo el sistema.

Verdaderamente, casi el 70% del esfuerzo en imple-

mentar un DWH está asociado con tareas relaciona-
das con integración y calidad de datos y aún así,
muchas compañías subestiman la complejidad de
este tipo de proyectos.

14
Entorno Colaborativo
Habitualmente nadie es responsable de los datos. atribuciones, roles y responsabilidades, dotándolo a
Estos proyectos requieren de unos procesos y su vez tanto económicamente como en recursos,
estructuras que permitan colaborar a las distintas con el fin de que sean independientes tanto de IT
áreas involucradas para asignar roles y responsabili- como de Negocio: estamos hablando de los Data
dades en el gobierno y control del plan de calidad. Steward.

Alineación de Expectativas ¿Quién es el responsable de los

Datos?
Alinear las expectativas de la dirección, el negocio y
TI es el aspecto más importante dentro de este apar- Algunas personas aún mantienen que el principal
tado. Lo más frecuente es que cada uno mire para responsable de la calidad de datos es IT, ya que
su lado y nadie asuma la responsabilidad como tal después de todo, gestionan el almacenamiento, el
de ser el propietario del dato. Ello no está reconoci- procesamiento, el consumo de los datos, etc.
do, es una tarea árdua que habitualmente siempre
se ubica en medio de una crisis y que a menudo no No obstante, actualmente ello se está convirtiendo
está tampoco recompensada. en un mito que está pasando a mejor vida, sobre
todo desde que las grandes corporaciones han
La realidad es que la calidad de los datos se aplica empezado a crear el rol de Data Steward, ya que
y se mantiene por el personal de TI, pero es el precisamente por ello, actualmente la responsabili-
usuario de negocio el que obtiene la mayoría de dad de los datos se ha convertido en un rol compar-
beneficios. Es el usuario de negocio quien entiende tido con Negocio (Data Steward), Dirección (spon-
el significado y el uso de los datos en el contexto de sor) e IT (mantenimiento, soporte).
cada aplicación. Por estas razones, los usuarios de
TI y Negocio se deben poner de acuerdo y alinear Las organizaciones sólo alcanzarán un alto nivel de
las expectativas del rol que va a jugar la calidad de calidad de datos cuando la dirección, el negocio y TI
los datos en la organización. colaboren de forma desinteresada. Todos
comparten la propiedad del dato, pero ninguno se
Más importante aún es que la Dirección defina un hace responsable del mismo.
área, práctica o departamento al que se le den

15
Se necesita definir roles (data stewards) y equipo también genera roces, áreas de poder... esto
responsabilidades , definiciones y normas, herra- en sí mismo es un problema por las dificultades para
mientas y proyectos. Además es necesario medir la alcanzar consensos y definir alcances. Aquí es
evolución del dato, definiendo indicadores y midién- donde, de nuevo, los parters especializados con
dolos después. muchos proyectos a la espalda, pueden ayudar a las
compañías a reducir las fricciones, almohadillando
A veces las organizaciones no reconocen la impor- expectativas en base a su experiencia y conocimien-
tancia de un objetivo específico (por ejemplo, redu- to.
cir costes de facturación vía consolidación de listas
de clientes, reconciliar diferentes versiones del Igualmente, es fundamental la involucración y el
consumo, identificación del fraude, etc). El compromiso de la dirección. La calidad de datos
know-how y la identificación de objetivos concretos se ve en ocasiones como una pieza táctica, no
es el mejor paso para una solución exitosa. estratégica, que resuelve un problema puntual. La
realidad es que las compañías de éxito gestionan la
Este proceso es iterativo y al medir se convierte en calidad de datos como algo estratégico.Información
gobernable“. En realidad, el gobierno de los datos de calidad, es poder.
es el corazón del proyecto, ya que une a las perso-
nas, los procesos y la tecnologías para mejorar La Dirección debe especialmente estar atenta y
todos los aspectos de nuestros datos. fomentar la colaboración en la definición de los
objetivos o indicadores porque raramente una
Involucración de la Dirección persona conoce todos los detalles. Por ejemplo,
Ventas, Finanzas y Atención al Cliente interactuan
Habitualmente nadie es responsable de los datos. con los clientes, pero tienen diferentes prioridades y
Estos proyectos requieren de unos procesos y objetivos.
estructuras que permitan colaborar a las distintas
áreas involucradas para asignar roles y responsabili-
dades en el gobierno y control del plan de calidad.

Como hemos comentado, es necesario el trabajo en

equipo. Pero como todos sabemos el trabajo en

16
Beneficios
El hecho de contar con un partner con tecnología los datos correctos sus facturas, o el centro de
aporta una serie de beneficios tangibles. Vamos a atención al cliente les llamen por su nombre correc-
analizarlos: to, fideliza al cliente.

