Traducido del inglés al español - [Link].

com
 DAMA-DMBOK
GESTIÓN DE DATOS CUERPO DE CONOCIMIENTO
SEGUNDA EDICION

DAMA Internacional

P ublicaciones T écnicas
BASKINGRIDGE, NUEVA JERSEY
 Dedicado a la memoria de Patricia

Cupoli, MLS, MBA, CCP, CDMP

(25 de mayo de 1948 - 28 de julio de 2015)

por su compromiso de por vida con la profesión de gestión de datos

y sus contribuciones a esta publicación.

Publicado por:

Calle Lindsley, 2
Basking Ridge, NJ 07920 EE. UU.

[Link]

Editor en jefe: Deborah Henderson, CDMP

Editor: Susan Earley, CDMP
Redactor de producción: Laura Sebastián-Coleman, CDMP, IQCP
Investigador de bibliografía: Administrador Elena Sykora, DGSP
de herramientas de colaboración: Eva Smith, CDMP

Diseño de portada por Lorena Molinari

Todos los derechos reservados. Ninguna parte de este libro puede ser reproducida o transmitida de ninguna forma o por ningún
medio, electrónico o mecánico, incluyendo fotocopias, grabaciones o cualquier sistema de almacenamiento y recuperación de
información, sin el permiso por escrito del editor, excepto por la inclusión de breves citas en una revisión.

El autor y el editor se han ocupado de la preparación de este libro, pero no ofrecen garantías expresas o implícitas de ningún tipo y
no asumen ninguna responsabilidad por errores u omisiones. No se asume ninguna responsabilidad por daños incidentales o
consecuentes en relación con o que surjan del uso de la información o los programas contenidos en este documento.

Todos los nombres comerciales y de productos son marcas comerciales, marcas comerciales registradas o marcas de servicio de sus
respectivas empresas y son propiedad de sus respectivos titulares y deben tratarse como tales.

Segunda edicion

Primera impresión 2017

Copyright © 2017 DAMA Internacional

ISBN, edición impresa. 9781634622349

ISBN, edición PDF. 9781634622363
ISBN, edición del servidor. 9781634622486
ISBN, edición empresarial. 9781634622479

Número de control de la Biblioteca del Congreso: 2017941854

 Contenido

Prefacio_________________________________________________________15
Capítulo 1: Gestión de datos_______________________________________17
1. Introducción ____________________________________________________________17
2. Conceptos Esenciales ________________________________________________________18
2.1 Datos ______________________________________________________________________18
2.2 Datos e Información ________________________________________________________20
2.3 Los datos como un activo organizacional ________________________________________________20
2.4 Principios de gestión de datos __________________________________________________21
2.5 Desafíos de la gestión de datos _________________________________________________23
2.6 Estrategia de gestión de datos ____________________________________________________31
3. Marcos de gestión de datos ___________________________________________33
3.1 Modelo de Alineación Estratégica_____________________________________________________33
3.2 El Modelo de Información de Amsterdam ___________________________________________34
3.3 El Marco DAMA-DMBOK ________________________________________________35
3.4 Pirámide DMBOK (Aiken)_____________________________________________________39
3.5 Evolución del marco de gestión de datos de DAMA ___________________________________40
4. DAMA y el DMBOK ____________________________________________________43
5. Obras Citadas / Recomendadas_____________________________________________46

Capítulo 2: Ética en el manejo de datos ____________________________________49

1. Introducción ____________________________________________________________49
2. Impulsores comerciales ________________________________________________________51
3. Conceptos Esenciales ________________________________________________________52
3.1 Principios éticos para los datos ____________________________________________________52
3.2 Principios detrás de la ley de privacidad de datos ___________________________________________53
3.3 Datos en línea en un contexto ético ______________________________________________56
3.4 Riesgos de prácticas poco éticas de manejo de datos ______________________________________56
3.5 Establecimiento de una cultura de datos éticos____________________________________________60
3.6 Ética y gobierno de datos __________________________________________________64
4. Obras Citadas / Recomendadas_____________________________________________sesenta y cinco

Capítulo 3: Gobierno de datos________________________________________67

1. Introducción ____________________________________________________________67
1.1 Impulsores comerciales _____________________________________________________________70
1.2 Metas y Principios _________________________________________________________71
1.3 Conceptos esenciales __________________________________________________________72
2. Actividades _______________________________________________________________79
2.1 Definir el Gobierno de Datos para la Organización ____________________________________79
2.2 Realizar la evaluación de preparación ________________________________________________79
2.3 Realizar el descubrimiento y la alineación empresarial _____________________________________80
2.4 Desarrollar puntos de contacto organizacionales__________________________________________81
2.5 Desarrollar una estrategia de gobierno de datos_____________________________________________82
2.6 Definir el Marco Operativo de GD ___________________________________________82
2.7 Desarrollar metas, principios y políticas__________________________________________83
2.8 Suscribir proyectos de gestión de datos _________________________________________84
2.9 Participar en la gestión del cambio __________________________________________________85

1
2•DMBOK 2

2.10 Participar en la gestión de problemas ________________________________________________86

2.11 Evaluar los requisitos de cumplimiento normativo ______________________________________87
2.12 Implementar el Gobierno de Datos_________________________________________________88
2.13 Normas y procedimientos de datos del patrocinador_______________________________________88
2.14 Desarrollar un glosario de negocios_________________________________________________90
2.15 Coordinar con los Grupos de Arquitectura _________________________________________90
2.16 Valoración de activos de datos del patrocinador ________________________________________________91
2.17 Gobernanza de datos integrados ____________________________________________________91
3. Herramientas y Técnicas_____________________________________________________92
3.1 Presencia en línea/sitios web_____________________________________________________92
3.2 Glosario de Negocios________________________________________________________92
3.3 Herramientas de flujo de trabajo _____________________________________________________________93
3.4 Herramientas de gestión de documentos_________________________________________________93
3.5 Cuadros de Mando de Gobernanza de Datos __________________________________________________93
4. Pautas de implementación ________________________________________________93
4.1 Organización y Cultura_____________________________________________________93
4.2 Ajuste y Comunicación ______________________________________________94
5. Métricas ________________________________________________________________94
6. Trabajos citados/recomendados _____________________________________________95

