Los datos incoherentes simplemente cuestan dinero

E-3: Todo el mundo habla de la calidad de los datos, pero ¿qué es exactamente?

Hendrik Becker, KPMG: La calidad de los datos significa obtener la respuesta correcta a cada pregunta. Para ello es necesario comprobar constantemente los datos para detectar errores, redundancias y facilidad de uso. Además de evitar errores y lagunas, también es importante poner los datos a disposición de los distintos destinatarios de forma normalizada y facilitar al máximo su uso.

E-3: ¿Qué parámetros pueden utilizarse para medir la calidad de los datos?

Becker: La calidad de los datos puede evaluarse en función de sus características. Estas características incluyen la calidad intrínseca de los datos -por ejemplo, credibilidad, exactitud, objetividad, reputación-, la calidad contextual de los datos -por ejemplo, valor añadido, pertinencia, actualidad, exhaustividad, volumen de datos-, la calidad representativa de los datos -por ejemplo, interpretabilidad, comprensibilidad, coherencia de la presentación, concisión- y la calidad del acceso -por ejemplo, disponibilidad, seguridad del acceso-.

E-3: ¿Qué influencia tiene el avance de la digitalización?

Stefan Riess, KPMG: La digitalización ha cambiado significativamente la forma de operar de las empresas en los últimos años. Han surgido muchos modelos empresariales con visión de futuro, como el comercio electrónico, la banca en línea y la contratación electrónica. Sin embargo, la digitalización también ha provocado cambios de gran calado dentro de las propias empresas.

El fortalecimiento de las redes internas y externas, los nuevos modelos de trabajo y la creciente inversión en análisis de datos son sólo algunos ejemplos de ello. La base de todos estos avances son los datos. Sin ellos, las compras no pueden gestionar listas de proveedores digitales, el marketing no puede planificar campañas digitales y la empresa no puede realizar análisis de datos ni digitalizar procesos. Debido a esta enorme influencia, la calidad de los datos utilizados es también de gran importancia.

E-3: ¿Qué tiene que ver todo esto con los datos maestros?

Becker: Ya se trate de procesos empresariales digitalizados en compras, producción o ventas, los datos maestros son relevantes para todas las áreas de una empresa. Una gestión eficaz de los datos maestros es la base de las iniciativas de digitalización en todas las organizaciones. Una buena calidad de los datos maestros no es un fin en sí mismo, sino que permite a la empresa operar de forma más eficiente y utilizar los recursos con mayor eficacia.

E-3: ¿Cuáles son los problemas típicos causados por la mala calidad de los datos?

Riess: Los datos incoherentes cuestan dinero. Si, por ejemplo, un cliente o proveedor existe varias veces en el sistema y se almacenan condiciones diferentes, es fácil imaginar las consecuencias. La mala calidad de los datos también inmoviliza los recursos internos y ralentiza los procesos.

Los datos inverosímiles deben volver a comprobarse periódicamente, y en esta comprobación suelen participar varios departamentos, como Ventas, Compras, Finanzas e Informática, y aun así a menudo no es posible una aclaración final. Las fuentes de datos poco fiables también pueden dar lugar a decisiones de gestión o evaluaciones de mercado incorrectas y, por tanto, a una pérdida de cuota de mercado. Por último, una calidad de datos inadecuada supone un mayor riesgo de cumplimiento de la normativa debido a un cumplimiento insuficiente de los requisitos reglamentarios o a una transparencia y trazabilidad insuficientes de los procesos operativos.

E-3: En su opinión, ¿cuáles son las principales ventajas de la alta calidad de los datos?

Becker: La alta calidad de los datos garantiza un suministro de datos más rápido para las unidades de negocio mediante flujos de trabajo y de información automatizados. Las empresas cuentan con procesos operativos fiables y una base segura para la toma de decisiones empresariales.

La armonización de los procesos y las interfaces permite reducir a largo plazo las correcciones manuales y posteriores de errores en los registros de datos maestros. Esto también se aplica a los esfuerzos de coordinación bilateral en el contexto de la transferencia interna y externa de datos. Por último, pero no por ello menos importante, la alta calidad de los datos es un requisito previo importante para el éxito de las iniciativas de digitalización.

E-3: ¿Cuáles son las razones de la inadecuada calidad de los datos?

Becker: El problema empieza con el hecho de que a menudo no hay transparencia en cuanto a la calidad real de los datos. Hay numerosas razones para que la calidad de los datos sea inadecuada. Por un lado, el volumen de registros de datos no deja de crecer -por ejemplo, un producto de la industria alimentaria tiene hasta 450 atributos, como ingredientes, alérgenos, recomendaciones de precios e información logística-, al tiempo que aumenta constantemente el número de fuentes y ámbitos de responsabilidad de los datos.

