Aspectos básicos sobre la calidad de datos

Transcripción

1 Aspectos básicos sobre la calidad de datos Para cualquier proyecto con grandes volúmenes de datos Resumen: Proyectos que involucran datos: Proyectos de gestión de relaciones con el cliente (CRM), iniciativas de gestión de datos maestros (MDM), implementaciones de planificación de recursos empresariales (ERP), proyectos del almacén de datos e inteligencia empresarial, programas de gobernanza de la información, migraciones, consolidaciones, armonizaciones todos ofrecen la oportunidad de mejorar la calidad de los datos. Este trabajo constituye una guía paso a paso que identifica, tanto para miembros de equipos comerciales como para recursos de TI, qué tareas deben incorporarse a un plan de proyecto para cada función de los equipos, en relación con la calidad de datos. Esto brinda una estrategia para lograr coordinación y efectividad óptimas. Estos aspectos básicos sobre la calidad de datos se basan en las mejores prácticas recopiladas a partir de experiencias de miles de proyectos de gestión de datos y casos exitosos durante los últimos 30 años. Harte-Hanks Trillium Software Sede corporativa + 1 (978) trilliumsoftware@trilliumsoftware.com

2 Acerca de Trillium Software Empresas de todo el mundo, tanto grandes como pequeñas, han elegido Harte-Hanks Trillium Software para mejorar sus decisiones comerciales analíticas y operacionales a través de información exacta y oportuna. Trillium Software (TS) ofrece una serie integrada de calidad de datos que proporciona una gestión completa e integral del ciclo de vida de la calidad de datos. El Trillium Software System es reconocido como un sistema esencial para el éxito de la gestión de las relaciones con el cliente, la gestión de datos maestros, la integración de datos del cliente, el almacén de datos, la inteligencia empresarial, la planificación de recursos empresariales, la administración de la cadena de suministro, el comercio electrónico y otras aplicaciones empresariales e iniciativas de integración de datos, migración de datos, administración de datos y gobernanza de la información. Diseñado para la cooperación y el intercambio de información, el Trillium Software System permite que las empresas definan individualmente lo que significa la calidad de los datos para sus organizaciones. El Trillium Software System incluye: TS Discovery (Descubrimiento de TS): Colaboración entre los recursos comerciales y de TI para evaluar grandes volúmenes de datos dentro de los sistemas y entre ellos. La sólida capacidad de generación de perfiles de datos permite que los usuarios comprendan las relaciones, los patrones, los formatos y los dominios de datos que existen dentro de los datos en sí, y que también que puedan ver si los datos cumplen con las reglas específicas de cada empresa y con los estándares de datos definidos. Un seguimiento continuo evalúa los datos para garantizar una alta calidad en todo momento. TS Quality (Calidad de TS): Limpia, estandariza y hace coincidir cualquier tipo de datos: datos de nombres y direcciones; datos de productos; datos de bienes, materiales y ubicaciones; transacciones; etc. Las capacidades globales de nivel internacional y la inteligencia automatizada, basada en las reglas, brindan a las organizaciones una solución simple pero completa para manejar volúmenes extensos de datos, en forma inmediata. Las organizaciones pueden personalizar aún más las reglas y adaptarse para cubrir las cambiantes necesidades comerciales. TS Enrichment (Enriquecimiento de TS): Complementa y amplía los datos aprovechando más de 5000 fuentes de terceros. Este servicio ofrece un proceso completamente automatizado para anexar sin ningún problema datos de terceros para su almacenamiento y distribución. TS Insight (Introspección de TS): Supervise gráficamente las reglas comerciales y las mediciones de calidad de datos a través de un panel personalizable de calidad de datos. Utilice cuadros de mandos e información de tendencias para comunicar iniciativas, resultados y objetivos de los datos. La Introspección de TS muestra los orígenes de datos que tienen problemas de calidad y los que no cumplen con los niveles de aceptabilidad y el umbral corporativo mínimo, lo cual ayuda a prever y asignar los recursos adecuados para mejorar y optimizar los procesos comerciales que los afectan. Condiciones de uso Se concede permiso para usar este documento, siempre que: (1) El aviso de copyright 2008 de Harte- Hanks Trillium Software, aparezca en todas las copias, junto con esta notificación de permiso. (2) Este documento se utilice únicamente con fines informativos y personales o no comerciales y no se copie ni publique en ninguna computadora de red ni se divulgue a través de ningún medio. (3) No se modifique la versión original del documento. Se considera ilegal reproducir, distribuir o divulgar este documento en cualquier contexto sin el expreso consentimiento por escrito de Trillium Software. Su uso para cualquier otro fin está expresamente prohibido por ley y podría dar lugar a sanciones administrativas y penales severas. Los infractores serán expuestos a consecuencias legales hasta el máximo grado posible. Todos los derechos reservados Página 2 de 23

3 Guía para gerentes de proyectos sobre la calidad de los datos Incorporar a su proyecto una solución efectiva de calidad de datos requiere una cantidad de actividades adicionales durante todo el ciclo de vida de su plan de proyecto. Algunas tareas son más adecuadas para que tomen el mando los recursos de los usuarios profesionales mientras que otras tareas son principalmente actividades técnicas. Este artículo técnico presenta algunas de las técnicas que utilizan las empresas exitosas para planificar e implementar satisfactoriamente los procesos de calidad de datos como parte de una iniciativa. Si bien la tecnología facilita y automatiza en gran medida la gestión de la calidad de datos, debe aplicarse conforme a una metodología objetiva y mensurable para asegurar el éxito y una buena rentabilidad de la inversión del proyecto. Como se verá en las siguientes páginas, la pericia en materia de negocios, personas y procesos es un componente importante para lograr una mejora en la calidad de los datos, dejando la tecnología como una forma de automatizar y mejorar los procesos. Este trabajo está dirigido directamente a los gerentes de proyectos y describe un proceso paso a paso para implementar la calidad de datos como parte de un proyecto. En particular, este artículo técnico destaca: La importancia y las maneras de involucrar mejor a los usuarios profesionales en el proyecto para asegurar que sus necesidades se satisfagan. Las maneras de llevar a cabo un proyecto específico de alcance limitado y, al mismo tiempo, considerar el panorama general y la inquietud actual con respecto a la calidad de datos dentro de su organización. Cómo incorporar la tecnología a lo largo de un proyecto para acelerar las iniciativas de calidad de datos. Los procesos se describen mejor en el siguiente cuadro: Todos los derechos reservados Página 3 de 23

