IQ: CALIDAD DE LA INFORMACION

Transcripción

1 48 Revista de Publicaciones Navales IQ: CALIDAD DE LA INFORMACION Por Fabián Alberto Spanevello CC En cualquier actividad industrial se necesita materia prima de buena calidad si se pretende alcanzar un producto que satisfaga las exigencias del consumidor. Lo mismo sucede en el difícil ámbito de la toma de decisiones sólo que, en este caso, la materia prima del decisor es la información (1). En el mundo corporativo, las malas decisiones llevan a la pérdida de rentabilidad, caída de la imagen corporativa y hasta la quiebra. En el ámbito militar, dependiendo del nivel de conducción considerado, información de baja calidad (2) puede conducir a un planeamiento inadecuado, a la selección de objetivos militares incorrectos y a otros desatinos. Pero las consecuencias de tomar decisiones basándose en datos de baja cailidad no se manifiesta solamente durantes las operaciones. La gestión diaria de los recursos también implica un uso intensivo de información, en la que el decisor se apoya para llevar a cabo tareas como la adquisición de material, la asignación de recursos, la administración contable financiera y la gestión del personal. En particular, la actividad de Inteligencia debe prestar especial atención a la calidad de los datos. Si el ciclo de Inteligencia comienza con datos de baja calidad, nunca podría esperarse que el producto resultante (inteligencia como producto) reuna las condiciones de aptitud para su uso por parte del consumidor, en este caso el comandante. En la era actual, de Inteligencia multifuentes, ya no es suficiente valorizar a la información por precisión y confianza. Aceptando como cierta la necesidad de contar con información apta para la toma de decisiones correctas, el presente artículo intentará clarificar qué se entiende por calidad de la información (IQ), cuáles son los problemas que la afectan y cuáles serían las pautas que deberían seguirse para implementar un programa de calidad total de la información dentro de la Calidad de los datos. dimensiones El Diccionario de la Real Academia Española define el término calidad de la siguiente manera: Propiedad o conjunto de propiedades (1) A menos que se indique lo contrario, en el presente artículo se entenderá el término calidad en sentido positivo (buena calidad). (2) A menos que se indique lo contrario, en el presente artículo se entenderá el término calidad en sentido positivo (buena calidad).

2 IQ: Calidad de la inherentes a algo, que permiten juzgar su valor. Tradicionalmente, se ha asociado calidad de la información con precisión (de los datos) y confianza (de la fuente). Esta postura tiene sus falencias, ya que deja de lado otros atributos importantes a la hora de calificar la bondad o deficiencia de la información. En esta llamada Era de la Información, que propugna el acceso casi irrestricto a una cantidad infinita de contenidos en todo tipo de formatos, necesariamente se deben ampliar los puntos de vista en base a los cuales se valorizan los datos. Por ejemplo, puede darse la situación de tener acceso en línea a información precisa y de una fuente confiable (como ser una publicación científica prestigiosa), pero escrita en un idioma que ninguno de los traductores disponibles maneja; en ese caso, al considerar el atributo de la presentación, el valor de la información sería reducido. El paradigma actual de Calidad de la Información (IQ) juzga el valor de la información según cuatro categorías: la disponibilidad, la presentación, el contexto y lo intrínseco. Cada categoría puede ser descompuesta en una serie de dimensiones de estudio (Wang & Strong, 1996). ACCESIBILIDAD: Es la base de la pirámide por ser determinante de modo absoluto; información existente pero a la que no se tiene acceso es totalmente inútil. Aquí se debe evaluar la relación de compromiso entre accesibilidad y seguridad. Cuanto más medidas de seguridad son imple-