Por otra parte, esto da lugar a departamentos con intereses divergentes en los mismos objetos de datos, intervienen demasiados "responsables" y se "perciben" derechos de veto en el proceso de introducción de datos. El concepto de autorización está incompleto o ni siquiera existe, faltan responsabilidades claras y niveles de escalado. El mantenimiento y el intercambio manual de datos dan lugar a información incoherente, incorrecta o insuficiente.

E-3: ¿Qué requisitos deben cumplirse para establecer una alta calidad de los datos?

Riess: En primer lugar, es importante darse cuenta de que la calidad de los datos no es un problema puramente técnico, sino sobre todo organizativo y de procedimiento. Debido a la naturaleza interdivisional e intersistémica de los datos, se requiere una responsabilidad general y transparente en materia de calidad de datos, por ejemplo en forma de gobernanza de datos.

Unas estructuras de gobernanza claras con funciones y responsabilidades definidas, así como una función de escalado en la gestión de datos, son esenciales para la generación y utilización eficaz de los datos por parte de los distintos interesados. Además, se requieren procesos de gestión de datos eficaces y "vivos", preferiblemente separados de los procesos operativos y respaldados técnicamente por flujos de trabajo o herramientas MDM, por ejemplo.

Por último, la calidad de los datos puede flanquearse con una limpieza puntual de los mismos, eventualmente apoyada por una herramienta. A largo plazo, sin embargo, debe abordarse desde el punto de vista organizativo.

E-3: ¿Por dónde deben empezar las empresas con una iniciativa de datos maestros?

Becker: Recomendamos realizar un análisis de madurez para analizar la situación actual. Con la ayuda de cuestionarios estandarizados y talleres, los responsables pueden obtener primero una visión general del statu quo e identificar áreas de mejora. Este inventario puede combinarse con una comprobación de la calidad de los datos con ayuda del sistema, lo que permite realizar una evaluación comparativa.

E-3: ¿Qué pueden aportar las soluciones informáticas a la gestión de datos maestros?

Becker: En el mantenimiento de datos maestros, el equilibrio adecuado entre complejidad y eficiencia es crucial. Los procesos de creación, modificación y desactivación de datos maestros deben ser lo más sencillos y ágiles posible, pero tan complejos como sea necesario para garantizar una calidad de datos adecuada. Las herramientas MDM pueden contribuir a ello de diversas maneras.

E-3: ¿Cuáles son algunos ejemplos de soluciones para mejorar la calidad de los datos?

Riess: La centralización, la normalización y los servicios externos de verificación son la forma de mejorar la calidad de los datos para cumplir los requisitos internos y externos en materia de datos maestros. Un ejemplo de datos maestros de productos es la introducción de un maestro de productos centralizado y automatizado. Esto puede reducir significativamente el gasto manual y de recursos subsiguiente para mantener los datos maestros de productos. El resultado: el suministro centralizado de diferentes datos procedentes de múltiples fuentes, a menudo globales, y de diferentes áreas de responsabilidad.

E-3: ¿Cuáles son las ventajas de la gestión de datos maestros en cifras?

Becker: Los resultados de un proyecto de ejemplo llevado a cabo por KPMG en Alemania en 2020 pueden servir de guía. Según este, la empresa implicada disponía de un modelo de datos mejorado después de que se corrigiera el 68% de las entradas de datos incorrectos, obsoletos y duplicados.

La eficiencia del proceso de gestión de datos se incrementó en un 50%, mientras que el número de personas implicadas en el proceso de datos maestros se redujo de más de 1.000 a tan sólo 50. Además, la gobernanza de datos firmemente establecida garantiza la calidad de los datos y los procesos a largo plazo.

E-3: La calidad de los datos no es un estado estático. Cómo puede medirse y garantizarse permanentemente la calidad de los datos?

Riess: En primer lugar, la calidad de los datos no puede medirse de forma unidimensional. En este caso, por ejemplo, tiene sentido utilizar un árbol de KPI multidimensional, similar a los instrumentos de control (financiero). En primer lugar, considera las características de la calidad de los datos y las desglosa en ratios individuales, como el número de duplicados, el número de incoherencias y el número de campos de datos que no se rellenan.

Esta información se vincula multidimensionalmente con otros datos para analizar la causa. Otras dimensiones incluyen la unidad de negocio en la que se ha producido el error, el objeto de datos afectado, el sistema o el proceso en el que se crean o utilizan los datos. También debe considerarse el establecimiento de un sistema centralizado de gestión de datos maestros.

Un mapa de información que visualice el panorama de los datos y las ubicaciones de almacenamiento crea transparencia. Con los sistemas modernos de gestión de datos, los análisis periódicos de la calidad de los datos y los procesos están preprogramados. Pueden vincularse a los sistemas de inteligencia empresarial existentes y convertirse así en parte integrante del control corporativo.

E-3: Gracias por la entrevista.