4 La mayoría de los proyectos constan de seis fases. Las fases son: 1. Preparación del proyecto: definir un equipo, los objetivos comerciales y evaluar los riesgos relacionados con la ejecución de un proyecto para lograr una planificación realista. 2. Diseño preliminar: redactar el plan y los diseños detallados para cumplir con los requisitos del proyecto y al mismo tiempo atenuar los riesgos encontrados en la primera fase 3. Implementación: ejecutar el plan de acción para establecer nuevos procesos y utilizar nuevas tecnologías. 4. Preparación para el lanzamiento: preparar a la organización para las nuevas mejoras 5. Puesta en marcha: tiempo de transición en el que los nuevos procesos o tecnologías se utilizan por primera vez y preparación para resolver cualquier problema que surja 6. Mantenimiento: optimizar los procesos y las tecnologías y prepararse para el próximo proyecto. El proceso prácticamente nunca termina por completo, sino que es iterativo Cada fase requiere que tanto el equipo comercial como los recursos técnicos trabajen en conjunto para llevar a cabo el proyecto de una manera efectiva y eficiente. Todos los derechos reservados Página 4 de 23

5 Fase 1: Preparación del proyecto En esta fase, usted evaluará cuáles son los recursos y el tiempo que necesita para ejecutar el proyecto y qué problemas, obstáculos y riesgos deberá superar. Comience por formar su equipo, definir el alcance, las expectativas y los resultados a obtener del proyecto, y realice un análisis del estado actual de sus datos. Definir el equipo del proyecto y sus funciones En último término, los datos y su nivel de calidad deben estar respaldados por muchas personas de la empresa, no solamente TI. Involucrar a expertos en el tema de áreas comerciales relacionadas es un paso absolutamente esencial que es necesario para lograr el éxito, debido a que una satisfactoria interpretación y tratamiento de los datos deriva de una Sintaxis y un Contexto apropiados. Sintaxis: Por lo general TI es muy capaz de adaptar los datos a una sintaxis apropiada con relativa facilidad. Un ejemplo de esto podría ser que todos los números de teléfono deben aparecer con el mismo formato en una base de datos. Contexto: Los usuarios comerciales generalmente son la mejor fuente de información con respecto al contexto o al significado detrás de los datos. Un ejemplo de esto podría ser la aparición repetidas veces de un comentario no documentado o de un código incrustado en un campo de nombre y dirección. Cada uno de los tipos de miembros de equipo tiene funciones claramente definidas para que la iniciativa sea un éxito y debe ser responsable por su rol. A continuación se muestra cómo se definen normalmente las funciones y las responsabilidades en cuanto a los elementos de la iniciativa de calidad de datos de un proyecto. Función Líderes ejecutivos (Director de TI, Director financiero, Vicepresidente) Gerentes de línea Administradores de datos Profesionales de la información Responsabilidad Avalan públicamente la iniciativa de calidad de datos. Promueven el apoyo. Obtienen la financiación para el proyecto. Resuelven los problemas y eliminan los obstáculos. Defienden la causa. Interactúan con TI y con la empresa. Trabajan junto con los líderes ejecutivos para comprender los objetivos comerciales, eliminar las barreras y la oposición política e influir en el cambio político y la cooperación entre las líneas de negocios. Articulan el problema de calidad de datos desde el punto de vista del valor comercial e influyen en el cambio de los usuarios comerciales. Asimilan la tecnología disponible para cumplir los objetivos comerciales. Definen lo que es posible y lo que no es posible. Desarrollan una comprensión profunda de los bienes, el uso y los problemas de los datos disponibles. Dirigen los requisitos específicos, transmiten sus comentarios, participan en actividades de prueba de aceptación del usuario (UAT). Implementan reglas comerciales para limpiar y estandarizar datos y eliminar las duplicaciones de datos, ayudan a los administradores de datos y ejecutan las operaciones diarias. Todos los derechos reservados Página 5 de 23

6 La tecnología adecuada ayudará a que los miembros de equipo estén siempre involucrados y comunicándose. Un entorno de análisis de datos con un repositorio central brinda la arquitectura adecuada para proyectos de múltiples funciones y múltiples miembros, en los que los recursos deben interactuar y comunicarse con respecto a diseños de entornos de destino y datos de origen. Esta arquitectura ofrece una infraestructura que permite un entendimiento común acerca de los problemas relacionados con la calidad de datos, las recomendaciones para el uso de datos y las transformaciones que deben realizarse a medida que se migran los datos. Identificar los objetivos comerciales a corto y largo plazo Durante la planificación del proyecto se definen los objetivos comerciales. Como parte de esta tarea, deben identificarse las metas de la calidad de datos tanto a corto plazo como a largo plazo. Los objetivos a corto plazo normalmente están relacionados directamente con el proyecto y las actividades vinculadas al movimiento y la manipulación de datos. Las metas a largo plazo comúnmente consideran de qué manera la organización puede potenciar el trabajo que se realiza en el proyecto inmediato y cómo ese trabajo puede ampliarse para adquirir mayor valor. A corto plazo, puede comenzar a mejorar los datos si empieza de a poco y mantiene el alcance bien definido. A largo plazo, tenga en cuenta que si todo funciona bien, usted tendrá éxito y le pedirán que reproduzca este éxito en toda la empresa. Alcance Delimitar el alcance traza parámetros claros en relación con los datos que usted captura, mueve, limpia, estandariza, vincula y enriquece, y con su uso. Cada requisito debe evaluarse para poder determinar si los datos involucrados en este proyecto pueden cumplir o cumplirán con el requisito de manera satisfactoria para la empresa. Existen varias preguntas básicas a responder: 1. Existen los datos sugeridos dentro de la organización? 2. Qué origen u orígenes contienen estos datos? 3. Cuál es el nivel de calidad dentro de cada origen, para esta información? 4. Qué tipo de limpieza, estandarización o supresión de duplicación es necesaria para cumplir con el requisito? 5. Qué problemas o anomalías deben abordarse como parte de este proyecto? En una migración de datos, por ejemplo, es posible que usted espere que ciertos elementos clave aparezcan en el modelo de datos de destino. Posiblemente, primero deba confirmar que los datos de destino previstos existen físicamente dentro de los sistemas de origen y luego deberá determinar el mejor origen para los datos o el origen más confiable. Si toma datos de distintos orígenes, es posible que tenga que establecer un conjunto de estándares con el que todos los sistemas de origen deban cumplir para generar una representación uniforme de esos datos en el nuevo sistema de destino. Comprender desde el principio el alcance del proyecto es fundamental para un resultado exitoso y puntual. Asegúrese de clasificar en categorías los datos obligatorios y los datos complementarios. Prepárese para descartar los datos complementarios si no tiene suficiente tiempo o si el esfuerzo de mover, limpiar, estandarizar, etc. es mayor que el beneficio comercial previsto. Todos los derechos reservados Página 6 de 23

