Los escenarios de migración de datos tienen en común que siempre existe un elemento o circunstancia nuevo, que aparece impulsando un cambio y obligando a deshacerse de lo antiguo, ya obsoleto, o carente del dinamismo necesario en este tiempo.

Existen muchas situaciones diferentes en las que es necesario plantear una iniciativa, con entidad propia, de migración de datos.

La gestión de la calidad de los datos es crítica en un entorno de Data Warehouse y posteriormente analítico porque, cualquier error en calidad de datos, hace que la información extraída posteriormente por el sistema de Business Intelligence pueda conducir a la toma de decisiones erróneas.

Los beneficiarios de una adecuada gestión serían todos los miembros de la organización, sin embargo, los responsables pueden agruparse en dos categorías:

- Propietarios del dato.

- Desarrolladores del proyecto de gestión de datos.

Los primeros son quienes ostentan un contacto más directo con el dato, desde su creación o importación, hasta su desaparición del sistema, mientras que los segundos son los que se encargan de implementar el proyecto de administración, por lo que tienen mayores posibilidades de detectar errores de calidad, algo que suele suceder durante la etapa del perfilado.

Abordar con pulcritud la gestión de los datos implica concentrarse en dos procesos:

- Exploración de datos.

- Calidad de datos.

La International Data Corporation (IDC), el principal proveedor mundial de inteligencia de mercado, avala la predicción que asegura que el 89% del crecimiento de la industria de Tecnologías de la Información (TI) en el año 2020 será resultado de la que se conoce como tercera plataforma, Big Data.

Cuando una organización se plantea la migración de un sistema antiguo a uno nuevo, ya se trate de un ERP, un CRM, un sistema de producción, un gestor de campañas u otros; siempre existe una etapa del proyecto que suele menospreciarse. Esa fase es la de la mover los datos hacia el nuevo sistema: la migración de datos en sí.

Muchas veces no se migra todo el histórico, sino que sólo se mueven datos más recientes pero, aún así, es vital rescatarlos del sistema antiguo, para poder disponer de ellos cuando se necesiten, asegurando su completitud e integridad aunque no sigan vigentes en el nuevo sistema. Ésta será la única manera de garantizar un trasfondo de calidad y confiabilidad en la toma de decisiones empresariales.

Hablar de las claves de la gestión de datos en proyectos de Data Warehouse es hacerlo de Master Data Management (MDM). El MDM es una etapa fundamental dentro de los procesos de integración para cubrir la necesidad de unificar, imprescindible en el mundo analítico. No puede olvidarse que, en definitiva, se están recogiendo datos provenientes de dos sistemas diferentes. La gestión de datos maestros logra minimizar errores de duplicidad, en el análisis, y administrar la visión única, en el negocio.

El Master Data Management es una etapa implícita a la ETL, a su proceso de integración; y se lleva a cabo en el staging area, como un proceso más de transformación.

En el día a día las organizaciones van automatizando procesos y registrando datos de manera separada, pero de cara al mundo analítico es necesario adquirir una visión única. Aquí es donde entra en juego la integración de datos, una de las claves de la gestión de datos en proyectos de Data Warehouse, que logra correlacionar las diferentes áreas y procesos de la empresa como un todo, para dotar al análisis de esa imprescindible unificación de criterios transmisora de consistencia y completitud.

Para lograr integrar los datos origen en el Data Warehouse, es necesario actuar a dos niveles:

- Definiendo el ciclo de transición de los datos.

- Estableciendo la frecuencia de refresco de cada uno de ellos.

Créditos fotográficos: "Business Man With Laptop,mobile Phone,touch Screen Device" by jannoon028

A partir del modelo conceptual, es posible empezar a plantearse cómo será la arquitectura funcional del Data Warehouse. Para ello es necesario contemplar la existencia de una capa intermedia entre los sistemas origen y el DWH. Este estrato servirá de capa de abstracción entre el mundo de los procesos y el mundo analítico, permitiendo optimizar la integración con el modelo definitivo.