Capítulo 4: Arquitectura de datos_______________________________________97

1. Introducción ___________________________________________________________97
1.1 Impulsores comerciales _____________________________________________________________99
1.2 Resultados y prácticas de la arquitectura de datos _____________________________________100
1.3 Conceptos esenciales _________________________________________________________101
2. Actividades _____________________________________________________________109
2.1 Establecer la práctica de la arquitectura de datos ___________________________________________110
2.2 Integrar con la arquitectura empresarial ________________________________________115
3. Herramientas ________________________________________________________________115
3.1 Herramientas de modelado de datos________________________________________________________115
3.2 Software de gestión de activos _________________________________________________115
3.3 Aplicaciones de diseño gráfico ________________________________________________115
4. Técnicas ___________________________________________________________116
4.1 Proyecciones del ciclo de vida ________________________________________________________116
4.2 Claridad de diagramación ________________________________________________________116
5. Pautas de implementación _______________________________________________117
5.1 Evaluación de preparación / Evaluación de riesgos ______________________________________118
5.2 Organización y Cambio Cultural ___________________________________________119
6. Gobernanza de la arquitectura de datos ___________________________________________119
6.1 Métricas ____________________________________________________________________120
7. Obras Citadas / Recomendadas ___________________________________________120

Capítulo 5: Modelado y diseño de datos ________________________________123

1. Introducción __________________________________________________________123
1.1 Impulsores comerciales _____________________________________________________________125
1.2 Metas y Principios________________________________________________________125
1.3 Conceptos esenciales _________________________________________________________126
2. Actividades _____________________________________________________________152
2.1 Plan de modelado de datos______________________________________________________152
 CONTENIDOS•3

2.2 Construir el modelo de datos ________________________________________________________153

2.3 Revisar los modelos de datos ________________________________________________________________158
2.4 Mantener los modelos de datos ____________________________________________________159
3. Herramientas _________________________________________________________________159
3.1 Herramientas de modelado de datos________________________________________________________159
3.2 Herramientas de linaje _____________________________________________________________159
3.3 Herramientas de creación de perfiles de datos ________________________________________________________160
3.4 Repositorios de metadatos _____________________________________________________160
3.5 Patrones del modelo de datos ________________________________________________________160
3.6 Modelos de datos de la industria ________________________________________________________160
4. Mejores prácticas __________________________________________________________161
4.1 Mejores prácticas en convenciones de nomenclatura _________________________________________161
4.2 Mejores prácticas en el diseño de bases de datos_____________________________________________161
5. Gobernanza del modelo de datos _________________________________________________162
5.1 Modelo de datos y gestión de la calidad del diseño ___________________________________162
5.2 Métricas de modelado de datos _____________________________________________________164
6. Obras citadas/recomendadas_____________________________________________166

Capítulo 6: Almacenamiento de datos y operaciones _____________________________169

1. Introducción ___________________________________________________________169
1.1 Impulsores comerciales __________________________________________________________171
1.2 Objetivos y principios ________________________________________________________171
1.3 Conceptos esenciales _________________________________________________________172
2. Actividades _____________________________________________________________193
2.1 Administrar tecnología de base de datos ________________________________________________194
2.2 Administrar bases de datos _________________________________________________________196
3. Herramientas _________________________________________________________________209
3.1 Herramientas de modelado de datos________________________________________________________209
3.2 Herramientas de monitoreo de bases de datos __________________________________________________209
3.3 Herramientas de gestión de bases de datos_________________________________________________209
3.4 Herramientas de soporte para desarrolladores ____________________________________________________209
4. Técnicas _____________________________________________________________210
4.1 Prueba en ambientes inferiores _________________________________________________210
4.2 Estándares de nombres físicos __________________________________________________210
4.3 Uso de scripts para todos los cambios _________________________________________________210
5. Pautas de implementación________________________________________________210
5.1 Evaluación de preparación / Evaluación de riesgos ______________________________________210
5.2 Organización y Cambio Cultural ___________________________________________211
6. Almacenamiento de datos y gobierno de operaciones ______________________________________212
6.1 Métricas ____________________________________________________________________212
6.2 Seguimiento de activos de información __________________________________________________213
6.3 Auditorías de datos y validación de datos ______________________________________________213
7. Obras Citadas / Recomendadas_____________________________________________214

Capítulo 7: Seguridad de los datos__________________________________________217

1. Introducción ___________________________________________________________217
1.1 Impulsores comerciales __________________________________________________________220
1.2 Objetivos y principios ________________________________________________________222
1.3 Conceptos esenciales _________________________________________________________223
4•DMBOK 2

2. Actividades _____________________________________________________________245
2.1 Identificar los requisitos de seguridad de datos ___________________________________________245
2.2 Definir la política de seguridad de datos __________________________________________________247
2.3 Definir estándares de seguridad de datos ________________________________________________248
3. Herramientas ________________________________________________________________256
3.1 Software antivirus/Software de seguridad ______________________________________256
3.2 HTTPS ____________________________________________________________________256
3.3 Tecnología de gestión de identidad ___________________________________________257
3.4 Software de detección y prevención de intrusiones ___________________________________257
3.5 Cortafuegos (Prevención)______________________________________________________257
3.6 Seguimiento de metadatos _________________________________________________________257
3.7 Enmascaramiento/Cifrado de datos ____________________________________________________258
4. Técnicas ___________________________________________________________258
4.1 Uso de la matriz CRUD ________________________________________________________258
4.2 Implementación inmediata de parches de seguridad ________________________________________258
4.3 Atributos de seguridad de datos en metadatos ___________________________________________258
4.4 Métricas ____________________________________________________________________259
4.5 Necesidades de seguridad en los requisitos del proyecto ______________________________________261
4.6 Búsqueda eficiente de datos cifrados ___________________________________________262
4.7 Desinfección de documentos______________________________________________________262
5. Pautas de implementación _______________________________________________262
5.1 Evaluación de preparación / Evaluación de riesgos ______________________________________262
5.2 Organización y Cambio Cultural ___________________________________________263
5.3 Visibilidad de la titularidad de los datos del usuario ___________________________________________263
5.4 Seguridad de datos en un mundo subcontratado _________________________________________264
5.5 Seguridad de los datos en entornos de nube__________________________________________265
6. Gobernanza de la seguridad de los datos ________________________________________________265
6.1 Seguridad de datos y arquitectura empresarial _____________________________________265
7. Obras Citadas / Recomendadas ___________________________________________266