7 Existen distintas formas de limitar el alcance. Por ejemplo, si usted desea integrar múltiples orígenes de datos, será un movimiento grande de datos o varios movimientos pequeños? Los datos deberán conformar la base de datos completa o 6 meses es suficiente? Si resuelve estos asuntos con el equipo comercial y TI, el proyecto se ejecutará conforme al tiempo y a los objetivos definidos y esto ayudará a manejar las expectativas durante el ciclo de vida del proyecto, de manera que no existan sorpresas cuando el proyecto se acerque a su fin. Analizar la tecnología actual Al comienzo del proceso, es conveniente hacer un inventario de la tecnología disponible actualmente para la calidad de datos. Realice entrevistas a los tecnólogos más importantes y determine cuáles son las tecnologías que funcionan y cuáles no cumplen con las expectativas de los usuarios. Si existe un proceso o una tecnología que cumple las expectativas de los usuarios, puede utilizarse dentro de la nueva solución? Si es así, puede utilizarse también en otras soluciones de acuerdo con los objetivos comerciales a largo plazo? Si no es así, se trata de una buena fuente de estándares o lógica, que puede ser destinada a crear una nueva solución de calidad de datos que ofrezca más opciones para un crecimiento futuro? Con frecuencia, las soluciones a los problemas de calidad de datos pueden ser soluciones puntuales, que no consideran a la empresa en su totalidad. La clave es desarrollar una solución que satisfaga las necesidades de toda la organización. Evaluar los riesgos relacionados con los datos Sus datos de origen realmente respaldan los objetivos comerciales? Durante la evaluación de los riesgos relacionados con los datos, es esencial asegurarse de que los datos disponibles cumplan satisfactoriamente con los requisitos de la empresa. TI realiza una buena parte del trabajo preliminar para este análisis a través de ejercicios que establecen correspondencias de los datos con los requisitos y de profundas investigaciones de los sistemas de origen de datos. Si surgieran preguntas, habría que involucrar a los interesados clave de la empresa para garantizar que el proyecto pueda cumplir en última instancia con lo que espera la empresa. Si los datos no cumplen las expectativas, cuáles son las causas principales de estas diferencias y cómo deben abordarse antes de avanzar con su proyecto? Es necesario volver a considerar el alcance del proyecto o sólo requisitos aislados deben clasificarse como de alto riesgo? Utilice un proceso de descubrimiento con los datos de origen para determinar si son viables. Si los datos no respaldan los requisitos clave de la empresa, existe un alto riesgo de que el proyecto fracase a pesar de la inversión de tiempo y dinero. Por lo tanto, antes de concentrarse en el desarrollo, primero evalúe los datos para asegurarse de que el proyecto pueda satisfacer en última instancia las expectativas de los usuarios. El descubrimiento de datos es el proceso por el cual se descubre lo desconocido acerca de sus datos al reunir a los miembros de TI y del equipo comercial, para que se familiaricen con el significado del contenido de los datos y sepan cómo se van a utilizar. Este equipo abordará los problemas que surjan al comienzo del ciclo de vida del proyecto y creará soluciones que funcionen. Por ejemplo, es posible que usted no desee incorporar elementos específicos de los datos a su sistema de CRM si existe un alto grado de valores nulos, ya que los datos no van a satisfacer sus necesidades comerciales. Todos los derechos reservados Página 7 de 23

8 Fase 2: Realización del diseño preliminar En esta fase, usted evaluará en detalle los problemas de calidad de datos y comenzará a elaborar un plan para mejorar los datos como parte de su proyecto general. Los miembros principales de TI y del equipo comercial definen juntos los estándares corporativos para los datos y se documenta una medición de referencia del estado actual de la calidad de los datos. La referencia tendrá dos fines. Ayudará a conseguir apoyo ejecutivo al mostrar el impacto comercial de una mala calidad de datos. En segundo lugar, lo ayudará a mostrar de manera tangible la mejora de los datos en etapas específicas una vez que el nuevo sistema o solución se encuentre en producción. Definir una métrica de éxito La mayoría de las organizaciones se preocupan por los costos, por lo tanto, es necesario presentar una justificación comercial o de costos para las nuevas iniciativas. Aunque no es obligatorio, se recomienda que cuantifique el impacto del procesamiento de la calidad de datos, como una forma metódica de medir el impacto de su esfuerzo y el valor que proporciona a su organización. Si bien a menudo estos números se pasan por alto durante la ejecución de un proyecto, son necesarios para impulsar futuras inversiones y la promoción dentro de una organización. Métrica de calidad de datos e impacto comercial Defina la métrica de calidad de datos que seguirá. Esto puede incluir tanto reglas de alto nivel basadas en datos como reglas específicas que se refieren a un sistema o aplicación en particular, como por ejemplo: Métrica Cantidad de registros con cambios en los campos de datos de dirección para el cumplimiento de estándares del USPS Cantidad de registros duplicados identificados Cantidad de registros procesados con direcciones postales incompletas pero con números de teléfono o direcciones de correo electrónico válidos Cantidad de registros con claves principales duplicadas Impacto comercial Afecta la capacidad de completar programas de comercialización que son exitosos y se encuentran dentro del presupuesto. Afecta la eficacia de la facturación. TI debe generar las claves únicas, lo que provoca demoras en el proyecto si esto no estaba previsto. Valores en blanco en campos de datos esenciales como la cantidad por caja en los datos de la cadena de suministro o las dimensiones para envíos El cliente recibe la cantidad correcta de los elementos pedidos? El cliente puede manejar logísticamente el paquete que recibe? Cumplimiento de los estándares Aparecen las mismas piezas o piezas similares en Todos los derechos reservados Página 8 de 23

