El proceso y los retos

para obtener datos

fiables para tu analytics
Conoce los pasos para preparar, modelar y evaluar la informacin dentro de tu empresa

011
1 011 010
0110100 0 00101 00111
011 01 11 01
000 0110 110 0001001 11001
001 01 0 010 100 111 1
0
011 0000 11101 1 0010 000 0110011
011 001 011 00 0 000 100
011 10010 01100101 01100101 11011 0 0100 100
001 00011 00100 01 01 01100 01101 11 011 0100
011 00000 01100 000 01100011 00100110 00 10011
011 10101 01000 001 01 00001 0111 000 0 10000
111 01100 01100 100 0 11001 0 01100100 010100 0
011 01001 01101 010 0 11001 0 011 0001 1101111
011 10011 0111 111 0 11100 01 011 01001 01101 11
011 10000 0010 0100 0 11100 10 01 1001 0110 110
011 01100 0110 0000 1101 11 00 10010 1 0110 1111
011 00001 0110 1111 01100 111 0 1000 1 001 0011
011 0010 0111 0101 0110 100 0 11001 00 01 0000
111 1001 0 011 0010 0111 1110 1101 00 0 1011 0
000 0 01 000 0 0 0 1 0
01 0 110 01 001100 011 0011010 01 01110111 1
1 0 1 00 1 01 1 1
011 11000 11 011 1100001 001000000 0110 0011
011 0110 0 011 0010 011 0000 0111 0010
01 001 1 0 01 10 101 01 00
011 10110 01 00 11001 001 01 01000 00 01 1000000
001 0 0 100 01 0 100 00 0 100 1
01 0 110 000 110 100 111 001
0 0 1 0 0
011111100001 01 11000 110 01 11000 010
0 0 0 1 0 1 0
001 11010 0101 0 0110110011 1 0010 10100 1
000 01 0 110 001 001 000
00 11 111 01 000 0
01101100100001 0 011 10011 00
011 00 011 000 1
00 01 10 11
011 0010010010 011
011 000 1
01
NDICE

El proceso y los retos de obtener datos fiables

para la analtica de negocio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

Los problemas de la falta de calidad en los datos. . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Cmo identificar si los datos son fiables o no . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

Los principios rectores de la calidad de datos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

Las 5 estrategias que mejoran la calidad de los datos . . . . . . . . . . . . . . . . . . . . . . 8

El proceso y los retos de obtener datos
fiables para la analtica de negocio

Datos! Datos! Datos! No puedo hacer ladrillos sin arcilla!

Sir Arthur Conan Doyle

Una buena analtica precisa de datos. Sin informacin en cantidad suficiente

las conclusiones se limitan y el resultado de analytics pierde en precisin y
profundidad. Sin embargo, la carencia que ms se acusa es la de calidad.
Obtener datos fiables para el anlisis avanzado constituye una importante pre-
ocupacin para muchas empresas, que ven que la falta de exactitud, comple-
titud y consistencia, entre otros atributos de data quality, como una importante
dificultad para la toma de decisiones.

Todo negocio es dependiente de los datos, como un panadero necesita ha-

rina o un carpintero madera. Sin datos no se puede construir informacin,
resulta imposible elaborar conocimiento. La optimizacin se torna imposible y
el progreso fruto de la casualidad.

3
Los problemas de la falta de calidad en los
datos
Los hechos no dejan de existir porque se ignoren.
Aldous Huxley

En el anlisis de negocio, es necesario tener una slida base informacional ya

que es donde se sustenta todo lo dems. Los datos son el componente bsico
de informes, anlisis, decisiones empresariales y mejora de procesos. Por su-
puesto, se requieren una planificacin y ejecucin cuidadosas, ya que los datos
necesitan de una gestin adecuada, sostenible y escalable, al tratarse de un
elemento vivo, en continua evolucin.

Nadie puede permitirse el lujo de no velar por la fiabilidad de los datos, como
un proceso continuo, ya que una decisin de este tipo puede tener varias con-
secuencias negativas:

En lugar de centrarse en actividades que propician la generacin de valor,

tales como anlisis, pruebas, o implementacin de mejoras; se pierde el
foco en asuntos importantes y el tiempo termina invirtindose en investi-
gaciones que tratan de explicar las discrepancias en los datos.

Se emplean demasiados recursos en la resolucin de problemas o lagunas

en los datos, que tiene que ver con la presentacin de informes o anlisis
demasiado complejos y poco claros.

4
 Se precisa la creacin de diferentes conjuntos de datos para dar respuesta
a requerimientos de negocio nicos, lo que implica la intervencin de he-
rramientas de anlisis y enfoques diversos que, por adaptarse a las necesi-
dades concretas de cada cuestin, pueden ser contrarias a las necesidades
de la empresa en conjunto y otros equipos.

La falta de fiabilidad continuada en los datos termina provocando que los

distintos equipos de negocio abandonen su uso y vuelvan a incorporar
mtodos tradicionales a sus procesos analticos, obligando a la empresa a
avanzar a ciegas.

La organizacin se paraliza y no es capaz de tomar accin, al verse impo-

sibilitada para discernir si las oportunidades o amenazas detectadas son
reales o no.

Cmo identificar si los datos son fiables o no

Confiamos en Dios, todos los dems deben aportar datos.
W. Edwards Deming

La preocupacin por la calidad de los datos ha de ser una constante dentro

de la organizacin y debe plantearse como una accin continua, nunca como
algo puntual. Los atributos y dimensiones de la calidad del dato son muchos y
ello plantea un problema: que con uno solo que falle, la fiabilidad de la informa-
cin se ve comprometida.

