Documente Academic
Documente Profesional
Documente Cultură
DE SISTEMAS)
Paso 4
Propuesta Inicial Determinar problemas en un entorno
1. Problemática:
Los aplicativos que se usan en la empresa, están presentando duplicidad de datos, esto
es un factor crítico ya que la información que allí se maneja no es confiable, lo cual
genera impactos negativos en cuanto a gestión de la producción así como para toma
de decisiones.
Cuadro con síntomas, causas, pronóstico y control al pronóstico.
• Ingeniería de software:
Desarrollar experiencias de orden formativo y disciplinar en el campo de la investigación,
con base a la construcción de software de forma sistémica y estructurada de acuerdo a los
principios propios de la ingeniera de software.
3. Relación de la problemática con las líneas o sub-líneas de investigación.
De acuerdo a la descripción de la problemática, se puede afirmar que encaja dentro de las
líneas de investigación de la ECBTI correspondiente a la gestión de sistemas e ingeniería de
software.
4. Descripción de la tecnología escogida para dar solución al problema.
Elegir las tecnologías más adecuadas para llevar a cabo proceso de limpieza y
eliminación de datos incompletos o parcialmente incorrectos desde su misma
introducción, pues con frecuencia los problemas comienzan en el proceso de entrada.
Data Quality
Este software permite que todo el mundo confíe en todos sus datos para todas sus
necesidades y en todo momento.
Informática Data Quality ofrece calidad de datos generalizada a todos los usuarios,
proyectos, dominios de datos y aplicaciones empresariales, en entornos locales o en el
cloud, y además con una sola plataforma unificada.
DATA QUALITY
Talend Data Quality limpia datos para poder trabajarlos mediante métodos de eliminación
de datos duplicados, validación y normalización por machine learning. Enriquece datos con
fuentes externas, como por ejemplo por validación postal, identificación empresarial,
información sobre calificaciones crediticias y por muchas otras vías.
Cada problema de calidad de datos puede presentar desafíos tanto en identificar dónde
existen esos problemas como en la cuantificación de la magnitud de los problemas. La
cuantificación es importante para determinar dónde deben centrar nuestros esfuerzos de
data quality en primer lugar. Por ejemplo, un gran número de direcciones de correo
electrónico faltantes podría ser alarmante, pero supondría un impacto pequeño si no existe
un plan de comunicación por correo electrónico. Es imprescindible entender los requisitos
de cada negocio.
Calidad del envejecimiento: ¿Ha pasado suficiente tiempo y por lo tanto la validez de la
información ya no es confiable?
Calidad organizacional: ¿Se puede conciliar la misma información entre dos sistemas
basados en la forma en que la organización construye y visualiza los datos?
Para posterior manejo y continuidad de nuestro proyecto, dejamos incluida la dirección url
del recurso, en el cual podremos efectuar una prueba, que nos ayudara a documentar y
definir aún mejor la solución a la problemática.
https://iam.eu.cloud.talend.com/idp/federation/up/login
Bibliografía