9 Métrica como la métrica o los sistemas ingleses de medida Valor total en dólares de recibos sin factura Valor total en dólares de facturas sin recibo Impacto comercial la cadena de suministro, pero con distintos sistemas de medida? El sistema de facturación cumple con la normativa? Los ingresos se están registrando correctamente? Los pedidos se están realizando sin una factura u orden de compra? La tecnología puede tener una función importante en situaciones de revelación de datos, como las que se indican anteriormente, y establecer una referencia registrada de estas condiciones. La tecnología no sólo lo ayudará a organizar y documentar los resultados; también puede ser utilizada para no continuar con estas condiciones. El análisis automatizado de la creación de perfiles de datos y el registro de las excepciones junto con la funcionalidad de profundización le ofrecen los resultados y las herramientas que necesita para involucrar a los usuarios no técnicos en el análisis de estos resultados. Usted puede determinar las condiciones, como las que se indican anteriormente, y comprender de inmediato hasta qué punto se cumplen las métricas. Formular una estrategia de comunicación En esta altura, también se debe elaborar una estrategia de comunicación. Los principales usuarios comerciales han definido la métrica y han identificado de qué manera esa métrica puede relacionarse con la empresa para demostrar su valor cuantitativamente, pero cómo se enterará la empresa de los próximos resultados? Por otra parte, los demás miembros de la comunidad comercial están de acuerdo con las relaciones que se han identificado entre los datos, su calidad y el impacto comercial de dichos datos? Para una rentabilidad de la inversión (ROI) efectiva y útil, es fundamental establecer la aceptación como parte de un plan anticipado de comunicación y hacer un seguimiento de la métrica actualizada en etapas predeterminadas. Definir los estándares Los miembros de equipo del proyecto que representan a la empresa tienen un papel clave en la definición de los estándares. Los miembros de equipo que participan en este paso deben constituir una buena representación de la audiencia de usuarios finales. Por ejemplo, si la audiencia de usuarios finales incluirá ventas y comercialización y posiblemente envíos, debe haber una persona de cada uno de los departamentos mencionados que participe en la definición de los estándares del sistema. Además, un representante de cada uno de los departamentos de la empresa debe desempeñarse como administrador de datos para asegurarse de que los datos cumplan con los estándares definidos en el nuevo sistema, y quizás TAMBIÉN en los sistemas de origen. En cada empresa, existen ciertos estándares que pueden aplicarse a cada uno de los datos. Por ejemplo, un nombre y una dirección casi siempre deben cumplir con estándares postales. Las direcciones de correo electrónico cumplen con una cierta forma utilizando un nombre de usuario, un dominio de Internet y el en el medio. Sin embargo, es posible que existan datos para los cuales su equipo deba definir un nuevo estándar. Comúnmente esto sucede con los números de piezas, la descripción de un artículo, los datos de la cadena de suministro y otros datos que no son direcciones. Para estos fines, usted debe establecer la definición con el equipo comercial. Como parte del proceso, examine los datos actuales, decida qué datos especiales aparecen en los campos obligatorios y establezca estándares para el sistema que luego puedan ser automatizados y supervisados para asegurar su cumplimiento. Todos los derechos reservados Página 9 de 23

10 Construir la aceptación ejecutiva Mientras los miembros del equipo técnico se encuentran ocupados con los diseños técnicos del nuevo sistema o solución, los miembros del equipo comercial se aseguran de que los esfuerzos tengan un impacto positivo en la empresa. La mayoría de los gerentes de proyecto consideran que es útil, llegado este punto, buscar el apoyo de un ejecutivo de alto nivel. Utilizar la métrica de calidad de datos y del impacto comercial generada en el paso anterior y mantener informados a los ejecutivos acerca de su iniciativa ayudará a mantener el respaldo a la iniciativa de calidad de datos, a promover el apoyo y a obtener financiación para futuros proyectos o recursos adicionales. Si existe algún desafío político interno, los ejecutivos pueden ayudarlo a resolver los problemas y eliminar los obstáculos. Si ya están bien informados acerca de sus esfuerzos, el estado y el potencial impacto positivo del proyecto, será mucho más sencillo apelar a su apoyo. Acceder a los datos En este momento del diseño, es necesario analizar profundamente los extractos de datos, que representan los datos reales que se utilizarán como parte del sistema de producción. El propósito es comprender qué clasificaciones, transformaciones, procesamientos, limpiezas, etc. deben establecerse para crear y mantener datos que satisfagan las necesidades y cumplan con los estándares del nuevo sistema o solución. Los recursos de TI por lo general son los responsables de definir los extractos de datos y obtener el acceso adecuado a los sistemas de origen. Estos datos luego pueden compartirse con otros miembros del equipo para respaldar las tareas del diseño detallado. Analizar los datos de origen Los mismos principios y beneficios de un enfoque de colaboración entre los miembros del equipo comercial y de TI (descritos anteriormente para el análisis de mitigación de riesgos) son relevantes para el análisis exhaustivo de los sistemas de origen, que es necesario para un diseño detallado efectivo y eficiente. En la mayoría de los casos, los esfuerzos de colaboración se dificultan por el hecho de que lleva mucho tiempo y resulta ineficiente involucrar a los usuarios comerciales en el proceso de aclarar preguntas sobre los datos, debido a que no cuentan con las competencias técnicas necesarias para acceder a lo datos de manera autosuficiente, investigar las anomalías y, así, ofrecer ideas para guiar el diseño. Las herramientas para el descubrimiento avanzado de datos eliminan este desafío si ofrecen una interfaz intuitiva a través de la cual los usuarios comerciales puedan realizar todas las tareas mencionadas anteriormente, sin la ayuda de TI, pero con el fin de colaborar con TI. Es muy factible aprovechar la misma tecnología utilizada para la mitigación de riesgos y la definición de la métrica de datos para facilitar este análisis inicial de los datos. La funcionalidad adicional, disponible en una herramienta para el descubrimiento de datos, proporciona a los usuarios estadísticas, resultados y la posibilidad de ver los datos, de manera que TI y los usuarios comerciales puedan asimilar y navegar en la información del mismo modo, con facilidad. Un explorador de datos para fines específicos permite que los usuarios identifiquen y revisen problemas en los datos, colaboren y lleguen a un acuerdo acerca de lo que se debe hacer. Use la tecnología para facilitar el análisis de los sistemas de origen. Emplee funciones avanzadas de generación de perfiles y descubrimiento de datos para el análisis completo de atributos y columnas. Identifique posibles problemas dentro de campos de datos estructurados tales como fecha, código postal, código de producto, código de cliente, dirección o cualquier atributo que deba ajustarse a un formato y a una estructura específicos. Configure reglas personalizadas de calidad de datos y señale los atributos que no se ajusten a dicho formato y estructura. Todos los derechos reservados Página 10 de 23

