1 / 16

CALIDAD DE DATOS

CALIDAD DE DATOS. Cecilia Moguel Méndez. Introducción.

hide
Download Presentation

CALIDAD DE DATOS

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. CALIDAD DE DATOS Cecilia Moguel Méndez

  2. Introducción Antes de la aparición de que la tecnología de servidores se volviera accesible a todos, las empresas usaban reglas de negocios para corregir faltas comunes de ortografía y errores tipográficos en nombres y direcciones, así como para actualizar datos de los clientes quienes se habían mudado, muerto, ido a prisión, casado, divorciado o experimentado cambios en su modo de vida. Las agencias gubernamentales empezaron a contratar servicios para hacer referencias cruzadas de los datos de clientes con el Registro Nacional de cambio de Dirección. Estas tecnologías ahorraron grandes millones de dólares comparado con la corrección de datos manuales. Los envíos se dirigieron al cliente con más precisión

  3. Calidad de Datos Los datos se consideran de alta calidad si representan correctamente la construcción del mundo real al que se refieren. Calidad de datos es adecuar las características de los datos de un negocio a sus necesidades. Los datos son de alta calidad "si son aptos para los usos previstos en las operaciones, la toma de decisiones y la planificación" (J.M. Juran).   La calidad de los datos es una disciplina centrada en asegurar que los datos son aptos para su uso en los procesos de negocio que van desde las operaciones básicas, desde análisis y toma de decisiones, a la participación y la interacción con entidades externas. (Gardner)

  4. Calidad de Datos Calidad de datos es la condición o estado que hace que los datos satisfagan los requerimientos de negocio.  De acuerdo a esta definición de Larry English, la calidad de datos permite conocer y cumplir de manera consistente las expectativas de los usuarios finales, trabajadores del conocimiento y clientes finales de un negocio, entendiendo como trabajador del conocimiento a aquellas personas que procesan datos para obtener información y la utilizan en cualquier actividad de su trabajo.

  5. Beneficios Los Datos de alta calidad son esenciales para que las operaciones en las organizaciones sean exitosas. Cuando estás trabajando con datos más precisos de tu organización, puedes entender tu ambiente de negocios, llegar más rápido a tus clientes y reducir costos de ineficiencias. Es crucial para los procesos operativos y transaccionales. Se ve afectada por la forma se introducen los datos, almacenados y gestionados. El control de Calidad de Datos (DQA, Data QualityAssurance) es el proceso de verificación de la fiabilidad y la eficacia de los datos.

  6. Beneficios • Contabilidad de ingresos más precisa, facturación exacta , reducir los costos de envío. • Reducción de costes de publicidad directa / marketing. • Reducción de los costes operativos. • Sistemas más rápidos y entregas más exactas • Ventas más eficaces. • Mejorar servicio al cliente. • Mejores relaciones con los clientes. • Las empresas tienen más probabilidades de ser compatibles con las regulaciones gubernamentales. • Apoyar la privacidad de los datos.

  7. Dimensiones de Calidad de Datos • Accesibilidad • Cantidad • Credibilidad • Completitud • Representación • Manipulación • Libre de errores • Interpretación • Objetividad • Relevancia • Reputación • Seguridad • Puntualidad • Entendimiento • Valor agregado

  8. Metodología de calidad de datos • Un plan de calidad de datos debe contemplar actividades en las siguientes áreas: • Detección • Reparación • Corrección • Prevención

  9. Metodología de calidad de datos La funcionalidad esperable de las herramientas de calidad de datos consiste de: • Profiling de datos • Estandarización o normalización • Limpieza • Coincidencia • Enriquecimiento • Monitoreo

  10. El Cuadrante Mágico de Gartner

  11. SAS/DataFlux www.dataflux.com Sede: Cary, Carolina del Norte, EE.UU. Base de clientes: 2.500 (estimado) FORTALEZAS • Amplia funcionalidad y grado de integración. • Facilidad de uso y numerosas aplicaciones. • Atención al cliente y soporte. • La notoriedad de marca, las referencias y la viabilidad de proveedores.  PRECAUCIONES • Los recientes cambios de organización y estrategia. • Adopción limitada de la plataforma de gestión de datos. • Precio del modelo y puntos de precios. • Rendimiento y escalabilidad. • Modelos alternativos de entrega.

  12. SAP BUSINESS OBJECTS www.sap.com Sede: Walldorf, Alemania Base de clientes: 4.600 (estimado) FORTALEZAS • Amplitud de la funcionalidad. • Fuerte presencia en los mercados de aplicaciones y de la plataforma de BI. • La profundidad de la integración • Soporte para múltiples dominios de datos. PRECAUCIONES • Puntos de prueba limitados para nueva funcionalidad. • Horarios de soporte técnico y liberación. • Modelos alternativos de entrega.

  13. TRILLIUM SOFTWARE www.trilliumsoftware.com Sede: Billerica, Massachusetts, EE.UU. Base de clientes: 1.050 (estimado) FORTALEZAS • Amplitud de la funcionalidad. • Notoriedad de la marca, presencia en el mercado y trayectoria. • Capacidades de calidad. • Enfoque en el riesgo y soluciones de cumplimiento. • Servicio y asistencia PRECAUCIONES • Usabilidad y Complejidad • Informes de resultados y visualización de perfiles • Estrategia a la luz de las tendencias de convergencia del mercado • Requisitos de formación y disponibilidad

  14. IBM www.ibm.com Sede: Armonk, Nueva York, EE.UU. Productos: InfoSphere Information Analyzer, InfoSphereQualityStage, InfoSphere Discovery Base de clientes: 2.000 (estimado) FORTALEZAS • Amplitud de la funcionalidad • Base instalada y diversidad de uso      • Sinergia con otros productos de IBM InfoSphere relacionadas      • Presencia en el mercado     •  Últimos lanzamientos de productos. PRECAUCIONES • Problemas generales de usabilidad    

  15. Bibliografía • Larry English, Improving Data Warehouse and Business Information Quality (IDQ&BIQ), NY: John Wiley & Sons, 1999, p. 210. • Gartner RAS Core Research, Magic Quadrant for Data Quality Tools, 4 June 2008. • David Loshin, Data Best Practices for Spend Analysis, A DataFlux White Paper. • The Three Key Phases for Data Migration - and Beyond, A DataFlux White Paper. • HelmuthGümbel, Data Quality – the Base for your Enterprise Applications. • Ted Friedman, Andreas Bitterer, Magic Quadrant for Data Quality Tools. 4 June 2008. • Data Management Dynamics: The ROI from Data Quality. • International Resort Company Chooses DataFlux to Standardize, Cleanse and Integrate Customer Data, DataFlux White Paper. • DanetteMcGilvray, Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information™, Morgan Kaufmann Publishers. 2008. • Mónica Bobrowski, Martina Marré, Daniel Yankelevich, MeasuringData Quality.

  16. Referencias • http://searchdatamanagement.techtarget.com/definition/data-quality • http://en.wikipedia.org/wiki/Data_quality • http://www.informatica.com/ • http://www.gartner.com/technology/reprints.do?id=1-1BO662V&ct=120809&st=sb • http://www.iaidq.net/webinars/doc/2006-06-english_tiqm_methodology_dm_review_feature_2003-09_v2.pdf • http://www.sas.com/offices/latinamerica/argentina/noticias/notas_prensa/dataquality_porque_paraque.html • http://jazzwarehouse.blogspot.mx/2012/05/empezando-con-calidad-de-datos.html

More Related