La gestión de datos (DM) comprende una colección integral de prácticas, conceptos y procesos consistentes y responsables. Estos recursos alinean los datos para el éxito empresarial e implementan un Estrategia de datos. Además, abarcan desde la planificación abstracta a largo plazo hasta las actividades prácticas de datos del día a día.

Dado que la DM abarca muchos resultados, comportamientos y actividades a lo largo del ciclo de vida de los datos, las empresas encuentran que organizarla en un marco útil. Dicha metodología incluye al menos lo siguiente:

• Estrategia de datos: La base para priorizar recursos y realizar operaciones de datos.
• Dato de governancia: Una formalización de las políticas, procedimientos y roles de gestión de datos.
• Arquitectura de datos: La infraestructura de datos de la empresa en su totalidad y sus componentes.

Las organizaciones gestionan estos tres componentes, entre otros, para aumentar las oportunidades comerciales, ejecutar bien las operaciones y reducir los riesgos.

Definición de gestión de datos

En ocasiones, la gestión de datos se intercambia con sus componentes y prácticas durante las comunicaciones comerciales. En consecuencia, se utiliza en un contexto particular, como un Programa de gobernanza de datos o implementar una plataforma de datos específica, dejando de lado otros principios de DM.

Este tipo de comunicación resuelve problemas o aborda asuntos rápidamente. Sin embargo, las definiciones formalizadas de gestión de datos adoptan una postura amplia para centrarse en todo su marco, de modo que la empresa en general considere otros componentes. 

Por ejemplo, DAMA International DMBoK define la Gestión de Datos como el “desarrollo, ejecución y supervisión de planes, políticas, programas y prácticas que entregan, controlan, protegen y mejoran el valor de los datos y los activos de información a lo largo de sus ciclos de vida”. Este significado abarca todas las actividades con datos a lo largo de su uso.

La gestión de datos también incluye cualquier conexión entre el negocio y los datos. Este concepto cubre todas las áreas temáticas de datos empresariales y tipos de estructuras para cumplir con los requisitos de consumo de datos de todas las aplicaciones y procesos comerciales. Además, cualquier evento y práctica de datos necesarios para utilizar los datos en decisiones empresariales caen en el contexto de DM.

Los procesos y la participación en torno a la entrega de datos consistentes y en tiempo real en toda la empresa se llevan a cabo bajo el paraguas de DM. Esto incluye escalabilidad, visibilidad, calidad, preparación, gobernanza, seguridad y confiabilidad mejoradas. 

Componentes de gestión de datos

La variedad de prácticas, conceptos y procesos de gestión de datos forma diferentes componentes, que se pueden describir según el marco de gestión de datos. DAMA International ha proporcionado una rueda DMBoK 2 evolucionada, como se ve a continuación:

Un círculo amarillo con conceptos de alto nivel rodea las actividades de gestión de datos realizadas a lo largo de su ciclo de vida y actividades fundamentales. Estas ideas informan, guían e impulsan la implementación de DM en una organización. Incluyen el Estrategia de datos y Gobernanza de Datos.

Las actividades fundamentales sirven al trabajo de gestión de datos realizado para gestionar el ciclo de vida y emergen de los entregables de gobernanza de datos. Ejemplos de estos resultados incluyen:

• Seguridad de datos: Implementar políticas y procedimientos para garantizar que las personas y las cosas tomen las acciones correctas con datos y activos de información, incluso con entradas maliciosas. 
• Gestión de metadatos: Buena gestión de metadatos”crea el contexto para otros elementos de datos, proporcionando una imagen completa de los datos”, señala el escritor David Kolinek. Esta visión holística permite organizar y localizar datos, comprender su significado y maximizar su valor.
• Gestión de la calidad de los datos: Calidad de los Datos (DQ) describe el grado de confianza de las empresas y los consumidores en la utilidad de los datos en función de los requisitos comerciales acordados. La Gestión de Calidad de Datos alinea las expectativas de DQ con la realidad.