11 Cuando haya finalizado con el análisis, ya tendrá una idea general de los desafíos que debe enfrentar al integrar los datos y la información necesaria para desarrollar diseños que aborden los desafíos de manera proactiva. A esta altura, también es conveniente volver a considerar el plan de proyecto y confirmar que se hayan asignado el tiempo y los recursos adecuados para hacer frente a cualquier problema con los datos que se haya descubierto. Capturar una referencia Los miembros del equipo comercial han definido la métrica de calidad de datos y el impacto comercial en un paso anterior. Ahora es el momento de tomar una medición de referencia. Como parte del análisis de los sistemas de origen, se debe capturar y almacenar una referencia de cada sistema de origen y también analizar de qué manera los sistemas múltiples cumplen con la métrica prevista o las reglas comerciales. En algunos casos, será conveniente considerar no sólo cada sistema de origen aislado, sino también entre otros sistemas. Arquitectura de datos y esquema o modelo de datos A medida que se desarrolla el modelo de datos, un paso esencial que generalmente se pasa por alto es confirmar que los datos de origen respaldan el diseño del modelo de datos previsto. La mejor forma de tener la seguridad de que éste es el caso es aplicar ingeniería inversa a los datos y comprender las relaciones que existen naturalmente dentro de los datos. Esto debería suceder independientemente de la documentación de sistemas y metadatos y debería ser un reflejo completo de los datos en sí. Nuevamente nos encontramos con la oportunidad de aprovechar la tecnología que el equipo ha estado utilizando y con la que se siente cómodo: una herramienta para el descubrimiento de datos ya incluirá toda la información de origen que se requiere para este análisis y también debería incluir la funcionalidad para presentar un modelo o esquema de datos que represente el estado natural de los datos en sí. El equipo de modelado de datos puede comparar y hacer una referencia cruzada de esos esquemas con respecto a los planes de modelos de datos deseados, lo cual probablemente les ahorra semanas de esfuerzo manual y excepciones no consideradas. Arquitectura de datos y plataformas Existen innumerables soluciones de calidad de datos que pueden crearse como parte de su proyecto general. Lo más importante a tener en cuenta en el caso de una solución de calidad de datos no personalizada o interna es si la tecnología que usted adquiere es compatible con la ejecución del proceso en todas las plataformas de los sistemas de origen y de destino dentro de su proyecto determinado. Sin embargo, para ir aún más allá y ofrecer mayor valor a largo plazo, dado que los diseños se están estableciendo, y si se está invirtiendo en tecnología, vuelva a considerar los objetivos comerciales a largo plazo detallados durante la fase de diseño preliminar. Evalúe las herramientas de los proveedores a través de su visión a largo plazo y asegúrese de tener opciones para los futuros requisitos de conectividad. Brinde a su organización la flexibilidad de extender a otros sistemas los procesos de calidad de datos que usted diseña para su proyecto inmediato, en distintos entornos y en otras plataformas que existan dentro de su infraestructura empresarial técnica. Desarrollar situaciones de prueba Cuando examine sus datos, descubrirá patrones y casos comunes en los datos que requieren una solución. Por ejemplo, los nombres pueden aparecer en sus orígenes de CRM en cualquiera de los siguientes formatos: Todos los derechos reservados Página 11 de 23

12 Smith, John John Smith Smith/John John y Jan Smith Dependerá de usted y de los miembros del equipo comercial decidir cómo van a estandarizar cada uno de esos formatos de nombre para una eficiencia óptima en los sistemas de destino. John y Jan Smith deberían estar vinculados, pero en registros separados dentro de su archivo maestro o como una única entrada? Prepare un archivo de prueba o una base de datos de registros que presenten estas situaciones de datos comunes con el fin de controlar la calidad durante esta etapa del proyecto. Se completará una tarea de control de calidad (QA) antes de poner en marcha los nuevos datos. Esta definición de las situaciones de prueba comienza a elaborar de forma efectiva una lista de anomalías de la calidad de datos, que usted puede utilizar para crear y probar reglas comerciales y procesos de calidad. Algunas de las reglas comerciales y casos de prueba se estandarizarán con el proceso de limpieza de los paquetes de soluciones de calidad de datos. Estas reglas y pruebas deberían ser muy ajustables para poder satisfacer las necesidades específicas de su organización. También puede comenzar a crear unas nuevas, basándose en sus necesidades. Definir un proceso de excepciones En un proceso de calidad de datos, una excepción se presenta cuando un dato no puede ser interpretado por las reglas comerciales y el motor de procesos que su equipo ha definido, por ejemplo, una dirección no contiene suficiente información como para que pueda verificarse por medio de las reglas comerciales de estandarización del USPS. Cuando se presenta una excepción de calidad de datos, el administrador de datos debe resolver la excepción y decidir si la anomalía representa un caso inusual o si deberían incorporarse nuevas reglas al proceso de calidad de datos. Su proyecto debe definir una forma clara de manejar las excepciones, que incluya la distribución automatizada (de registros de error) siempre que sea posible, las áreas de responsabilidad para la corrección y un método de informar las anomalías al origen. Todos los derechos reservados Página 12 de 23

