La calidad de los datos y la gestión de los datos maestros como requisito previo para la digitalización y la optimización de los procesos

Lo que nos lleva a la palabra clave "datos". En vista de los requisitos de la transformación digital, los datos se están convirtiendo cada vez más en el centro del interés empresarial. Hoy en día, las empresas se rigen por los datos. Prácticamente no hay proceso sin datos. Los datos maestros son el requisito previo para que los datos y la analítica aporten valor añadido con el fin de mejorar eficazmente los procesos e impulsar la digitalización. La gestión de procesos y la calidad de los datos y la gestión de datos maestros son, por tanto, dos caras de la misma moneda.

Se trata de un problema que se agrava mutuamente: Por un lado, la calidad de los datos suele dejar mucho que desear; por otro, muchos eluden las iniciativas de datos maestros por considerarlas complejas y costosas. Sin embargo, no hacer nada no es una opción, los costes de la mala calidad de los datos son demasiado elevados; además, se dificultan la digitalización y la optimización de los procesos y se obstaculiza el crecimiento. Pero hay formas de controlar la calidad de los datos y la gestión de datos maestros.

Examinar el statu quo de la calidad de los datos y hacerlo transparente

Bastantes empresas tienen problemas con sus datos maestros. Con Data Quality Analyzer (DQA) de zetVisions, pueden llegar al fondo de este problema y detectar registros de datos incoherentes, duplicados, incompletos y obsoletos en sus sistemas SAP en los dominios de datos maestros: datos maestros de clientes/proveedores (socios comerciales), productos y materiales. Las reglas de validación pueden utilizarse para crear reglas de calidad de datos que se combinan en conjuntos de reglas para comprobar la coherencia, integridad, puntualidad y unicidad de los datos. Los conjuntos de reglas se utilizan para asignar una puntuación de calidad a un registro de datos maestros.

Para cada registro de datos maestros, es posible evaluar si está bien, suficientemente o mal mantenido. La ponderación puede definirse libremente para cada regla de un conjunto de reglas. Además, pueden definirse KPI, es decir, "umbrales" a partir de los cuales los registros de datos se consideran buenos, suficientes o deficientes. Los conjuntos de reglas se aplican de forma rotativa para poder mostrar las tendencias durante un periodo de tiempo más largo.

Hacia la excelencia de los datos maestros

El Analizador de Calidad de Datos, que puede ampliarse para convertirse en una solución completa de gestión de datos maestros (zetVisions SPoT), es el punto de entrada para controlar la calidad de los datos. El objetivo final es la Excelencia de Datos Maestros (MDE). No se trata sólo de una solución de software, sino de una oferta de servicios ampliada en torno a la gestión de datos maestros. Empezando por el análisis, la definición y la implantación de los procesos, pasando por la configuración de la herramienta de software, hasta la posterior gestión de cambios, así como las directrices para la planificación, el control y el suministro de datos (gobierno de datos), MDE ofrece un servicio completo de principio a fin para la gestión de datos maestros. Los pasos en el camino hacia MDE se muestran en la siguiente figura:

Una vez completados los pasos que van desde la evaluación real de los potenciales hasta el desarrollo del modelo operativo MDE, sigue la implantación. Por lo general, un proyecto de implantación se desarrolla en varias etapas, que se muestran en la siguiente figura:

Una vez implantado con éxito el modelo operativo de CDP, debe supervisarse como parte de un proceso de mejora continua. En zetVisions SPoT, la supervisión continua de los procesos implementados es posible a través de la supervisión integrada de procesos, que proporciona pistas sobre dónde pueden mejorarse los procesos. A su vez, la supervisión continua de la calidad de los datos puede llevarse a cabo mediante el DQA.

El tema de la excelencia de los datos maestros no es principalmente un tema tecnológico y, por tanto, no es un tema puramente informático. En las empresas, debe ser impulsado conjuntamente por los departamentos especializados y los de TI. La experiencia demuestra que los factores de éxito de los modelos operativos de MDM incluyen el apoyo de la dirección, una gobernanza de datos estructurada y específica y la optimización de los procesos. Un modelo operativo MDM interfiere con las estructuras, procesos y "territorios" tradicionales. Por ello, acompañar la gestión del cambio es uno de los factores de éxito para convertir a los afectados en participantes y "llevarlos con ellos" al nuevo mundo. Por último, una solución de software profesional sólo puede tener un efecto de apoyo.

Puede obtener más información sobre "Calidad de datos y gestión de datos maestros como requisito previo para la digitalización y la optimización de procesos" en la conferencia "No SurpRISE with SAP" en una presentación de Andreas Stock, Jefe de Marketing y Preventa de zetVisions GmbH, el 2 de junio de 2022 a las 10:00.