Capítulo 8: Integración e interoperabilidad de datos______________________269

1. Introducción __________________________________________________________269
1.1 Impulsores comerciales _____________________________________________________________270
1.2 Metas y Principios________________________________________________________272
1.3 Conceptos esenciales _________________________________________________________273
2. Actividades de integración de datos ________________________________________________286
2.1 Planificar y analizar __________________________________________________________286
2.2 Diseño de soluciones de integración de datos ___________________________________________289
2.3 Desarrollar soluciones de integración de datos ___________________________________________291
2.4 Implementar y monitorear ________________________________________________________________293
3. Herramientas ________________________________________________________________294
3.1 Motor de transformación de datos/Herramienta ETL ________________________________________294
3.2 Servidor de virtualización de datos ____________________________________________________294
3.3 Autobús de servicio empresarial________________________________________________________294
3.4 Motor de reglas de negocio _____________________________________________________295
3.5 Herramientas de modelado de datos y procesos _____________________________________________295
3.6 Herramienta de creación de perfiles de datos _________________________________________________________295
3.7 Repositorio de metadatos ________________________________________________________296
4. Técnicas ___________________________________________________________296
 CONTENIDOS•5

5. Pautas de implementación________________________________________________296
5.1 Evaluación de preparación / Evaluación de riesgos ______________________________________296
5.2 Organización y Cambio Cultural ___________________________________________297
6. Gobernanza DII_________________________________________________________297
6.1 Acuerdos de intercambio de datos ____________________________________________________298
6.2 DII y linaje de datos ________________________________________________________298
6.3 Métricas de integración de datos ____________________________________________________299
7. Obras Citadas / Recomendadas_____________________________________________299

Capítulo 9: Gestión de documentos y contenidos______________________303

1. Introducción ___________________________________________________________303
1.1 Impulsores comerciales __________________________________________________________305
1.2 Objetivos y principios ________________________________________________________305
1.3 Conceptos esenciales _________________________________________________________307
2. Actividades _____________________________________________________________323
2.1 Plan para la gestión del ciclo de vida ________________________________________________323
2.2 Gestionar el ciclo de vida _______________________________________________________326
2.3 Publicar y entregar contenido _________________________________________________329
3. Herramientas _________________________________________________________________330
3.1 Sistemas de gestión de contenido empresarial ______________________________________330
3.2 Herramientas de colaboración ________________________________________________________333
3.3 Vocabulario controlado y herramientas de metadatos _____________________________________333
3.4 Marcado estándar y formatos de intercambio ______________________________________333
3.5 Tecnología de descubrimiento electrónico_____________________________________________________336
4. Técnicas _____________________________________________________________336
4.1 Libro de estrategias de respuesta a litigios ________________________________________________336
4.2 Mapa de datos de respuesta a litigios ________________________________________________337
5. Pautas de implementación________________________________________________337
5.1 Evaluación de preparación / Evaluación de riesgos ______________________________________338
5.2 Organización y Cambio Cultural ___________________________________________339
6. Documentos y Gobernanza de Contenidos_______________________________________340
6.1 Marcos de Gobierno de la Información _________________________________________340
6.2 Proliferación de Información _________________________________________________342
6.3 Gobernar para contenido de calidad __________________________________________________342
6.4 Métricas ____________________________________________________________________343
7. Obras Citadas / Recomendadas_____________________________________________344

Capítulo 10: Datos maestros y de referencia _____________________________347

1. Introducción ___________________________________________________________347
1.1 Impulsores comerciales __________________________________________________________349
1.2 Objetivos y principios ________________________________________________________349
1.3 Conceptos esenciales _________________________________________________________350
2. Actividades _____________________________________________________________370
2.1 Actividades de MDM _____________________________________________________________371
2.2 Actividades de datos de referencia ____________________________________________________373
3. Herramientas y Técnicas ____________________________________________________375
4. Pautas de implementación ________________________________________________375
4.1 Adherirse a la arquitectura de datos maestros ___________________________________________376
4.2 Supervisar el movimiento de datos ____________________________________________________376
6•DMBOK 2

4.3 Administrar el cambio de datos de referencia ______________________________________________376

4.4 Acuerdos de intercambio de datos ____________________________________________________377
5. Organización y Cambio Cultural ________________________________________378
6. Gobernanza de datos maestros y de referencia_____________________________________378
6.1 Métricas ____________________________________________________________________379
7. Obras Citadas / Recomendadas ___________________________________________379

Capítulo 11: Almacenamiento de datos e inteligencia empresarial_______________381

1. Introducción __________________________________________________________381
1.1 Impulsores comerciales _____________________________________________________________383
1.2 Metas y Principios________________________________________________________383
1.3 Conceptos esenciales _________________________________________________________384
2. Actividades _____________________________________________________________394
2.1 Comprender los requisitos __________________________________________________394
2.2 Definir y mantener la arquitectura DW/BI ___________________________________395
2.3 Desarrollar el Data Warehouse y Data Marts ___________________________________396
2.4 Rellenar el almacén de datos________________________________________________397
2.5 Implementar el Portafolio de Business Intelligence __________________________________398
2.6 Mantener productos de datos _____________________________________________________399
3. Herramientas ________________________________________________________________402
3.1 Repositorio de metadatos ________________________________________________________402
3.2 Herramientas de integración de datos _____________________________________________________403
3.3 Tipos de herramientas de Business Intelligence ___________________________________________403
4. Técnicas ___________________________________________________________407
4.1 Prototipos para impulsar los requisitos ___________________________________________407
4.2 Autoservicio BI______________________________________________________________408
4.3 Datos de auditoría que se pueden consultar ________________________________________________408
5. Pautas de implementación _______________________________________________408
5.1 Evaluación de preparación / Evaluación de riesgos ______________________________________408
5.2 Hoja de ruta de lanzamiento __________________________________________________________409
5.3 Gestión de la configuración __________________________________________________409
5.4 Organización y cambio cultural ___________________________________________410
6. Gobernanza de DW/BI_____________________________________________________411
6.1 Habilitación de la aceptación comercial ________________________________________________411
6.2 Satisfacción del Cliente/Usuario_________________________________________________412
6.3 Acuerdos de nivel de servicio ____________________________________________________412
6.4 Estrategia de informes _________________________________________________________412
6.5 Métricas ____________________________________________________________________413
7. Obras Citadas / Recomendadas ___________________________________________414

