Basura dentro - Basura fuera

Según Lünendonk (2016), alrededor del 85% de las empresas tienen un problema de datos maestros. Lo que se sabe desde hace años en el entorno de la inteligencia empresarial se refleja ahora en la transformación digital.

Las empresas deben prepararse para el cambio digital de una manera orientada a los procesos. Esto incluye garantizar un alto nivel de calidad de los datos maestros. Las nuevas posibilidades (por ejemplo, el aprendizaje automático) pueden intervenir ahora directamente en el proceso y permiten garantizar la calidad de los datos en el momento de su creación. Las empresas deben estar dispuestas a intervenir de este modo en los procesos empresariales. Sin embargo, las que no lo hagan se quedarán atrás dentro de unos años.

Dos ejemplos actuales

Imagine que su algoritmo de emparejamiento escribe automáticamente a un candidato que no es el adecuado debido a que sus datos están incompletos y desactualizados. ¿Cómo va a saber el algoritmo qué significa realmente completo y actualizado en relación con los datos del candidato? Los costes derivados de la pérdida innecesaria de tiempo (escribir correos electrónicos, realizar llamadas telefónicas a posteriori, etc.) están realmente ahí, pero escribir al candidato equivocado es vergonzoso.

Imagine que se decide por un proveedor basándose en un algoritmo automático cuyos datos, como en el ejemplo 1, también están incompletos y no están actualizados o incluso se han mantenido incorrectamente (condiciones, fiabilidad de entrega, requisitos legales, etc.). Una vez realizado el pedido, es difícil anularlo. Además del esfuerzo que supone anular el pedido, la credibilidad como cliente sufre sobre todo.

Intervención en los procesos empresariales

Para mejorar la calidad de los datos maestros, ahora es posible intervenir en el proceso empresarial con la plataforma Hana, especialmente en el entorno SAP. La ventaja es que en el mantenimiento de datos maestros basado en Hana se pueden utilizar las posibilidades de los algoritmos de correspondencia, que ya señalan a la persona que procesa los datos si una entrada es en principio correcta o incorrecta o con un cierto grado de probabilidad.

Lo que significa correcto o incorrecto también puede deducirse aquí en el entorno de la tecnología Hana sobre la base de los datos ya existentes. El grado de exactitud de los datos maestros en su conjunto debe evaluarse, definirse y, en caso necesario, enderezarse de antemano.

Los datos que ahora se añaden aumentarán gradualmente la precisión (= coherencia y exhaustividad, así como actualidad y semántica) de los datos y mejorarán así la base de las decisiones ulteriores. Este proceso utiliza la metodología del aprendizaje automático: aprender de los datos resultantes. Sin embargo, el proceso también supone un reto para el funcionario. Es la última autoridad en garantizar la calidad de los datos. Sin embargo, el aprendizaje automático les proporciona una herramienta para llevar a cabo con éxito la comprobación visual necesaria.

¿Por qué Hana ahora?

Un paso decisivo para mejorar la calidad de los datos maestros es la influencia interactiva de los valores por defecto y/o las declaraciones de probabilidad durante la introducción de datos. Los valores empíricos del enfoque de aprendizaje automático deben estar disponibles en tiempo real. El análisis de valores empíricos en sistemas de almacenamiento de datos "adyacentes" (Hadoop, etc.) no favorece el procesamiento de datos en tiempo real. Por lo tanto, los valores empíricos (no necesariamente toda la base de datos de la que se extrajeron estas experiencias) deben encontrarse donde se necesitan en tiempo de ejecución: directamente en la base de datos del sistema operativo.

Para utilizar estas opciones dentro de la plataforma SAP Hana, deben cumplirse los requisitos técnicos de la licencia. En cualquier caso, se trata de una inversión, pero una inversión que merece la pena. No solo puede ahorrarse ya hoy entre un cinco y un diez por ciento del tiempo total de trabajo dedicado a corregir errores en los datos maestros, sino que los hallazgos basados en algoritmos modernos pueden convertirse con seguridad en beneficios empresariales reales, hoy mismo y antes que la competencia en el mercado.