13 Fase 3: Implementación Una vez completada la planificación, es el momento de comenzar a utilizar la tecnología para mejorar los datos a través de la automatización siempre que sea posible. Para las tareas de implementación de los recursos tecnológicos, recomendamos Trillium Software Data Quality Methodology, (Metodología de calidad de datos de Trillium Software), un artículo técnico que detalla cómo estandarizar, enriquecer y hacer coincidir los datos y cómo realizar un ajuste detallado de las reglas comerciales para optimizar los datos. Si bien esta fase es la más técnica del plan, los usuarios comerciales aún tienen un papel importante. Crear un plan de prueba de aceptación del usuario Mientras los miembros del equipo elaboran los planes de prueba de aceptación del usuario (UAT), deben incorporarse consideraciones adicionales que investiguen y muestren los resultados de los procesos de calidad de datos que se hayan creado en el nuevo sistema o solución. Como consecuencia, la UAT no sólo debe incluir pruebas de las nuevas funcionalidades o informes; también debe prepararse para incluir situaciones de prueba de calidad de datos. Los datos de prueba deben incluir datos de entrada aceptables y problemáticos, de manera que una audiencia comercial más amplia (los recursos de UAT) se vea forzada a confirmar que los procesos de calidad de datos están generando los resultados deseables. Crear procesos de calidad de datos Durante la fase de implementación, el equipo técnico arma el proceso de calidad de datos definido y diseñado en la fase de diseño premilitar. Esto generalmente incluye procesamientos de limpieza, estandarización, enriquecimiento y correspondencia o vinculación. Para obtener más detalles y las mejores prácticas sobre la creación de procesos de calidad de datos, consulte Trillium Software Data Quality Methodology, otro artículo técnico disponible a través de la librería de recursos que se encuentra en Resultados iniciales de control de calidad Resultados. La parte más importante del proceso de calidad de datos debería ser que los usuarios comerciales estén conformes con los resultados. A medida que comienza a implementar nuevos diseños de procesos de calidad de datos, los gerentes de proyecto deben pedir a los usuarios comerciales que sometan datos de muestra a los procesos de calidad de datos para garantizar que los resultados cumplan con las expectativas de los usuarios. Los usuarios comerciales pueden comparar los resultados antes y después del procesamiento con la misma herramienta para el descubrimiento de datos que han utilizado todo el tiempo. Realice un ajuste aproximado de los procesos utilizando datos de muestra, luego, pase a un conjunto de datos completos para un correcto control de calidad. Una vez que se hayan verificado los resultados, hay que cargar los datos de muestra en las aplicaciones de destino y comenzar a probarlos más exhaustivamente. Si da el paso adicional con el equipo comercial durante el ciclo de control de calidad, existe mayor Todos los derechos reservados Página 13 de 23

14 probabilidad de que tenga éxito la primera vez que cargue los datos, lo cual evitará que tenga que cargar y volver a cargar los datos repetidas veces. Validar las reglas En la primera y la segunda fase, ha determinado lo que tiene y lo que necesita. Las reglas se desarrollan en un proceso analítico iterativo. Para esto, es necesario acceder al conocimiento del significado pretendido de los datos. Los usuarios comerciales y los analistas de datos deben trabajar juntos en este proceso, aplicando la misma tecnología y el mismo proceso que se describieron para el análisis de los datos de origen, si surgen preguntas adicionales. Ofrezca a los usuarios comerciales la oportunidad de crear situaciones de datos de prueba y permítales que revisen los resultados luego del proceso de limpieza. También usted tiene la oportunidad de revisar y agregar su terminología específica (por ejemplo, términos específicos de la industria, definiciones específicas de la empresa y coloquialismos regionales), que inicialmente no formó parte de la terminología de estandarización. También es el momento de determinar si necesitarán una estandarización geográfica específica. Ajustar las reglas y los estándares comerciales Posiblemente descubra que algunos de los diseños iniciales del proceso de calidad de datos no cumplen con las expectativas o no funcionan como se esperaba. Los miembros del equipo comercial deben ser capaces de interactuar directamente con un motor basado en las reglas y ajustarlas para generar resultados que estén de acuerdo con las expectativas. Esto requiere la creación de una interfaz intuitiva y de herramientas de ajuste en cualquier producto que se compre para facilitar el procesamiento de la calidad de datos. La participación directa de los miembros del equipo comercial en el proceso de ajuste garantiza que las reglas satisfacen sus necesidades en forma precisa y elimina el riesgo de expectativas no cumplidas en el proyecto. Integrar procesos de calidad de datos con aplicaciones y servicios Una vez que se han diseñado y probado los procesos de calidad de datos y los miembros del equipo comercial ya han comenzado a validar y ajustar las reglas, los procesos están listos para ser integrados a una o más aplicaciones o servicios. Si han sido elaborados pensando en el futuro, los procesos de calidad de datos deberían poder reutilizarse en múltiples sistemas, plataformas y aplicaciones. Los productos de los proveedores también deberían ser compatibles con los principios de reutilización de la empresa, para sostener el crecimiento a lo largo del tiempo y ofrecer flexibilidad en las opciones de implementación dentro de su proyecto. Aunque la solución de su proyecto quizás no necesite la capacidad de ampliarse y crecer con el tiempo, tener la opción de extenderse a todas y cada una de las aplicaciones, incluso las que lleguen a su empresa a través de fusiones y adquisiciones, es una buena práctica factible que debería considerarse detenidamente. Esto también incluye la capacidad de llevar las reglas de una aplicación a la siguiente. Esto también cubrirá de igual modo la necesidad de extenderse de un proceso programado por lotes a un proceso de usos múltiples y en tiempo real, donde sea y cuando sea que lo necesite dentro de los sistemas empresariales. Todos los derechos reservados Página 14 de 23

15 Fase 4: Preparación para el lanzamiento Durante esta fase de un plan de proyecto, los usuarios comerciales y TI deben determinar cómo y dónde el entorno de desarrollo se migra a la producción. No obstante, antes de eso es necesario completar la UAT y capacitar a los usuarios con respecto a los cambios que encontrarán al utilizar el nuevo sistema o solución. El servicio de asistencia también debe estar correctamente preparado y debe ser capaz de responder cualquier pregunta que surja como consecuencia de la nueva tecnología o de los cambios en la tecnología existente. Ejecutar el plan de prueba de aceptación del usuario (UAT) El plan de prueba de aceptación del usuario debe incluir un registro de la aprobación de los usuarios comerciales con respecto a las situaciones documentadas y los procesos de calidad de datos que influyen en los cambios automatizados. Algunos tipos de estrategias de UAT incluyen: Prueba del nuevo sistema: la aplicación que será puesta a prueba es totalmente nueva (no es un mejoramiento ni una actualización del sistema). Prueba de regresión: cantidad de cambios en una aplicación existente que requiere una nueva prueba completa del sistema. Prueba limitada: cantidad de cambios en una aplicación existente que requiere sólo una prueba específica de los cambios. Las herramientas para el descubrimiento de datos una vez más pueden ayudar en el proyecto durante el proceso de UAT, ya que brindan a los usuarios comerciales y técnicos una visión de los datos. Los equipos pueden colaborar y ver los resultados de cualquier proceso de calidad de datos, antes y después de que se ejecute el proceso. También es útil una prueba dentro de la aplicación de destino. Es necesario poner a prueba: Todos los formularios: particularmente importante al usar una interfaz en tiempo real en la herramienta de calidad de datos Todos los informes: garantiza que los resultados de los informes sean los esperados Situaciones de prueba: pone a prueba los resultados del impacto del proceso de calidad de datos en los sistemas y las aplicaciones que interactúan con los incluidos en su proyecto Durante todas las actividades de UAT, asegúrese de que sus usuarios comerciales puedan acceder los datos con facilidad, ya sea a través de herramientas y tecnologías utilizadas a lo largo del proyecto o de otra forma, para abordar rápidamente cualquier pregunta que pueda surgir. Capacitación de usuarios o capacitación del servicio de asistencia Los usuarios deben estar informados acerca de las nuevas aplicaciones que van a estar en línea y el servicio de asistencia debe saber a quién llamar para remitir cualquier problema técnico. La capacitación efectiva de los usuarios es un factor fundamental para Todos los derechos reservados Página 15 de 23

