La importancia de la gestión de datos maestros

Los sistemas integrados dentro de business intelligence se usan principalmente para facilitar la toma de decisiones de una empresa. Sin embargo, si los datos incluidos en el data warehouse no tienen calidad, no son completos o tienen duplicaciones, los informes extraídos con tu business intelligence, lo único que harán es perjudicar al negocio.

 

Si los informes extraídos de un data warehouse no son inteligentes,  el trabajo de todos los usuarios se ve ralentizado y las decisiones pierden coherencia y eficacia. Trabajar con información de baja calidad lleva a tomar malas decisiones, fallas en cumplir con regulaciones y desventajas competitivas, entre otras cuestiones...

Un estudio reciente reveló que el 81% de los ejecutivos consideran que los datos son críticos para lograr resultados de negocio.

De cara a que un data warehouse sea inteligente es necesario que reciba el apoyo de un Master Data Management. De esta forma, la toma de decisiones se realizará sobre datos confiables y veraces, lo que le da credibilidad a los usuarios y al negocio como un todo.

Dos enfoques principales de MDM: MDM operativo y MDM analítico.

El primero se centra en asegurar que los datos sean los mismos en los diferentes sistemas operativos. Por otra parte, el MDM analítico se asocia generalmente con el almacenamiento de datos, y ha sido adoptado por organizaciones que buscan mejorar la velocidad y la calidad de sus procesos de generación de informes de inteligencia empresarial (BI).

La estrecha relación entre el MDM y el data warehousing no es sorprendente, ya que las "dimensiones" de un data warehouse (por ejemplo: clientes o jerarquías de productos) son esencialmente datos maestros.

Pero estas dos áreas importantes tienden a ser tratadas como completamente separadas entre sí.

 ¿Cómo combinar un MDM con Business Intelligence?
Lo primero que hay que señalar es que los datos maestros se representan como dimensiones en los sistemas BI, y no están asociados con hechos (es decir, transacciones) en esos sistemas. La introducción de un sistema de gestión de datos maestros dentro de la empresa impacta de forma positiva en los sistemas de BI.

Por ejemplo, es típico en un sistema MDM que los nombres de datos de atributos y las definiciones de datos utilizadas para describir entidades de datos maestros sean los nombres de datos estándar y las definiciones de datos para la empresa. A menudo, estas definiciones de datos maestros se denominan “vocabulario empresarial compartido” (SBV=shared business vocabulary) para la empresa. El SBV es por lo tanto un metadata maestro.

Podemos aprovechar un SBV de datos maestros en un sistema de BI para reforzar la reutilización de las mismas definiciones de datos en todos los modelos dimensionales, cubos y vistas de negocio de herramienta de BI con el fin de impulsar la consistencia entre datos dimensionales. De esta manera, la adopción de un SBV de datos maestros mejora la comprensión de los datos presentados en los informes del sistema BI, los análisis OLAP, los paneles de control y los scorecards.

Además de metadatos consistentes, la llegada de un sistema MDM a la empresa también puede afectar a la integración de datos en el data warehouse de un sistema BI. Si no se dispone de un MDM, un sistema de BI se basa en una arquitectura clásica de data warehouse, en la que los datos maestros se encuentran divididos entre múltiples almacenes de datos en diferentes líneas de sistemas operacionales de negocio. Por lo tanto, para crear datos dimensionales integrados en un sistema de BI, normalmente se utiliza una herramienta para integrar datos maestros dispares mantenidos en múltiples sistemas operacionales para construir dimensiones.

No es raro que confundamos el concepto de un centro de datos maestro y un data warehouse, cuando ambos integran datos maestros. ¿Por qué necesitamos un sistema MDM si ya tenemos un datawarehouse? ¿Por qué hacemos integración de datos maestros en un sistema de BI? En realidad, ¿no debería los datos maestros estar ya integrados y tratados como una fuente de datos por las herramientas de integración de datos utilizadas en un sistema de business intelligence?

Esto podría ser la mejor opción, porque los datos maestros tienen que ser suministrados no solo a un sistema BI sino también a los sistsemas operacionales. Los datos maestros se pueden suministrar a las herramientas de integración de datos del sistema BI, al menos de tres maneras:

  • Mediante el uso de servicios de integración y emparejamiento de un software de calidad de datos habilitado para SOA para suministrar datos maestros directamente en un data warehouse o para procesos de ETL que alimentan data warehouses.
  • Mediante el uso de una solución MDM para crear una fuente virtual de datos maestros a la que puede acceder una herramienta de integración de datos del sistema de BI
  • Utilizando un hub de datos MDM construido o comprado como una fuente de datos persistente para una herramienta de integración de datos del sistema de BI.

En resumen, la gestión de datos maestros fortalece los sistemas Data warehouse / BI de las siguientes maneras:

  • Proporcionando metadatos maestros para su uso en modelos de datos dimensionales y cubos.
  • Proporcionando datos maestros de alta calidad como fuente de datos de confianza para el procesamiento ETL.
  • Proporcionando vistas federadas de datos maestros a través de sistemas dispares para la generación de informes.
  • Seguimiento de versiones de jerarquías a través del tiempo.
  • Automatizando la recreación de diferentes versiones de una dimensión en un esquema de cubo o estrella para reflejar cambios en jerarquías.
  • Proporcionando datos confiables para la elaboración de informes y análisis.

La calidad, veracidad y accesibilidad de los datos es fundamental para los negocios hoy en día. De éstos depende la confianza en la organización y la eficacia de las decisiones que se tomen, al mismo tiempo que se evitan riesgos y costos.

 Fuente: PowerData 

datacenter, bigdata, datawarehouse, masterdatamanagement

Síguenos en nuestras redes sociales

Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continua navegando, consideramos que acepta su uso. Puede cambiar la configuración u obtener más información aquí