Capítulo 12: Gestión de metadatos ________________________________417

1. Introducción __________________________________________________________417
1.1 Impulsores comerciales _____________________________________________________________420
1.2 Metas y Principios________________________________________________________420
1.3 Conceptos esenciales _________________________________________________________421
2. Actividades _____________________________________________________________434
2.1 Definir la estrategia de metadatos_____________________________________________________434
2.2 Comprender los requisitos de los metadatos ___________________________________________435
2.3 Definir la arquitectura de metadatos ________________________________________________436
 CONTENIDOS•7

2.4 Crear y mantener metadatos________________________________________________438

2.5 Consultar, informar y analizar metadatos__________________________________________440
3. Herramientas _________________________________________________________________440
3.1 Herramientas de gestión del repositorio de metadatos ______________________________________440
4. Técnicas _____________________________________________________________441
4.1 Linaje de datos y análisis de impacto_____________________________________________441
4.2 Metadatos para la Ingesta de Big Data _________________________________________________443
5. Pautas de implementación________________________________________________444
5.1 Evaluación de preparación / Evaluación de riesgos ______________________________________444
5.2 Cambio Organizacional y Cultural ___________________________________________445
6. Gobernanza de metadatos ____________________________________________________445
6.1 Controles de proceso __________________________________________________________445
6.2 Documentación de soluciones de metadatos _________________________________________446
6.3 Normas y directrices sobre metadatos ___________________________________________446
6.4 Métricas ____________________________________________________________________447
7. Obras Citadas / Recomendadas_____________________________________________448

Capítulo 13: Calidad de los datos _________________________________________449

1. Introducción ___________________________________________________________449
1.1 Impulsores comerciales __________________________________________________________452
1.2 Objetivos y principios ________________________________________________________452
1.3 Conceptos esenciales _________________________________________________________453
2. Actividades _____________________________________________________________473
2.1 Definir datos de alta calidad ____________________________________________________473
2.2 Definir una estrategia de calidad de datos________________________________________________474
2.3 Identificar datos críticos y reglas comerciales ______________________________________474
2.4 Realice una evaluación inicial de la calidad de los datos_____________________________________475
2.5 Identificar y priorizar posibles mejoras _________________________________476
2.6 Definición de objetivos para la mejora de la calidad de los datos ____________________________________477
2.7 Desarrollar e implementar operaciones de calidad de datos ___________________________________477
3. Herramientas _________________________________________________________________484
3.1 Herramientas de creación de perfiles de datos ________________________________________________________485
3.2 Herramientas de consulta de datos ________________________________________________________485
3.3 Modelado y Herramientas ETL_____________________________________________________485
3.4 Plantillas de reglas de calidad de datos _________________________________________________485
3.5 Repositorios de metadatos _____________________________________________________485
4. Técnicas _____________________________________________________________486
4.1 Acciones Preventivas _________________________________________________________486
4.2 Acciones Correctivas _________________________________________________________486
4.3 Módulos de control de calidad y código de auditoría ________________________________________487
4.4 Métricas efectivas de calidad de datos ________________________________________________487
4.5 Control Estadístico de Procesos ____________________________________________________488
4.6 Análisis de causa raíz ________________________________________________________490
5. Pautas de implementación________________________________________________490
5.1 Evaluación de preparación / Evaluación de riesgos ______________________________________491
5.2 Organización y Cambio Cultural ___________________________________________492
6. Calidad de datos y gobierno de datos_________________________________________493
6.1 Política de Calidad de Datos _________________________________________________________493
6.2 Métricas ____________________________________________________________________494
8•DMBOK 2

7. Obras Citadas / Recomendadas ___________________________________________494

Capítulo 14: Big Data y ciencia de datos ______________________________497

1. Introducción __________________________________________________________497
1.1 Impulsores comerciales _____________________________________________________________498
1.2 Principios ________________________________________________________________500
1.3 Conceptos esenciales _________________________________________________________500
2. Actividades _____________________________________________________________511
2.1 Definir la estrategia de Big Data y las necesidades comerciales ___________________________________511
2.2 Elegir fuentes de datos ________________________________________________________512
2.3 Adquirir e Ingerir Fuentes de Datos_____________________________________________513
2.4 Desarrollar hipótesis y métodos de datos ________________________________________514
2.5 Integrar/alinear datos para análisis ___________________________________________514
2.6 Explorar datos usando modelos __________________________________________________514
2.7 Implementar y monitorear ________________________________________________________516
3. Herramientas ________________________________________________________________517
3.1 MPP Tecnologías y arquitectura de nada compartido _____________________________518
3.2 Bases de datos basadas en archivos distribuidos _____________________________________________519
3.3 Algoritmos en base de datos _____________________________________________________520
3.4 Soluciones de Big Data en la nube ____________________________________________________520
3.5 Computación Estadística y Lenguajes Gráficos _________________________________520
3.6 Herramientas de visualización de datos ____________________________________________________520
4. Técnicas ___________________________________________________________521
4.1 Modelado analítico__________________________________________________________521
4.2 Modelado de Big Data _________________________________________________________522
5. Pautas de implementación _______________________________________________523
5.1 Alineación de la estrategia_________________________________________________________523
5.2 Evaluación de preparación / Evaluación de riesgos ______________________________________523
5.3 Organización y Cambio Cultural ___________________________________________524
6. Gobernanza de Big Data y Data Science_____________________________________525
6.1 Gestión de Canales de Visualización ___________________________________________525
6.2 Estándares de visualización y ciencia de datos ______________________________________525
6.3 Seguridad de los datos________________________________________________________________526
6.4 Metadatos _________________________________________________________________526
6.5 Calidad de los datos _______________________________________________________________527
6.6 Métricas ____________________________________________________________________527
7. Obras Citadas / Recomendadas ___________________________________________528

