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 la transformación digital de forma orientada a los procesos. Esto incluye garantizar una alta 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.

Esta intervención en los procesos empresariales debe ser deseada por las empresas. Las que no lo hagan, sin embargo, 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 no están actualizados. ¿Cómo va a saber el algoritmo lo que significa completo y actualizado en relación con los datos del candidato?

Los costes derivados de la pérdida innecesaria de tiempo (escribir correos electrónicos, telefonear después, etc.) están ahí, pero lo que es vergonzoso es escribir al candidato equivocado.

Imagine que se decide por un proveedor basándose en un algoritmo automático cuyos datos, como en el ejemplo 1, también son incompletos y no están actualizados o incluso se han actualizado incorrectamente (condiciones, fiabilidad de entrega, requisitos legales, etc.).

Una vez realizado el pedido, es difícil anularlo. Aparte del esfuerzo que supone anular el pedido, la credibilidad del cliente es la que más sufre.

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.

Con los datos que se van añadiendo, la precisión (= coherencia y exhaustividad, así como actualidad y semántica) de los datos seguirá aumentando poco a poco y mejorará así la base para tomar nuevas decisiones. Este proceso utiliza la metodología del aprendizaje automático: aprender de los datos que se van acumulando.

En el proceso, sin embargo, el administrativo se ve igualmente desafiado. Él es la última instancia para garantizar la calidad de los datos. Con el aprendizaje automático, sin embargo, se les ofrece 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 mediante valores sugeridos y/o declaraciones de probabilidad durante la introducción de datos. Los valores empíricos del enfoque de aprendizaje automático deben estar disponibles en tiempo real.

Una evaluación de los valores de experiencia en sistemas de almacenamiento de datos "adyacentes" (Hadoop, etc.) no favorece el procesamiento de los datos en tiempo real. Por lo tanto, los valores de experiencia (no necesariamente toda la base de datos de la que se extrajeron estas experiencias) deben ubicarse donde se necesitan en tiempo de ejecución: directamente en la base de datos del sistema operativo.

Para poder utilizar estas posibilidades dentro de la plataforma SAP Hana, es necesario cumplir los requisitos de licencia. En cualquier caso, se trata de una inversión, pero una inversión que merece la pena.

En la actualidad, no sólo puede ahorrarse entre un cinco y un diez por ciento del tiempo total de trabajo dedicado a corregir errores en los datos maestros, sino que los conocimientos basados en algoritmos modernos pueden convertirse con seguridad en beneficios empresariales reales, hoy mismo y antes que los competidores en el mercado.