16 lograr una implementación exitosa. La meta es simple: brindar a sus usuarios las aptitudes y la confianza que necesitan para utilizar la nueva solución y así facilitar la adopción de los usuarios finales. Ayúdelos a que noten: Cualquier campo obligatorio o formato nuevo cuando ingresen datos al sistema Cualquier pantalla o elemento emergente nuevo que solicite la validación de la limpieza automatizada y la correspondencia de los datos El impacto positivo y los beneficios comerciales de datos nuevos y más limpios La participación de usuarios comerciales y de TI en el proceso de creación de datos de alta calidad. Plan de traslado del sistema de producción Cuando el sistema se implemente con los usuarios finales, el equipo de soporte y operaciones debe contar con todas las herramientas, los procesos y los conocimientos para ayudarlos. Es esencial tener un plan para la transición del equipo del proyecto al equipo de soporte y operaciones. La mayoría de los gerentes de producto creará un programa y un plan para utilizar el nuevo sistema con datos recién limpiados. La migración a la producción generalmente se produce en horas de poca actividad. Las decisiones que debe tomar incluyen la capacitación; si se debe realizar el lanzamiento por etapas y cómo hacerlo; la experiencia profesional necesaria cuando se realice el traspaso; si hay que ejecutar sistemas múltiples (antiguos y nuevos) conjuntamente y, si es así, durante cuánto tiempo; si es necesario contratar recursos adicionales (por ejemplo, consultores o contratistas) que puedan ayudar; y cualquier otra consideración de seguridad. Completar con éxito la limpieza o carga inicial Para muchos proyectos, el primer paso de la puesta en marcha incluye un proceso de carga inicial o limpieza inicial. Los datos rara vez se cargan sin errores durante la extracción, transformación y carga de los datos. Los errores generalmente se dividen en las siguientes categorías. Errores por información incompleta: consisten en registros o campos faltantes. Qué es lo que no se cargó y qué pasará con esos registros o campos sin datos? Sintaxis: está relacionada con el formato de los datos y cómo se representan. Tienen los datos la forma correcta? Se encuentran los datos dentro del intervalo de valores? Semántica: transmite el significado de los datos. Hay valores ocultos en los datos no estructurados? Hay nombres en los campos de direcciones, a pesar del cumplimiento de la forma correcta de los datos? Existen registros duplicados con leves diferencias? Si ha ejecutado las tareas transmitidas hasta ahora, ha reducido significativamente la probabilidad de que en su proyecto ocurra cualquiera de los problemas mencionados anteriormente. Al dedicar tiempo en el comienzo para investigar exhaustivamente los datos de los sistemas de origen, incorporar los procesamientos necesarios a sus diseños y realizar una UAT que incluya situaciones de datos problemáticos previstos, usted ha abordado de manera proactiva los problemas que más adelante provocan dolores de cabeza a la mayoría de los equipos de proyectos. Si ocurriera algo inesperado que requiere su atención, usted ya dispone de los recursos y la infraestructura necesarios para actuar rápidamente: su equipo de usuarios comerciales y de TI ya está familiarizado con el proyecto, los datos y cualquier tipo de tecnología que usted haya utilizado (por ejemplo, su herramienta para el descubrimiento de datos) y puede observar los datos y evaluar el problema velozmente para dar una rápida solución. Todos los derechos reservados Página 16 de 23

17 Fase 5: Puesta en marcha Felicitaciones! Ya puede poner su proyecto en marcha. Durante esta fase, su equipo activará lo realizado hasta ahora y sus nuevos procesos de calidad de datos comenzarán a proporcionar beneficios inmediatos a su organización. Ahora comenzará a ver los frutos de su trabajo. Equipo de DAFO En esta etapa es conveniente poder disponer de un equipo interfuncional de DAFO (Debilidades, Amenazas, Fortalezas, Oportunidades) que incluya analistas comerciales o recursos departamentales familiarizados con los procesos comerciales, ingenieros de rendimiento, arquitectos de datos, técnicos de campo y contactos de cualquier proveedor, que se encuentren disponibles en casos de emergencia para brindar rápidas soluciones a los problemas. Los equipos pueden adoptar distintos procesos para ayudarlos a comprender el problema presentado y a diseñar una respuesta. Los profesionales que utilizan procesos de resolución de problemas consideran que es importante analizar un problema en profundidad para comprenderlo y diseñar intervenciones con altas probabilidades de que funcionen. La idea es intervenir rápidamente al identificar un problema y presentar distintas maneras de resolver ese problema y de que la empresa pueda alcanzar el éxito. Los equipos deben reunirse para completar un análisis final y comentar qué piensan del proyecto y cómo se puede mejorar aún más la calidad de los datos en la próxima ronda. Resolución de problemas Todas las organizaciones de soporte al cliente disponen de algún tipo de proceso o procedimiento para ayudar a resolver coherentemente consultas, inconvenientes o problemas generados por el sistema o por los usuarios. En algunas organizaciones estos procesos son muy estructurados, mientras que en otras son más informales. Además de los procesos eficientes, también es muy importante que el equipo de soporte tenga bien definidas las funciones y las responsabilidades para así reducir el tiempo de respuesta a las necesidades del cliente. A continuación se presenta un ejemplo de jerarquía de remisión, junto con las personas que realizan estas tareas, para una implementación bastante amplia. Para este ejemplo, cuando se identifica un problema, se remite de la siguiente manera: Nivel 1: Servicio de asistencia: Los técnicos del servicio de asistencia brindan un soporte básico a la comunidad de usuarios, y realizan capacitaciones adicionales y operaciones remotas para resolver los problemas. Si el servicio de asistencia no puede resolver el problema, éste se remite al Nivel 2. Nivel 2: Profesionales informáticos: Los profesionales informáticos normalmente son más conscientes del aspecto informativo de la operación que el Servicio de asistencia. Con la ayuda de la herramienta para el descubrimiento de datos y el acceso a la aplicación de los usuarios finales, solucionan el problema. Si los profesionales de la información no pueden resolver el problema, lo remiten a los administradores de datos, que constituyen el Nivel 3. Todos los derechos reservados Página 17 de 23