Las actividades de gestión del ciclo de vida se realizan diariamente sobre el terreno y son las partes más prácticas y visibles de la gestión de datos. Estas actividades se presentan en tres categorías:

• Planificación y diseño: Las prácticas de planificación y diseño combinan la orientación conceptual de alto nivel y las actividades fundamentales en requisitos prácticos para implementar técnicamente. Por ejemplo, la Arquitectura de Datos representa una actividad de gestión de planificación y diseño.
• Habilitación y mantenimiento: Las actividades de habilitación y mantenimiento se centran en DataOps para garantizar una comunicación, integración y automatización de datos predecibles. La gestión de datos maestros, un método para garantizar la uniformidad y precisión de los activos de datos compartidos de una organización, constituye un conjunto de actividades de habilitación y mantenimiento.
• Usar y mejorar: Las actividades que utilizan y mejoran los datos generan directamente conocimientos empresariales y tipifican el trabajo de analistas, científicos de datos y otros profesionales empresariales. Por ejemplo, la visualización de datos describe cómo aparece la información en la pantalla, determinando su utilidad.

Gestión de datos frente a gobierno de datos

Cuando gerentes y trabajadores discuten sobre Gobernanza de Datos, pueden sustituir el concepto de Gestión de Datos. Los significados de Gobernanza de datos y DM se superponen bastante en los procesos relacionados con la calidad, la integración, las políticas y los estándares de los datos.

Sin embargo, DM también cubre implementaciones de políticas y procedimientos que no caen bajo el manto de Gobernanza de Datos a través de tecnologías y herramientas. Actividades de datos del día a día, como observabilidad de datos, no están categorizados como una práctica de Gobernanza de datos, pero están cubiertos en prácticas de Gestión de datos.

¿La gestión de datos está cubierta por la seguridad de los datos?

Seguridad de los datos representa un componente esencial de la Gestión de Datos. Sus prácticas protegen la información digital del acceso no autorizado, la corrupción o el robo durante todo su ciclo de vida, abarcan todos los aspectos de la seguridad de la información y están estrechamente relacionados con la Gobernanza de Datos.

Sin embargo, centrarse únicamente en la seguridad de los datos pasa por alto aspectos importantes de la gestión de datos. Por ejemplo, privacidad de datos se centra en la protección de datos personales pero no puede superponerse con la seguridad de los datos. Una división comercial puede conocer el estado civil de un empleado en las redes sociales, pero si la organización no informa a esa persona del descubrimiento, pone en duda la gestión de datos de la empresa sobre la privacidad de los datos.

Por otro lado, obteniendo conocimientos a través de informes y análisis es el principal impulsor de DM. Dado que los ejecutivos tienen un impulso más fuerte para encontrar nuevas oportunidades de negocio, lo que requiere un acceso adecuado y transparencia a los datos en todas sus organizaciones, eso influye en los marcos de gestión de datos.

El papel de la transformación digital

Si bien la gestión de datos es una base sólida de transformación digital gestión, no son lo mismo. La gestión de datos se concentra en aprovechar los datos para mantener y mejorar el negocio. La gestión de la transformación digital aprovecha las nuevas tecnologías para respaldar y hacer avanzar a una empresa.

Por ejemplo, digamos que una empresa, Dynamic, quiere transformar sus operaciones digitalmente a través de nuevas tecnologías de IA generativa. Dynamic necesitará realizar procesos de DM para mejorar de la máquina al conocimiento sobre sus clientes, empleados, productos o finanzas. 

Además, Dynamic necesitará comenzar con su gente para compartir sus conocimientos para la transformación digital. Para llegar a este punto, Dynamic necesitará alentar a sus equipos para trabajar juntos, lo que puede implicar una salida para reunir a los trabajadores remotos para almorzar. Aunque no es un evento de DM, el almuerzo proporcionaría una base para la transformación digital.

Mientras tanto, Dynamic necesitaría capacitar a los empleados para que se conviertan en alfabetización de datos, mejorando su trabajo y análisis de datos empresariales. Esta capacitación en alfabetización de datos puede no ser relevante para la transformación digital, pero puede ser relevante para otros aspectos de DM, como el cumplimiento humano del Reglamento general de privacidad de datos (GDPR).