Capítulo 15: Evaluación de la madurez de la gestión de datos __________________531

1. Introducción __________________________________________________________531
1.1 Impulsores comerciales _____________________________________________________________532
1.2 Metas y Principios________________________________________________________534
1.3 Conceptos esenciales _________________________________________________________534
2. Actividades _____________________________________________________________539
2.1 Actividades de evaluación del plan __________________________________________________540
2.2 Realización de la Evaluación de la Madurez________________________________________________542
2.3 Interpretación de los resultados __________________________________________________________543
2.4 Crear un programa específico para mejoras __________________________________544
2.5 Reevaluar la madurez _________________________________________________________545
 CONTENIDOS•9

3. Herramientas _________________________________________________________________545
4. Técnicas _____________________________________________________________546
4.1 Selección de un marco DMM_________________________________________________546
4.2 Uso del marco DAMA-DMBOK ______________________________________________546
5. Directrices para un DMMA __________________________________________________547
5.1 Evaluación de preparación / Evaluación de riesgos ______________________________________547
5.2 Cambio Organizacional y Cultural ___________________________________________548
6. Gobernanza de la gestión de la madurez ________________________________________548
6.1 Supervisión del proceso de DMMA ____________________________________________________548
6.2 Métricas ____________________________________________________________________548
7. Obras Citadas / Recomendadas_____________________________________________549

Capítulo 16: Organización de gestión de datos y expectativas de funciones_______551

1. Introducción ___________________________________________________________551
2. Comprender las normas culturales y organizativas existentes________________________551
3. Construcciones organizativas de gestión de datos ________________________________553
3.1 Modelo Operativo Descentralizado________________________________________________553
3.2 Modelo de funcionamiento de la red ____________________________________________________554
3.3 Modelo Operativo Centralizado_________________________________________________555
3.4 Modelo operativo híbrido ____________________________________________________556
3.5 Modelo operativo federado __________________________________________________557
3.6 Identificación del mejor modelo para una organización __________________________________557
3.7 Alternativas DMO y consideraciones de diseño ___________________________________558
4. Factores críticos de éxito __________________________________________________559
4.1 Patrocinio ejecutivo _____________________________________________________559
4.2 Visión clara ________________________________________________________________559
4.3 Gestión proactiva del cambio ________________________________________________559
4.4 Alineación de liderazgo _____________________________________________________560
4.5 Comunicación____________________________________________________________560
4.6 Participación de las partes interesadas ____________________________________________________560
4.7 Orientación y Capacitación ____________________________________________________560
4.8 Medición de la adopción _____________________________________________________561
4.9 Cumplimiento de los principios rectores _______________________________________________561
4.10 Evolución, no revolución __________________________________________________561
5. Construir la organización de gestión de datos ______________________________________562
5.1 Identificar a los participantes actuales en la gestión de datos _________________________________562
5.2 Identificar a los participantes del comité ______________________________________________562
5.3 Identificar y analizar las partes interesadas ___________________________________________563
5.4 Involucrar a las partes interesadas ____________________________________________________563
6. Interacciones entre la DMO y otros organismos orientados a datos ________________564
6.1 El director de datos________________________________________________________564
6.2 Gobierno de datos _____________________________________________________________565
6.3 Calidad de los datos ________________________________________________________________566
6.4 Arquitectura empresarial _____________________________________________________566
6.5 Gestión de una organización global ______________________________________________567
7. Funciones de gestión de datos _________________________________________________568
7.1 Roles organizacionales ________________________________________________________568
7.2 Roles individuales __________________________________________________________568
8. Obras citadas/recomendadas_____________________________________________571
1 0•DMBOK 2

Capítulo 17: Gestión de datos y gestión del cambio organizacional __573

1. Introducción __________________________________________________________573
2. Leyes del cambio ________________________________________________________574
3. No gestionar un cambio: gestionar una transición _____________________________575
4. Los ocho errores de gestión del cambio de Kotter _______________________________577
4.1 Error #1: Permitir demasiada complacencia ____________________________________577
4.2 Error n.º 2: No crear una coalición de orientación lo suficientemente poderosa ________________578
4.3 Error #3: Subestimar el poder de la visión _________________________________578
4.4 Error n.º 4: Comunicación deficiente de la visión por un factor de 10, 100 o 1000 __________579
4.5 Error #5: Permitir que los obstáculos bloqueen la visión _______________________________580
4.6 Error n.º 6: no lograr ganancias a corto plazo ___________________________________580
4.7 Error #7: Declarar la victoria demasiado pronto _________________________________________581
4.8 Error #8: Descuidar Anclar Cambios Firmemente en la Cultura Corporativa____________581
5. Proceso de ocho etapas de Kotter para un cambio importante ______________________________582
5.1 Estableciendo un Sentido de Urgencia ______________________________________________583
5.2 La Coalición de Orientadores________________________________________________________586
5.3 Desarrollo de una visión y estrategia _____________________________________________590
5.4 Comunicar la visión del cambio ___________________________________________594
6. La fórmula para el cambio_________________________________________________598
7. Difusión de innovaciones y mantenimiento del cambio _____________________________599
7.1 Los desafíos que deben superarse a medida que se difunden las innovaciones ___________________________601
7.2 Elementos clave en la difusión de la innovación ____________________________________601
7.3 Las cinco etapas de la adopción _________________________________________________601
7.4 Factores que afectan la aceptación o rechazo de una innovación o cambio ______________602
8. Mantener el cambio _____________________________________________________603
8.1 Sentido de Urgencia / Insatisfacción ___________________________________________604
8.2 Enmarcando la visión _________________________________________________________604
8.3 La Coalición de Orientadores________________________________________________________605
8.4 Ventaja relativa y observabilidad _________________________________________605
9. Comunicar el valor de la gestión de datos __________________________________605
9.1 Principios de comunicación __________________________________________________605
9.2 Evaluación y preparación de la audiencia _________________________________________606
9.3 El elemento humano________________________________________________________607
9.4 Plan de comunicación ________________________________________________________608
9.5 Siga comunicándose _______________________________________________________609
10. Obras Citadas / Recomendadas ___________________________________________609

