Bases del Data Asset Management

Muchos al leer el término Data Asset Management os preguntaréis qué es y en qué consiste, pues bien, el Data Asset Management considera la gestión de datos como activos empresariales, la gestión de los datos es considerada como propios activos de la organización.

Para que los datos puedan ser considerados como activos empresariales debe aportar información de valor para la organización, por este motivo deben ser gestionados de manera eficaz y eficiente para obtener la máxima información y máximo beneficio de ellos.

Debemos tener en cuenta que, como todo activo empresarial, los datos introducidos y guardados se deben tratar y proteger ya que próximamente nos pueden ser indispensables para la toma de decisiones estratégicas. De hecho, los objetivos estratégicos que tienen las empresas son cada vez más complicados y necesitan más datos para ser alcanzados.

Toda la información creada a partir de todos los componentes de datos tiene un valor medible que es fundamental para alcanzar objetivos en las compañías y para obtener una mayor ventaja competitiva en el mercado, este es el motivo por el cual estos activos informacionales tienen un alto valor. Pero, es cierto que el valor de todos los datos puede aumentar o disminuir dependiendo de la eficacia con la que se gestionen a lo largo del tiempo, una gestión ineficaz o puede devaluar este activo ya que no le sacas toda la utilidad. que podrían proporcionarte.

Para lograr una buena gestión de datos es importante que los datos sean precisos, estén actualizados, sean accesibles y estén bien gobernados.

Elementos base del Data Asset Management

Como ya hemos explicado, una gestión de datos ineficaz podría devaluar este activo, para garantizar una gestión eficaz y estructurada de datos necesitamos de los siguientes elementos:

• Órgano de gobierno o consejo: es el responsable de definir los roles de los propietarios o custodios de los activos de datos en la empresa. Deberán desarrollar políticas que ayuden a especificar quién es responsable de cada una de las partes de los datos, incluyendo la exactitud, la accesibilidad, la coherencia, la integridad y la actualización.
• Conjunto definido de procedimientos: explicará el modo en que los datos se van a guardar y los sistemas de almacenamiento que se emplearán, las medidas de seguridad y protección contra accidentes, robos o ataques que se puedan recibir. Es conveniente establecer un conjunto de normas que defina los diferentes niveles de autorización de acceso a los distintos tipos de datos, establecer una segmentación de accesos según el tipo de datos.
• Plan de acción para ejecutar los procedimientos: para asegurar y garantizar una correcta protección de datos según regulaciones legales es necesario disponer de un conjunto de controles y procedimientos de auditoría que aseguren el cumplimiento continuo de esta protección de datos.

Funciones del Data Asset Management

El problema más frecuente que surge en la mayoría de organizaciones es la falta de orden y organización, lo que se traduce en una dificultad para tener una visión general de todos los puntos. Estas dificultades pueden ser por una falta de comunicación entre aplicaciones, datos de baja calidad o información de baja fiabilidad. Para ello se han establecido once funciones en la gestión de datos que ayudarán a mejorar su estructuración.

• Data Governance: se ocupa de la planificación, supervisión y control en la gestión y uso de datos.
• Data Architecture: encargada de establecer los modelos, políticas y reglas para gestionar los datos.
• Data Modeling and Design: diseña la base de datos, implementación y soporte.
• Data Storage: función que determina cómo, cuánto y qué se almacena.
• Data Security: se encarga de todo lo relativo a la privacidad, confidencialidad y a garantizar un acceso apropiado.
• Data Integration and Interoperability: responsable de definir la integración y transferencia de los datos.
• Documents and Contents: establece las reglas aplicables a los datos fuera de las bases de datos.
• Reference and Master Data: buscan aportar una visión general y que englobe toda la información.
• Data Warehousing and BI: se ocupan de lo referente a datos históricos y analíticos.
• Meta-Data: trata de integrar, controlar y proporcionar meta datos.
• Data Quality: a través de la que se define, controla y mejora la calidad de los datos.