Es bien sabida de la importancia de trabajar con datos de alta calidad para tomar buenas decisiones en el ámbito empresarial. Sin embargo, ¿es realmente un aspecto relevante en las empresas? ¿Se invierte parte del presupuesto en obtener unos datos de calidad?
Analistas de todo el mundo publican frecuentemente estudios sobre la calidad de los datos en las organizaciones del siglo XXI. En ellos, se destaca constantemente la importancia de disponer de una versión acurada de la realidad para tomar decisiones acertadas. Según estos mismos estudios, este es un asunto que se encuentra entre los temas que más preocupan a las CIOs de las organizaciones.
Sin embargo, la gestión de la información acaba siendo uno de los primeros proyectos que cae de la cartera cuando hay una reducción de presupuesto. ¿Porque pues, si hemos dicho que los proyectos de data quality se encuentran entre las principales prioridades de los CIOs, acaban eliminándose de la planificación empresarial? Hoy vamos a hablar de los motivos por lo que esto ocurre y vamos a defender porqué no debería pasar.
Las principales razones que justifican no invertir en Data Quality son las siguientes:
Se trata del motivo más extendido. Sin embargo, la mayoría de estudios defienden lo contrario. Esto se suele argumentar por 2 razones principales:
Miedo a lo desconocido: Dentro de la empresa no se sabe muy bien cómo afrontar una iniciativa de calidad de datos. Esto implica que haya miedo a lo que no se puede controlar o que es desconocido.
Miedo a lo que se puede encontrar: Tradicionalmente la calidad de los datos se había asignado a las áreas de IT, un departamento que no necesariamente debería conocer el significado de los datos. Por eso, es importante que la responsabilidad de un dato premanezca en el área de negocio que lo gestiona.
Ofensa al orgullo propio: con un mayor detalle de los datos puedo descubrir que tengo menos clientes de los que creía o que no he sido capaz de detectar un fraude (entre otros).
La mayoría de estudios defienden que disponer de datos de calidad evita que haya retrasos en los proyectos y que se entre en sobrecostes monetarios y/o emocionales. Así pues, la inversión en este tipo de proyectos genera un gran retorno en el futuro.
Se trata de un motivo poco real ya que, ¿quién no necesita comprovar que sus informes son correctos? ¿quién no quiere saber si sus decisiones son consistentes? o ¿quién no necesita detectar un fraude? Hay muchos motivos para apostar para implementar un proyecto de data quality.
Aunque pueda parecerlo realmente es una percepción erronea. Actualmente existen muchas herramientas asequibles que permiten implementar soluciones de calidad de datos en tiempos cortos y con una gran efectividad.
Ahora que ya hemos hablado del retorno directo que supone implementar una estrategia de calidad de datos. Sobretodo es importante destacar el hecho de poder identificar errores de actuación con más precisión.
Así pues, el siguiente paso sería ¿cómo puedo dibujar una estrategia de calidad de datos en mi organización?
Para empezar, es importante llevar a cabo un assessment de calidad de datos para tener una primera estimación de la calidad de los datos actualmente. Este análisis proporcionará la información necesaria para establecer las bases del proyecto.
Hay que recordar que existen herramientas que nos permiten olvidarnos para siempre de la programación. No hay que desarrollar una línea de código para encontrar problemas de calidad de datos. Podemos encontrar una herramienta para cada necesidad:
Perfilado de datos: Comprensión de los datos a nivel técnico.
Matching: identificación de duplicados mediante técnicas de lógica difusa.
Estandarización: Generación de datos estandarizados, formatos únicos.
Enriquecimiento: Enriquecimiento de la información con datos complementarios.
En un proyecto de Business Intelligence, la calidad de los datos estaría presente en las fases de análisis de datos, antes del desarrollo de las interfaces ETL entre sistemas origen y DWH. También sería un aspecto importante en la generación de indicadores de seguimiento de la calidad de los datos, permitiendo saber día a día si nos desviamos de nuestro objetivo.
Para obtener más información sobre data quality y BI visita nuestros webinars.