La importancia de los datos en proyectos Business Intelligence (BI) sobrepasa cualquier consideración que podamos hacer sobre otros elementos fundamentales en entornos de inteligencia de negocios.
Su papel, más que importante, es absolutamente fundamental: en los datos reside la calve del éxito de cualquier proyecto BI. Sin embargo, y aunque esto sigue siendo así, a día de hoy la cantidad de fuentes de origen que aportan incesantemente nuevos datos a las bases o data warehouses corporativas es tan grande, y tan ingente el volumen y la variedad de estos mismos datos, que es necesario tomar en consideración otras magnitudes como la calidad, a parte de la cantidad, para que un proyecto Business Intelligence ofrezca los resultados esperados: principalmente, un apoyo sólido y fiable a la toma de decisiones.
Hace relativamente poco (si consideramos los lapsos de tiempo históricos, y los comparamos con la magnitud y la importancia que han adquirido los datos para las organizaciones) que los datos son considerados uno de los activos más preciados con los que cuenta cualquier corporación. Y aún es menor el tiempo que nos separa hoy del momento en que la cantidad de los datos albergados en las bases y sistemas corporativos era una prioridad, un must have inapelable en cualquier proyecto Business Intelligence.
Actualmente, sin embargo, la proliferación de dispositivos móviles, el auge de las redes sociales y la consiguiente multiplicidad de canales por los que circula la información han convertido la cantidad y la variedad de los datos en parámetros insuficientes por sí mismos.
A mayor volumen y variedad de datos, más dificultades y retos afronta el análisis y la gestión de los mismos, que como sabemos son aspectos especialmente críticos en proyectos BI. La inseguridad, la poca fiabilidad, la escasa integridad y la dudosa veracidad que presentan muchos de los datos proporcionados a través de los nuevos canales influyen poderosamente en el éxito o el fracaso de una estrategia corporativa diseñada al amparo de un entorno de inteligencia de negocios. Por ello, no es de extrañar que la preocupación por la calidad haya devenido una cuestión de suma transcendencia, un valor en alza y una magnitud incuestionable a la hora de afrontar cualquier proyecto de análisis y gestión de datos.
Por calidad de datos debemos entender el nivel de ajuste de los mismos a las principales necesidades corporativas, eminentemente determinadas por el tipo de decisiones que cabe tomar en el ámbito de la dirección y la gerencia. En cualquier caso, el denominador común que establece el nivel de calidad de los datos corporativos se puede presentar como la suma de 3 factores básicos: integridad (que los datos sean completos, se eviten duplicidades y se dispongan las medidas necesarias para evitar cruces e interferencias), operatividad (que los datos sean lo suficientemente homogéneos, sólidos y consistentes para permitir una explotación adecuada de los mismos) y veracidad (que dispongan de un comprobado valor referencial).
La tecnología líder en soluciones de Data Quality, IBM InfoSphere QualityStage, ayuda a las empresas a crear y mantener vistas coherentes de entidades clave, como clientes, proveedores, ubicaciones y productos. De este modo, permite investigar, limpiar y gestionar los datos. La solución ofrece datos de calidad para tus entornos Big Data inteligencia empresarial, depósito de datos, migración de aplicaciones y proyectos de gestión de datos maestros.
No cabe duda del gran impacto que ha tenido la aparición en escena de la calidad como nuevo vector, como magnitud indispensable a la hora de estimar las posibilidades de éxito o fracaso de un proyecto Business Intelligence. Una cuestión que dejamos aquí apuntada y que repasaremos en ocasiones venideras, animando a que, hasta entonces, el lector interesado recurra a la guía (completamente gratuita) 10 claves para definir tu estrategia corporativa de gestión de datos, un recurso sin duda indispensable para profundizar en este asunto.
Post relacionados:
Data Quality: la calidad de datos en el Social Media Analytics
Inteligencia empresarial y social media analytics: quién es quién