3 50 Revista de Publicaciones Navales mentadas (Ej.: criptografía, claves de acceso, controles, biométricos, caja de seguridad, etc.) mayor resulta de dificultad de acceso a la información. PRESENTACIÓN: La información debe ser inteligible, o sea que se deben considerar atributos como el idioma, el soporte, las unidades de medida y la codificación. Asimismo, se deben buscar la concisión y la consistencia metodológica de los datos. Considérese el caso de una corporación con sucursales en los Estados Unidos y en Latinoamérica, que posea una base de datos central donde todas las sucursales carguen datos. Si la interfaz de carga en la base de datos pidiera, por ejemplo, altura y peso, y no se especificaran las unidades, en los Estados Unidos ingresarían valores en pies y libras, mientras que en Latinoamérica lo harían en centímetros y kilogramos. En este caso, la base de datos no sería consistente y la calidad de los datos disponibles se vería seriamente perjudicada. CONTEXTUAL: Las dimensiones contextuales evalúan la relación entre los datos y el contexto en que serán utilizados. Los datos deben tener relación con el tema en cuestión y estar actuales. El valor agregado es lo que en la Teoría de las Comunicaciones se conoce como cantidad de información (cantidad de información = información conocida información recibida). La cantidad y la completitud dependen del usuario pero, en general, se acepta como positivo que estas dimensiones tengan altos valores. INTRÍNSECAS: En esta categoría entran las dimensiones tradicionales: precisión de los datos y confianza en la fuente. La información que supere el análisis desde todas las dimensiones mencionadas puede ser considerada como fit for use, es decir, de buena calidad y apta para iniciar un proceso decisorio o un análisis de Inteligencia. Vale mencionar que la ponderación que se hará de cada atributo dependerá de la función que se ocupe con respecto a la información. En los extremos, los niveles jerárquicos inferiores (recolectores, custodios) darán mayor importancia a las dimensiones de disponibilidad y presentación, mientras que los niveles de decisión (consumidores) pondrán el énfasis en las dimensiones contextuales e intrínsecas de la información. Es necesario cuantificar cada una de las dimensiones a efectos de conocer el estado de la IQ dentro de la organización, El relevamiento IQ puede realizarse a través de cuestionarios, aplicación de métricas de IQ o mediante la integración del análisis de calidad total al ciclo de gerenciamiento IQ (TDQM: Total Data Quality Management) (LEE et al.,2006,27). El desarrollo de estas metodologías escapa al alcance de este artículo, sin embargo se brindarán algunos ejemplos de situaciones que revelan problemas con la IQ dentro de la 10 Condiciones que dan origen a problemas con los datos Del análisis efectuado en proyectos IQ en organizaciones líderes en su campo, han surgido diez condiciones que, con el tiempo, pueden

4 IQ: Calidad de la... 51

5 52 Revista de Publicaciones Navales conducir a problemas con la calidad de la información (LEE et al., 2006, 80). Si usted ha sufrido alguno de los problemas mencionados en el listado anterior, indudablemente debería encarar un proyecto IQ dirigido a subsanar las fallas que presenta la calidad de la información en su Sin embargo, la proposición inversa es falsa: puede que tenga algún problema de IQ en su organización y que no haya reparado en ello. Esto puede deberse a una supervisión poco detallista, a la falta de procesos de auditoria eficientes o a que alguien se está encargando de remendar los problemas antes de que lleguen a las jerarquías superiores. En el último caso, es evidente la pérdida de eficiencia por tener que desviar recursos para subsanar provisoriamente problemas IQ que podrían eliminarse definitivamente de ser encarados de la manera correcta. Hasta hace poco, los problemas de IQ sólo eran enfrentados cuando se llegaba a un punto de crisis. Entonces se aplicaban soluciones ad hoc de manera reactiva. Las soluciones definitivas rara vez eran procuradas. A medida que las organizaciones pasaron a depender cada vez más de la calidad de la información para sus actividades estratégicas, de gestión y operación, esa visión a corto plazo dejó de ser viable. Hoy en día es necesario estar en condiciones de poder detectar anticipadamente los signos de problemas potenciales con la calidad de los datos a fin de adoptar las medidas preventivas necesarias que eviten la evolución de los mismos. La información como producto Una perspectiva fundamental transversal a todo el paradigma IQ es que la información debe ser tratada como un producto (IP: Information Product) resultado de un proceso bien definido. El concepto de IP fue desarrollado por Wang et al. (1998) luego de analizar varios casos de problemas de calidad de datos. Según Wang, la información debe ser tratada como un producto que satisfaga las necesidades específicas de un usuario (en todas las dimensiones ya mencionadas). Por el contrario, la información usualmente es tratada como un subproducto, haciéndose énfasis en el sistema en vez de hacerlo en el producto, la información. En el proceso de producción IP participan tres actores, los denominados 3 C s por sus iniciales en inglés (WANG, 2007): 1. Recolectores (Collectors): son las personas, programas o dispositivos encargados de reunir la información en crudo de acuerdo con las necesidades del consumidor. Determinan la calidad inicial del proceso IP. 2. Custodios (Custodians): usualmente es el personal de IT responsable de la implementación de procesos para almacenar, mantener y entregar la información a los consumidores, manteniendo siempre los parámetros de calidad exigidos. 3. Consumidores (Consumers): son los responsables de los procesos de utilización de la informa-