Agradecimientos _____________________________________________611
Índice_________________________________________________________615
 Cifras
Figura 1 Principios de gestión de datos _____________________________________________________________22
Figura 2 Actividades clave del ciclo de vida de los datos _______________________________________________________________29
Figura 3 Modelo de alineación estratégica (Henderson y Venkatraman) _____________________________________34
Figura 4 Modelo de información de Amsterdam (adaptado) __________________________________________________35
Figura 5 El marco de gestión de datos DAMA-DMBOK2 (la rueda DAMA) ___________________________36
Figura 6 Hexágono de factores ambientales de DAMA ____________________________________________________36
Figura 7 Diagrama de contexto del área de conocimiento ________________________________________________________37
Figura 8 Capacidad de base de datos comprada o construida ____________________________________________________40
Figura 9 Dependencias del área funcional de DAMA _____________________________________________________41
Figura 10 Marco de la función de gestión de datos de DAMA _____________________________________________42
Figura 11 Rueda DAMA evolucionada ________________________________________________________________44
Figura 12 Diagrama de contexto: Ética en el manejo de datos ____________________________________________________50
Figura 13 Modelo de riesgo ético para proyectos de muestreo __________________________________________________64
Figura 14 Diagrama de contexto: Gobierno y administración de datos _________________________________________69
Figura 15 Gobierno y gestión de datos __________________________________________________72
Figura 16 Partes de la organización de gobierno de datos _____________________________________________________74
Figura 17 Ejemplos de marco operativo de GD empresarial _____________________________________________75
Figura 18 Puntos de contacto organizacionales de CDO________________________________________________________81
Figura 19 Un ejemplo de un marco operativo __________________________________________________83
Figura 20 Ruta de escalamiento de problemas de datos _____________________________________________________________86
Figura 21 Diagrama de contexto: arquitectura de datos _____________________________________________________100
Figura 22 Marco de Zachman simplificado________________________________________________________103
Figura 23 Modelo de datos empresariales ________________________________________________________________106
Figura 24 Ejemplo de diagrama de modelos de áreas temáticas _____________________________________________________107
Figura 25 Flujo de datos representado en una matriz ________________________________________________________108
Figura 26 Ejemplo de diagrama de flujo de datos __________________________________________________________109
Figura 27 Las dependencias de datos de las capacidades empresariales____________________________________________112
Figura 28 Diagrama de contexto: modelado y diseño de datos ______________________________________________124
Figura 29 Entidades ____________________________________________________________________129
Figura 30 Relaciones________________________________________________________________________130
Figura 31 Símbolos de Cardinalidad_________________________________________________________________131
Figura 32 Relación Unaria - Jerarquía ________________________________________________________131
Figura 33 Relación Unaria - Red _________________________________________________________131
Figura 34 Relación binaria _________________________________________________________________132
Figura 35 Relación ternaria ________________________________________________________________132
Figura 36 Claves foráneas ______________________________________________________________________133
Figura 37 Atributos ________________________________________________________________________133
Figura 38 Entidad Dependiente e Independiente _____________________________________________________134
Figura 39 Notación IE _______________________________________________________________________137
Figura 40 Notación de ejes para modelos dimensionales ____________________________________________________138
Figura 41 Modelo de clase UML ____________________________________________________________________140
Figura 42 Modelo ORM _______________________________________________________________________141
Figura 43 Modelo FCO-IM ____________________________________________________________________142
Figura 44 Modelo de la bóveda de datos ____________________________________________________________________143
Figura 45 Modelo de anclaje ____________________________________________________________________143
Figura 46 Modelo Conceptual Relacional __________________________________________________________145
Figura 47 Modelo Conceptual Dimensional ________________________________________________________146
Figura 48 Modelo de datos lógicos relacionales _________________________________________________________146
Figura 49 Modelo de datos lógicos dimensionales ________________________________________________________147
Figura 50 Modelo de datos físicos relacionales ________________________________________________________148
Figura 51 Modelo de datos físicos dimensionales________________________________________________________149
Figura 52 Relaciones de supertipo y subtipo ____________________________________________________152
Figura 53 El modelado es iterativo ________________________________________________________________153

11
1 2•DMBOK 2

Figura 54 Diagrama de contexto: almacenamiento de datos y operaciones _____________________________________________170