Proyectos eficaces Qué beneficios aporta el hecho de

Por su experiencia y conocimiento en gestionar contar con Técnicas Multiplataforma?
proyectos de este tipo, suelen acabar en tiempo,
coste y forma, ahorrando miles de horas en • Conectividad a cualquier plataforma tecnológica,
comparación con la versión in-house. nativa o vía ODBC existente, tanto si son datos
estructurados/no estructurados como sistemas
Retorno de la inversión legacy, aplicaciones a medida, ERP o CRM.
El hecho de facturar a tiempo y de forma correcta, no • Además, al ser módulos independientes, pueden
perder facturas, mejorar las ventas cross-selling, etc ser re-usados para cualquier proyecto dentro de la
debido a una mejora de los datos de contactabili- compañía que necesite cualquier tipo de acción
dad, por ejemplo, hace que el ROI sea visible en un Data Quality.
corto periodo de tiempo. • Al mismo tiempo, la mejora productiva vs el
proyecto estándar es de un 60% aproximada-
Mejores prácticas mente, lo cual, en términos de coste, es realmente
La compañía adquiere un conocimiento y unas significativo.
mejores prácticas que le permiten continuar por sí • Del mismo modo, se trata de una área de trabajo
mismo con la mejora continua de la calidad de los que genera reportes automáticos de los KPIs de
datos. calidad a través de un módulo específico integra-
do. Este hecho es imporante porque permite
Reducción de costes visualizar de manera gráfica los avances en la
Al ahorrar miles de horas de desarrollo in-house, mejora continua de la calidad de los datos.
cientos de horas de trabajo manual o retrabajo, etc, • Se trata también de una técnica que genera un
se traduce directamente en un ahorro de los costes. monitoreo continuo, lo cual permite visualizar el
impacto de los datos dentro de los procesos de la
Mejora de los ratios de fidelización de los clientes organización y sus cambios.
El hecho de que los clientes reciban a tiempo y con

17
Conclusiones
La Calidad de Datos o DQ (Data Quality) es un narios de datos y otros tipos de problemas de
concepto muy amplio que se podría resumir como la calidad de datos y procesos.
ciencia de mantener la información de las organi-
zaciones completa, precisa, consistente, actualiza- Dichos datos afectan a la capacidad de un negocio
da, única y, lo más importante, válida para el fin que de realizar sus funciones empresariales y de propor-
se creó. cionar servicios a sus clientes, lo que conlleva la
pérdida de credibilidad y de ingresos, descontento
El término DQ actualmente representa uno de los de los clientes e incluso problemas de cumplimiento
conceptos fundamentales de un sistema gestor de de la normativa.
bases de datos, como ya lo eran en su momento
otros tales como la integridad o la seguridad. Al mismo tiempo, con frecuencia los datos incorrec-
tos pueden causar problemas en el análisis de
En verdad, el interés creciente por el DQ entre las datos, elaboración de informes y almacenamiento.
organizaciones, está motivado por la mayor inter-
conectividad entre productores y usuarios de Precisamente por ello, las soluciones de Data
datos, ya que actualmente se comparte muchísima Quality, implementadas por un partner con experi-
información entre distintas entidades, y, para encia y conocimiento, con la colaboración del
muchas empresas, los datos constituyen su principal cliente, es la mejor aproximación a un proyecto exito-
activo. so para las compañías.

Además, manejar datos que tienen mala calidad El uso de una herramienta tecnológica top
suele ser muy costoso en tiempo y dinero, y, lo que (cuadrante derecho superior del cuadrante mágico
es peor, puede llevar a los responsables de las de Gartnet) y una metodología de mejora continua
compañías a tomar caminos erróneos.. son los otros dos factores que garantizan la conse-
cución de los objetivos propuestos.
Lo cierto es que, los datos incorrectos pueden ser el
resultado de errores provocados por los usuarios al La apuesta por la calidad de los datos mejora los
introducirlos, daños durante la transmisión o el alma- resultados empresariales de manera significativa ya
cenamiento, definiciones no coincidentes de diccio- que impacta directamente en la mejora del resultado
de los procesos de negocio y por ende, entre otras,

18
en el control de gestión y en la satisfacción de los
clientes.

Es necesario definir, antes de comenzar, el entorno

colaborativo dentro de la compañía que regirá el
proyecto. Es decir, hay que identificar y definir roles,
responsabilidades, procedimientos, personas e
indicadores. Igualmente es necesario involucrar de
manera total a la dirección como sponsor del
proyecto.

De hecho, el riesgo de acometer el proyecto en un

modelo in-house es demasiado alto en términos de
costes incontrolados, tiempos excedidos y equipo
grande permanente.

19
 www.powerdata.es
Arenales 1678 piso 3
Tel. (+54) 11 5277-4650 HAZ CLICK AQUÍ PARA AGENDAR
Buenos Aires - Argentina UNA CONSULTA GRATUITA CON UNO
DE NUESTROS EXPERTOS
Padre Mariano 82, oficina 602, Las Condes
Tel. (+56) 2 29363 102
Santiago de Chile
www.linkedin.com/company/powerdata
Carrera 16 # 93 A - 16 oficina 504
Tel. (+57) 1 616 7796
www.twitter.com/powerdatagrupo
Bogotá - Colombia

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

Tel. (+51) 1 634 4900
Lima - Perú