Es necesario, por tanto, saber discernir si adolecen de problemas de calidad

o no y, para eso, es recomendable evaluar cada una de las diferentes facetas
de la calidad de los datos por separado. En ese proceso se pueden aplicar los
siguientes criterios:

1. Precisin:
Aproximacin de los datos a la realidad.

Grado de alineacin de los valores obtenidos con lo sucedido en momentos

puntuales.

2. Consistencia:
Uniformidad de los datos a travs del tiempo.

Porcentaje de valores extraos o impredecibles capturados.

5
3. Relevancia:
Visin de negocio que los datos aportan y medida en que resuelven las con-
sultas planteadas.

Nivel de satisfaccin alcanzado por los usuarios de los grupos de inters

clave de negocio en relacin a los datos obtenidos.

4. Integridad:
Disponibilidad de datos relevantes sobre las distintas reas de negocio.

Carencias sustanciales en los datos que debiliten la capacidad empresarial

para maximizar su aprovechamiento.

5. Puntualidad:
Existencia de retrasos o faltas de sincronizacin entre el momento en que se ob-
tienen los datos y el que se requieren para el anlisis y la toma de decisiones.

Para una interpretacin mucho ms depurada de las condiciones de calidad

de los datos para analytics se pueden evaluar tambin otros factores como:

Accesibilidad. Concisin.
Universalidad. Posibilidad de practicar comparaciones.
Coherencia. Objetividad.
Validez. Claridad.

6
Los principios rectores de la calidad de
datos
La experiencia ha demostrado que el tratamiento de los datos,
como un activo a largo plazo, y su gestin dentro de un marco
coordinado, produce un considerable ahorro y favorece el incre-
mento de su valor implcito.

En la prctica, es posible simplificar la evaluacin de la fiabilidad de los datos y

su idoneidad para servir en un proceso de analtica avanzada. Se trata de exa-
minar su calidad en base a dos perspectivas:

Confianza: determina la capacidad de actuar en condiciones de minimiza-

cin del riesgo en base a la informacin extrada de los datos.

Utilidad: define el provecho, conveniencia, inters o fruto que se saca de

ellos.

Adems, las organizaciones necesitan de tres elementos, cuya combinacin,

aadida a la aplicacin de los dos principios mencionados en lneas preceden-
tes, contribuye a aumentar el nivel de calidad efectiva de los datos:

1/ Visin: debe sentar los principios que impulsen a lograr un marco de tra-
bajo adecuado para el aseguramiento de la calidad, estructurado en torno a
las necesidades de negocio a largo plazo.

2/ Polticas: son el medio para implementar la visin y tienen la funcin de

clarificar objetivos.

3/ Estrategia: centrada no slo en aspectos relativos al control de calidad

de los datos almacenados, sino tambin al establecimiento de estndares
aplicables a la recogida de datos.

7
Las 5 estrategias que mejoran la calidad
de los datos
El precio que hay que pagar por la claridad es siempre inferior
al coste que conlleva la oscuridad.
Arthur C. Nielsen

La deteccin de la necesidad de mejorar la calidad de los datos pone de

manifiesto que stos no aportan la utilidad y/o confianza suficientes. Sin em-
bargo, aunque es un problema, puede tomarse como una oportunidad para
conseguir ms de los recursos informacionales de que se dispone. Por otra
parte, en todo proceso de optimizacin de la confiabilidad de los datos siempre
es recomendable valorar si la inversin y el esfuerzo necesarios para lograrlo
compensarn los resultados ya que, llegados a cierto nivel de calidad de los
datos, su mejora incrementa de dificultad y requiere de mayor tiempo.

Teniendo estas premisas en cuenta, existen cinco estrategias que, aplicadas a

los proceso de optimizacin de la calidad de los datos logran buenos rendi-
mientos y frutos satisfactorios. Son las siguientes:

Iteracin: planificar el proceso de generacin de datos tiles buscando el

aumento de su aportacin de valor en cada nuevo ciclo, para lograr un pro-
greso sostenible y continuado.

Monitorizacin: de la utilidad y confiabilidad de los datos en funcin de su

capacidad para responder a las preguntas reales de negocio, de forma que
se puedan identificar deficiencias y problemas. De otra forma, el momento
de percibir estas carencias es cuando apenas queda margen de tiempo de
reaccin.

Retroalimentacin: la voz del cliente interno es un valioso aliado en la

lucha contra las cuestiones relacionadas con la calidad de los datos. Las
partes interesadas son quienes mejor conocen si la informacin disponible
cumple con sus expectativas o no.

Alertas: las soluciones tecnolgicas de ltima generacin permiten la con-

figuracin de alertas que avisan de problemas potenciales con los datos.
La ventaja es poder investigar y plantear una resolucin a tiempo, gracias a
una deteccin de los problemas de calidad en sus estadios ms tempranos,
mucho antes de que se noten sus efectos.

Auditoras: hay que programar las auditoras de forma peridica, no slo

para detectar posibles deterioros de la calidad de los datos en base a su
utilidad y confiabilidad, sino tambin para comprobar que no se pierde ali-
neacin con los objetivos de negocio.

8
Como el detective Sherlock Holmes reconoci en la novela de Sir Arthur Conan
Doyle, los datos son esenciales para resolver los problemas y desbloquear pun-
tos de vista. Hoy da, suponen adems el vehculo para adaptar la empresa a
las nuevas necesidades y llegar al siguiente nivel. Velar por su calidad es sin-
nimo de maximizar su potencial, que se reflejar en el futuro de la organizacin.

Os animamos a leer tambin nuestra gua 10 claves para definir tu estrategia

corporativa de gestin de datos.

9
 Sguenos en:

www.es.logicalis.com