Figura 55 Centralizado vs. Distribuido _____________________________________________________________175
Figura 56 Bases de datos federadas ________________________________________________________________176
Figura 57 Acoplamiento__________________________________________________________________________177
Figura 58 Teorema CAP ______________________________________________________________________180
Figura 59 Espectro de organización de la base de datos ________________________________________________________184
Figura 60 Log Shipping vs. Mirroring _____________________________________________________________192
Figura 61 SLA para el rendimiento del sistema y de la base de datos ________________________________________________203
Figura 62 Fuentes de requisitos de seguridad de datos ____________________________________________________218
Figura 63 Diagrama de contexto: seguridad de datos_________________________________________________________219
Figura 64 Ejemplo de DMZ ______________________________________________________________________231
Figura 65 Diagrama de ejemplo de jerarquía de roles de seguridad ________________________________________________251
Figura 66 Diagrama de contexto: Integración e interoperabilidad de datos ______________________________________271
Figura 67 Flujo del proceso ETL ____________________________________________________________________274
Figura 68 Flujo del proceso ELT ____________________________________________________________________275
Figura 69 Acoplamiento de aplicaciones ________________________________________________________________282
Figura 70 Bus de servicios empresariales ________________________________________________________________283
Figura 71 Diagrama de Contexto: Documentos y Contenido ________________________________________________304
Figura 72 Jerarquía de documentos basada en ISO 9001-4.2 _______________________________________________317
Figura 73 Modelo de referencia de descubrimiento electrónico ____________________________________________________319
Figura 74 Modelo de referencia de gobierno de la información_________________________________________________341
Figura 75 Diagrama de Contexto: Referencia y Datos Maestros ______________________________________________348
Figura 76 Pasos clave de procesamiento para MDM _________________________________________________________361
Figura 77 Ejemplo de arquitectura de uso compartido de datos maestros ________________________________________________370
Figura 78 Proceso de solicitud de cambio de datos de referencia __________________________________________________377
Figura 79 Diagrama de contexto: DW/BI _____________________________________________________________382
Figura 80 La Fábrica de Información Corporativa______________________________________________________388
Figura 81 Almacén de datos de Kimball Piezas de ajedrez __________________________________________________390
Figura 82 Arquitectura Conceptual DW/BI y Big Data ______________________________________________391
Figura 83 Ejemplo de proceso de liberación _____________________________________________________________400
Figura 84 Diagrama de contexto: Metadatos____________________________________________________________419
Figura 85 Arquitectura de metadatos centralizados _____________________________________________________432
Figura 86 Arquitectura de metadatos distribuidos _____________________________________________________433
Figura 87 Arquitectura híbrida de metadatos_________________________________________________________434
Figura 88 Metamodelo de repositorio de metadatos de ejemplo ________________________________________________437
Figura 89 Diagrama de flujo de linaje de elementos de datos de muestra________________________________________________442
Figura 90 Diagrama de flujo del linaje del sistema de muestra ____________________________________________________442
Figura 91 Diagrama de contexto: calidad de los datos _________________________________________________________451
Figura 92 Relación entre las dimensiones de la calidad de los datos ___________________________________________460
Figura 93 Ciclo de gestión de la calidad de los datos basado en el gráfico de Shewhart ________________________________463
Figura 94 Barreras para la gestión de la información como un activo empresarial ________________________________________467
Figura 95 Gráfico de Control de un Proceso en Control Estadístico _____________________________________________489
Figura 96 Triángulo de información de reducción____________________________________________________________498
Figura 97 Diagrama de contexto: Big Data y ciencia de datos ________________________________________________499
Figura 98 Proceso de ciencia de datos ________________________________________________________________501
Figura 99 Desafíos de almacenamiento de datos ________________________________________________________________503
Figura 100 Arquitectura Conceptual DW/BI y Big Data _____________________________________________504
Figura 101 Arquitectura basada en servicios __________________________________________________________506
Figura 102 Arquitectura de dispositivos en columna _____________________________________________________519
Figura 103 Diagrama de contexto: evaluación de la madurez de la gestión de datos ___________________________________533
Figura 104 Ejemplo de modelo de madurez de gestión de datos ______________________________________________535
Figura 105 Ejemplo de una visualización de evaluación de madurez de gestión de datos_________________________537
Figura 106 Evaluar el estado actual para crear un modelo operativo _________________________________________552
Figura 107 Modelo operativo descentralizado________________________________________________________554
 FIGURAS Y TABLAS•1 3

Figura 108 Modelo operativo de la red __________________________________________________________554

Figura 109 Modelo Operativo Centralizado _________________________________________________________555
Figura 110 Modelo operativo híbrido _____________________________________________________________556
Figura 111 Modelo operativo federado __________________________________________________________557
Figura 112 Mapa de intereses de las partes interesadas ____________________________________________________564
Figura 113 Fases de transición de los puentes __________________________________________________________576
Figura 114 Proceso de ocho etapas de Kotter para cambios importantes _____________________________________________583
Figura 115 Fuentes de complacencia ________________________________________________________________585
Figura 116 La visión rompe el statu quo _____________________________________________________591
Figura 117 Contraste de gestión/liderazgo _____________________________________________________593
Figura 118 Difusión de innovaciones de Everett Rogers _________________________________________________600
Figura 119 Las Etapas de la Adopción _____________________________________________________________602

Mesas
Tabla 1 Principios del RGPD ______________________________________________________________________54
Tabla 2 Obligaciones legales de privacidad de Canadá _____________________________________________________55
Tabla 3 Criterios del programa de privacidad de los Estados Unidos _____________________________________________________55
Tabla 4 Comités/órganos típicos de gobierno de datos _______________________________________________74
Tabla 5 Principios para la contabilidad de activos de datos ________________________________________________________78
Tabla 6 Dominios de arquitectura _________________________________________________________________101
Tabla 7 Categorías de entidades comúnmente utilizadas________________________________________________________127
Tabla 8 Entidad, tipo de entidad e instancia de entidad ____________________________________________________128
Tabla 9 Esquemas de modelado y notaciones ________________________________________________________136
Tabla 10 Referencia cruzada del esquema a la base de datos_____________________________________________________137
Cuadro 11 Cuadro de mando del modelo de datos®Modelo _______________________________________________________164
Tabla 12 ÁCIDO vs BASE ______________________________________________________________________180
Tabla 13 Tabla de inventario de normas de muestra _____________________________________________________246
Tabla 14 Ejemplo de cuadrícula de asignación de funciones _________________________________________________________250
Tabla 15 Niveles de control de documentos según ANSI-859 _____________________________________________327
Tabla 16 Ejemplos de medidas de auditoría ________________________________________________________________329
Tabla 17 Lista de referencia simple ________________________________________________________________353
Tabla 18 Lista de referencia simple ampliada ________________________________________________________354
Tabla 19 Lista de referencias cruzadas _________________________________________________________________354
Tabla 20 Lista de referencia en varios idiomas _________________________________________________________354
Tabla 21 UNSPSC (Clasificación Universal de Productos y Servicios Estándar) ______________________________355
Tabla 22 NAICS (Sistema de clasificación industrial de América del Norte) ________________________________________355
Tabla 23 Atributos de metadatos de datos de referencia críticos ________________________________________________357
Tabla 24 Datos de origen recibidos por el sistema MDM________________________________________________361
Tabla 25 Datos de entrada estandarizados y enriquecidos ____________________________________________________362
Tabla 26 Identificación de Candidatos y Resolución de Identidad ___________________________________________364
Tabla 27 Ejemplo de matriz de bus DW ________________________________________________________________389
Tabla 28 Comparación de técnicas de CDC __________________________________________________________393
Tabla 29 Dimensiones comunes de la calidad de los datos_____________________________________________________458
Tabla 30 Ejemplos de métricas DQ _________________________________________________________________480
Tabla 31 Técnicas de monitoreo de la calidad de los datos _____________________________________________________481
Tabla 32 Progresión analítica ________________________________________________________________501
Tabla 33 Riesgos típicos y mitigaciones para un DMMA _________________________________________________547
Tabla 34 Fases de Transición de Puentes____________________________________________________________575
Cuadro 35 Escenarios de conformidad ________________________________________________________________578
Tabla 36 Escenarios de Declarar la Victoria Demasiado Pronto ____________________________________________________581
Tabla 37 Categorías de Difusión de Innovaciones Adaptadas a la Gestión de la Información _________________________600
Tabla 38 Las Etapas de la Adopción (Adaptado de Rogers, 1964) ________________________________________602
Tabla 39 Elementos del plan de comunicación _________________________________________________________608
 Prefacio