Beneficios de la gestión de datos

Los datos, un recurso reutilizable, impulsan las oportunidades comerciales y los ingresos. La gestión de datos proporciona el motor para impulsar los datos hacia ese fin. 

Además, DM guarda dinero de las empresas y aumenta la eficiencia. Proporciona un medio para identificar y manejar riesgos, como operaciones ineficientes o multas debido a una falta de cumplimiento o una violación de datos.

Además, las organizaciones utilizan la gestión de datos para adaptarse rápidamente cuando cambia el entorno empresarial. A través de DM, pueden manejar común y desafíos continuos, como crecientes volúmenes de datos, nuevas funciones para el análisis y requisitos de cumplimiento. 

Los empresarios ven estas ventajas concretamente, con

• Mejor rendimiento de las actividades empresariales con más escalabilidad
• Mejora de las relaciones con los clientes al personalizar su experiencia.
• Seguridad y privacidad mejoradas
• Campañas de marketing y ventas más efectivas
• Acceso a datos mejorado a través de mayores capacidades para compartir datos.
• Entrega más rápida de productos y servicios. 
• Gestión de operaciones mejorada al optimizar las actividades individuales en conjunto
• Mejores controles de regulación y cumplimiento
• Desarrollo de sistemas y API más rápido
• Toma de decisiones e informes mejorados, especialmente con datos en tiempo real.
• mejores flujo de datos en todas las unidades de negocio de toda la organización
• Más coherencia en todas las actividades laborales de la empresa
• Adopción más rápida de tecnologías de IA

Casos de uso

Los casos de uso de gestión de datos abarcan diversas aplicaciones, tecnologías, industrias y resultados. Estos ejemplos abarcan objetivos comerciales más amplios a largo plazo e implementaciones técnicas específicas.

Escenarios a largo plazo para toda la empresa

Consulte a continuación ejemplos a largo plazo para toda la empresa:

• El  USTRANSCOM Desarrollamos e implementamos una estrategia de datos para una toma de decisiones mejor informada, comprensión del cliente y mejoras en las operaciones. 
• Una institución para Mayor aprendizaje Implementó un programa de Gobernanza de datos como una iniciativa para toda la empresa, incluido un catálogo de datos. Esta implementación de DM condujo a una mayor colaboración y transparencia, con notificaciones sobre decisiones de gobernanza de datos que se redujeron de 80 a 25 días.
• una empresa de salud implementado Tecnologías de aprendizaje automático (ML) para identificar y abordar el fraude. 
• A financiero mundial La empresa de servicios implementó un sólido marco DM para adaptarse a altos volúmenes de transacciones.
• Los fabricantes de automóviles europeos se desplegaron un seguro ecosistema de intercambio de datos, Catena-X, con capacidades para detectar un problema de calidad, reduciendo la cantidad de vehículos a retirar en más de un 80%.

Escenarios basados ​​en proyectos a corto plazo

La siguiente lista contiene casos de uso realizados en un proyecto particular a corto plazo o subgrupo de unidades:

• Una compañía implementó la transformación digital a través de una aplicación WalkMe y una Plataforma de Adopción Digital (DAP). La organización involucró a los clientes a través de tecnología, personas y procesos, lo que generó un depósito central de contenido de ayuda.
• Una iniciativa de investigación conjunta entre un par de universidades, el Proyecto E2e, capturó datos de fabricación sobre la compresión de aire a través de un kit de Internet de las cosas (IoT) y el uso de energía informado. Los fabricantes recibieron recomendaciones para mejorar la eficiencia y apuntar a reparaciones y reemplazos.
• A grupo financiero en una organización integró sus datos con otras unidades de negocio en toda la organización.
• Una empresa implementó Data Fabric para seguimiento sobre los sentimientos de los clientes para predecir la deserción y realizar análisis predictivos y prescriptivos avanzados para optimizar productos o procesos.

Imagen en la parte superior usado bajo licencia en Shutterstock.com

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://www.dataversity.net/what-is-data-management/