6 IQ: Calidad de la ción. Determinan el significado de calidad aplicado a un IP. Retroalimentan a los recolectores y custodios con las deficiencias encontradas en la información suministrada. Antes de proseguir con la idea de la información como producto, es necesario definir el concepto de dato elemental: es la unidad mínima de datos que tiene sentido dentro de un contexto operacional. Por ejemplo, los atributos edad, sexo y lugar de nacimiento, serían datos elementales dentro del contexto persona. Los valores 39, masculino y La Plata serían instancias de los datos elementales anteriores. Un IP sería una colección de instancias de datos elementales que satisfacen las necesidades particulares de un consumidor. Siguiendo con el ejemplo anterior, un formulario de ingreso sería un IP para una oficina de reclutamiento. Gestionar la información como un producto requiere que la organización adopte cuatro principios: 1. Entender las necesidades de información de los consumidores. La calidad de la información provista al consumidor debe ser tal que no sean necesarias posteriores consultas, aclaraciones o ampliaciones. La misma información puede necesitar diferentes presentaciones según el consumidor, lo que no implica que deban almacenarse dos instancias de la misma. 2. Gestionar la información como el resultado de procesos de producción bien definidos. El ciclo de calidad total de la información implica procesos de producción integrales, enfocados en generar un producto de calidad y no en el funcionamiento correcto de los sistemas aislados. 3. Gestionar la información como un producto con un ciclo de vida. La información debe ser producida, actualizada, mantenida, almacenada y, de ser necesario, eliminada. La normalización de las bases de datos no es suficiente (3). 4. Designar un gerente de producción de información para que gestione el producto. La información no debe ser gestionada por el responsable IT&T, sino por un gerente de IQ designado ad hoc. Quizás, quienes puedan aprehender los cuatro principios con mayor naturalidad sean los profesionales de sistemas de información, especialmente los desarrolladores de software; existe un paralelismo total entre la producción de software y de la información como producto. Sin embargo, las responsabilidades que corresponden a un gerente IQ requieren de una capacitación específica en el paradigma que vaya más allá de las incumbencias profesionales de base y una visión holística de la organización y de sus necesidades de información. El camino hacia la calidad de la información Para comenzar a andar el camino hacia la información de calidad no es suficiente con que una persona o grupo dentro de la organización comprenda los beneficios de trabajar con información de calidad. Los proyectos individuales, aunque bien (3) La normalización de bases de datos consiste en una serie de procesos de optimización tendientes a eliminar inconsistencias, simplificar estructuras y reducir su tamaño.