18 Nivel 3: Administradores de datos: Según la naturaleza del problema, los profesionales de la información pueden contactar a los Administradores de datos, que suelen tener una visión empresarial en materia de datos, a diferencia del conocimiento de los datos y los procesos dentro una aplicación específica únicamente. Si bien la mayoría de los problemas se resuelve en los tres primeros niveles de soporte, en unos pocos casos los problemas pueden remitirse al Nivel 4. Nivel 4: Gerentes de proyecto: Por lo general, un problema llega a esta instancia si se necesita un cambio arquitectónico para resolverlo. Los gerentes de proyecto tendrán que analizar la situación y tomar las medidas adecuadas para resolverlo. La jerarquía recién descrita representa simplemente un ejemplo de jerarquía de remisión y soporte. Independientemente del tipo de jerarquía de soporte que usted tenga, es esencial que cada grupo dentro de esa jerarquía comprenda su función y sus responsabilidades. Además, el equipo debe ser capaz de resolver o remitir con rapidez cualquier problema que surja. Análisis final Vuelva a ejecutar sus procesos de referencia y reúna los resultados actualizados para medir cuantitativamente su impacto. Recopile sus métricas, su registro de soporte, su registro de procesamiento de excepciones y cualquier otra documentación relevante. Organice una reunión para: Asegurarse de que el proyecto haya cumplido los objetivos comerciales Asegurarse de que el proyecto haya reunido los criterios de éxito detallados Enumerar las lecciones aprendidas durante el proyecto; úselas como un aporte para mejorar la presentación de futuros proyectos Llevar a cabo revisiones del desempeño de los miembros de equipo Realizar un procesamiento de la calidad de datos en curso Ahora que su sistema está en marcha, usted no sólo ha limpiado los datos históricos cargados al sistema o solución; además, sus procesos de calidad de datos en curso deberían hacer posible que los nuevos datos entrantes se encuentren libres de los problemas identificados y previstos. Definir procesos de supervisión Dado que se supone que todos los sistemas y procesos funcionan bien, ahora es necesario asegurarse de que usted disponga de procesos de supervisión apropiados. Programar auditorías de datos con regularidad es una excelente manera de asegurarse de que los datos continúen cumpliendo las expectativas y además resalta las áreas de calidad que se han descuidado o las nuevas áreas de problemas que se han manifestado. Para facilitar este proceso, muchas organizaciones aprovechan la tecnología utilizada para la evaluación de riesgos, las mediciones de referencia, el diseño y análisis de los sistemas de origen y las pruebas de aceptación del usuario. Por ejemplo, una herramienta para el descubrimiento de datos en la que usted ha capacitado a los usuarios comerciales para que la utilicen en la investigación de datos, en la colaboración con TI y en la medición de métricas de datos, así como también todo el capital de conocimientos creado en el entorno, se adapta con facilidad para realizar auditorías programadas y supervisión continua. El flujo de trabajo de los mensajes de correo electrónico puede Todos los derechos reservados Página 18 de 23

19 definirse para alertar a las personas clave cuando surjan problemas o cuando los problemas excedan o caigan por debajo de los umbrales definidos. La supervisión garantiza que usted continúa cumpliendo, o incluso excediendo, las expectativas de los usuarios a lo largo del tiempo, de manera que los activos de datos se conviertan en una fuente confiable, UTILIZADA de forma activa por parte de la empresa. Todos los derechos reservados Página 19 de 23

20 Fase 6: Mantenimiento En la mayoría de las religiones de todo el mundo, existe un día para reflexionar sobre las buenas obras realizadas, admitir los defectos y elaborar un plan para mejorar. La sexta fase es ese día para quienes creen en la calidad de los datos. Sin embargo, también es un momento de dicha. En esta fase verá los frutos de su trabajo y no debe sentir vergüenza de contarle al mundo lo que ha logrado. Anunciar los éxitos Una de las claves para mantener el financiamiento de su proyecto es difundir internamente los éxitos logrados. En realidad, las iniciativas de calidad de datos deben promocionarse en cada oportunidad posible, para continuar reforzando en la mente de las personas el valor que usted agrega a su organización. Algunas formas de comunicar su éxito son: Crear un mensaje de correo electrónico de actualización mensual de calidad de datos Establecer su presencia en el sitio web o intranet de la empresa Solicitar a los patrocinadores que envíen un memorándum sobre el proyecto con regularidad Proporcione a los patrocinadores información sobre los beneficios comerciales como el dinero ahorrado en correo de comercialización, los índices mejorados de ventas por medio de la comercialización, ahorros en la cadena de suministro e inventarios mejorados, etc. Identificar un grupo selecto de usuarios y trabajar estrechamente con ellos para ayudar en la comunicación Identificar sus aportes al proyecto y publicar esa información Reconocer primero a los clientes o usuarios de los datos y saber de qué manera se benefician con sus datos mejorados Éste también es un buen momento para recordar a la empresa que la calidad de los datos es un problema de todos y mostrar las maneras de resolver los problemas de calidad de datos. Supervisar Usted puede llevar un registro de la calidad de datos de distintas formas. Un análisis completo con su herramienta para el descubrimiento de datos es una de ellas. Cada vez que compare la calidad con su referencia o con la referencia medida previamente, usted obtendrá una idea muy detallada del progreso de su iniciativa de calidad de datos. Algunas herramientas también incluyen una forma de llevar un registro automático de la calidad de datos. Por ejemplo, pueden incluir una función de notificación por correo electrónico para informar a los miembros clave del personal cuando se violen las reglas comerciales: cuando los valores de los datos no cumplan con los requisitos predefinidos, cuando se excedan los valores de umbral o cuando haya valores nulos presentes que sean inadmisibles. Estas poderosas funciones impiden que los errores afecten su negocio, si su empresa utilizara orígenes de datos con tendencia al cambio. Todos los derechos reservados Página 20 de 23