Ciclo de vida de datos maestros

Como se ha mencionado en artículos anteriores, los datos maestros no dejan de ser datos en sí mismo, y por lo tanto vienen definidos por un ciclo de vida. A continuación, se identifican diversos aspectos del ciclo de vida de los datos maestros que deben ser tenidos en cuenta:

• Evaluación del ciclo de vida: necesidad de identificar las tareas básicas a nivel estratégico, táctico y operacionales necesarias para gestionar el ciclo de vida de los datos maestros.
• Análisis y mejora del ciclo de vida de los datos: necesidad de identificar qué unidades organizacionales, procesos de negocio y sistemas IT están actualmente implicados en la ejecución de las tareas del ciclo de vida de los datos maestros. También debería abordar cómo podría ser analizada la gestión actual del ciclo de vida de los datos maestros y cómo podrían identificarse las áreas en las que dichas actividades deban ser mejoradas.
• Comunicación del ciclo de vida: que se plantea qué terminología debería usarse para discutir aspectos específicos del ciclo de vida (con diferentes unidades de negocio, diferentes socios).

Así mismo y tras distintos estudios y experiencias, se considera que no existe un marco de trabajo holístico para ciclo de vida de los datos maestros, y que permitiría de alguna moda abordar los problemas de calidad de datos en este tipo de datos de forma transversal. Por esta razón en este artículo se propone un mapa con todas las tareas que deberían cubrirse en el ciclo de vida de los datos maestros (véase tabla siguiente) basado en la propuesta de Ofner et al., en el año 2013. A partir de ello, las tareas se encuadrarían dentro de las siguientes competencias:

• Porfolio de datos. Que sirve para determinar el alcance del MDM y para desarrollar directrices sobre cómo los portfolios de datos y los requisitos de datos deben ser especificados y documentados (p.ej. elegir una metodología y un conjunto de atributos y metadatos del negocio, como el propietario de los datos o la justificación del negocio), como se puede monitorizar la especificación y mantenimiento del portfolio de datos maestros y los requisitos (normalmente como parte de la gestión de la demanda y como parte de la gestión de metadatos), y finalmente, entender a fondo las necesidades y requisitos del negocio y cómo especificar los requisitos relacionados para los datos maestros y para el portfolio. En este sentido se plantea la necesidad de las distintas iniciativas de datos.
• Diseño de datos y sistemas. Que aborda el desarrollo de directrices para la arquitectura de datos maestros (por ejemplo, como los datos maestros deberían ser generados, almacenados y distribuidos, eligiendo un conjunto de atributos de metadatos técnicos que puedan ser documentados como tablas de bases de datos o nombres de campos), monitorizar la implementación o mejora de las aplicaciones requeridas y las bases de datos (normalmente como parte de la gestión de TI) y el mantenimiento de los metadatos técnicos (normalmente como parte de la “gestión de los metadatos”), y finalmente, diseñar los modelos de datos maestros, los procesos, arquitecturas y sistemas de TI a fin de asegurar la disponibilidad de los sistemas TI necesarios.
• Cadena de aprovisionamiento de datos: Que sirve para desarrollar líneas guía para la creación y mantenimiento de los datos maestros (p.ej. que nuevo proveedores de datos maestros requieran varios niveles de aprobación), monitorización de la calidad de los datos maestros (normalmente como parte de la “gestión de la calidad de los datos maestros”) y la adopción e implementación de directrices para la creación y mantenimiento de guías (normalmente como parte de la “gestión de los cambios”), y finalmente, gestionar los requisitos, componentes de captura de datos, creación, y desplieguen de datos maestros.
• Soporte de datos: Orientada a determinar qué servicios de soporte de datos necesita la organización, controlar la cantidad de solicitudes de incidencias y los tiempos de resolución de problemas (normalmente como parte de la «gestión de servicios») y, por último, ofrecer los servicios de datos maestros y el apoyo posterior a la consultoría que necesitan los usuarios de los datos (por ejemplo, ofrecer apoyo a los proyectos o realizar cambios masivos de datos).