7 54 Revista de Publicaciones Navales intencionados, no llegan a cristalizarse. Es necesario el apoyo institucional para que las iniciativas IQ no decaigan o desaparezcan abruptamente. Sin importar de dónde provenga la iniciativa IQ, lo fundamental es que los niveles jerárquicos entiendan la relación costo-beneficio implicada y que, a partir de allí, elaboren políticas integrales que involucren a toda la organización en el proceso de mejora continua de la calidad de los datos. En Journey to Data Quality (Lee et al., 2006) se presentan diez pautas para la confección de políticas IQ basadas en las buenas prácticas implementadas por los pioneros en este campo. 1. La organización debe adoptar el principio de tratar a la información como un producto (IP). 2. IQ debe ser incorporada y mantenida como un interés para la 3. La política IQ debe estar adaptada al funcionamiento de la 4. Deben definirse claramente los roles y responsabilidades de los involucrados en IQ. 5. La arquitectura de datos debe ir de la mano de la arquitectura de la 6. Debe adoptarse un enfoque proactivo hacia el cambio de las necesidades de información. 7. Deben implementarse estándares prácticos. 8. Deben crearse procedimientos prácticos para identificar y solucionar problemas con la calidad de los datos. 9. Debe crearse e impulsarse un ambiente propicio para el aprendizaje y la innovación en IQ. 10. La organización debe prever mecanismos para la solución de las controversias que surjan entre los participantes. El camino a transitar por una organización para la implementación de políticas IQ debería ser muy similar al recorrido en el caso de las políticas en Seguridad de la Información (SI). Así como las corporaciones y los organismos estatales han designado oficiales de seguridad y han elaborado e implementado políticas en ese sentido, lo mismo debería hacerse para con la calidad de los datos. El área IQ debería tener dependencia orgánica directa de la autoridad superior del organismo a efectos de poder implementar las políticas IQ sin mayores fricciones. Entre los primeros pasos a ejecutar deberían estar el mapeo de los procesos productivos de información, la delimitación de las responsabilidades (recolector, custodio, consumidor) dentro de los procesos y la implementación de programas educativos institucionales referidos a IQ. Conclusiones El uso intensivo que se hace actualmente de la información en todo actividad humana y el volumen infinito de datos disponibles, requieren una aproximación sistémica ordenada al concepto de calidad aplicada. El paradigma IQ ofrece una perspectiva para la valorización de la calidad de la información de la que se desprenden técnicas y herramientas específicas factibles de ser implementadas en toda

8 IQ: Calidad de la El concepto IQ aún es relativamente nuevo; los métodos y herramientas existentes están en pleno desarrollo. Sin embargo, las organizaciones pioneras en la implementación de ciclos de calidad total de la información ya están percibiendo beneficios concretos por sus esfuerzos. Lo importante es reconocer la necesidad de contar con información de calidad y encarar un proyecto IQ factible de ser implementado en cada organización en particular. Pero la meta no debe ser la puesta en marcha de un programa IQ. Las organizaciones evolucionan constantemente, lo que conduce a necesidades de datos cambiantes que deben ser satisfechas. Las políticas IQ deben ser lo suficientemente amplias y flexibles de tal modo que permitan la adaptación continua de las implementaciones IQ sin mayores inconvenientes. FUENTES: Apuntes de la materia Calidad de Datos, Prof. María José ESPONA, del curso de Dirección de Inteligencia Militar Estratégica. INSTITUTO DE INTELIGENCIA DE LAS FUERZAS ARMADAS. YANG W. LEE, LEO L. PIPINO, JAMES D. FUNK & RICHARD Y. WANG (2006). Journey to Data Quality. Cambridge: The MIT Press. WANG, R.Y. & STRONG, D.M. (1996). Beyond accuracy: What data quality means to data consumers. Journal of Management Information Systems, Spring, WANG (2007).The 3 C s in Managing Information as a Product, guest author: James Funk. EIMI Archives Vol.1 Issue 2. Abril * * *