D
AMA International se complace en lanzar la segunda edición de la Guía DAMA para el Cuerpo de conocimiento de
gestión de datos (DAMA-DMBOK2). Desde la publicación de la primera edición en 2009, se han producido
avances significativos en el campo de la gestión de datos. El Gobierno de Datos se ha convertido en un estándar
estructura en muchas organizaciones, las nuevas tecnologías han permitido la recopilación y el uso de 'Big Data' (datos semiestructurados y

no estructurados en una amplia gama de formatos), y la importancia de la ética de los datos ha crecido junto con nuestra capacidad para

explorar y explotar la gran cantidad de datos e información producidos como parte de nuestra vida diaria.

Estos cambios son emocionantes. También imponen exigencias nuevas y crecientes a nuestra profesión. DAMA ha
respondido a estos cambios reformulando el marco de gestión de datos de DAMA (la rueda de DAMA), agregando detalles y
aclaraciones, y ampliando el alcance de DMBOK:

• Se han mejorado y actualizado los diagramas de contexto para todas las áreas de conocimiento.

• La integración e interoperabilidad de datos se ha agregado como una nueva área de conocimiento para resaltar su importancia

(Capítulo 8).

• La ética de datos se ha mencionado como un capítulo separado debido a la creciente necesidad de un enfoque ético para todos los

aspectos de la gestión de datos (Capítulo 2).

• El papel de la gobernanza ha sido descrito tanto como función (Capítulo 3) como en relación con cada Área de
Conocimiento.

• Se ha adoptado un enfoque similar con la gestión del cambio organizacional, que se describe en el Capítulo 17 y
se incorpora a los capítulos del Área de conocimiento.

• Los nuevos capítulos sobre Big Data y ciencia de datos (Capítulo 14) y Evaluación de la madurez de la gestión de datos (Capítulo 15)

ayudan a las organizaciones a comprender hacia dónde quieren ir y les brindan las herramientas para llegar allí.

• La segunda edición también incluye un conjunto de principios de gestión de datos recientemente formulados para respaldar la capacidad de

las organizaciones para gestionar sus datos de manera efectiva y obtener valor de sus activos de datos (Capítulo 1).

Esperamos que DMBOK2 sirva a los profesionales de gestión de datos de todo el mundo como un recurso y una guía valiosos. Sin

embargo, también reconocemos que es sólo un punto de partida. El avance real vendrá a medida que apliquemos y aprendamos de

estas ideas. DAMA existe para permitir que los miembros aprendan continuamente, alcompartir ideas, tendencias, problemas y

soluciones.

sue geuens Laura Sebastian-Coleman

Presidente Oficial de Publicaciones

DAMA Internacional DAMA Internacional

15
 CAPÍTULO1

Gestión de datos

1. Introducción

Cualquier organización reconoce que sus datos son un activo empresarial vital. Los datos y la información

METRO
pueden brindarles información sobre sus clientes, productos y servicios. Puede ayudarlos a innovar y alcanzar
objetivos estratégicos. A pesar de ese reconocimiento, pocas organizaciones gestionan activamente los datos
como un activo del que pueden obtener valor continuo (Evans y Price, 2012). Derivar valor de los datos no ocurre en el vacío
o por accidente. Requiere intención, planificación, coordinación y compromiso. Requiere gestión y liderazgo.

Gestión de datoses el desarrollo, ejecución y supervisión de planes, políticas, programas y prácticas que entregan,
controlan, protegen y mejoran el valor de los datos y los activos de información a lo largo de sus ciclos de vida.

AProfesional de gestión de datoses cualquier persona que trabaja en cualquier faceta de la gestión de datos (desde la gestión técnica de los

datos a lo largo de su ciclo de vida hasta garantizar que los datos se utilicen y aprovechen correctamente) para cumplir los objetivos

estratégicos de la organización. Los profesionales de gestión de datos cumplen numerosos roles, desde los altamente técnicos (p. ej.,

administradores de bases de datos, administradores de red, programadores) hasta negocios estratégicos (p. ej., administradores de datos,

estrategas de datos, directores de datos).

Las actividades de gestión de datos son muy variadas. Incluyen todo, desde la capacidad de tomar decisiones coherentes sobre cómo

obtener valor estratégico de los datos hasta la implementación técnica y el rendimiento de las bases de datos. Por lo tanto, la gestión de

datos requiere habilidades tanto técnicas como no técnicas (es decir, 'comerciales'). La responsabilidad de administrar los datos debe

compartirse entre los roles de negocios y tecnología de la información, y las personas en ambas áreas deben poder colaborar para garantizar

que una organización tenga datos de alta calidad que satisfagan sus necesidades estratégicas.

Los datos y la información no son solo activos en el sentido de que las organizaciones invierten en ellos para obtener valor futuro.

Los datos y la información también son vitales para las operaciones diarias de la mayoría de las organizaciones. Se les ha llamado la

'moneda', la 'sangre vital' e incluso el 'petróleo nuevo' de la economía de la información.1Ya sea que una organización obtenga o no

valor de su análisis, ni siquiera puede realizar transacciones comerciales sin datos.

Para apoyar a los profesionales de la gestión de datos que realizan el trabajo, DAMA International (The Data
Management Association) ha producido este libro, la segunda edición deLa guía DAMA para los datos

1Google 'datos como moneda', 'datos como sangre vital' y 'el nuevo petróleo', para numerosas referencias.

17
1 8•DMBOK 2

Cuerpo de conocimiento de gestión (DMBOK2). Esta edición se basa en la primera, publicada en 2009, que proporcionó
conocimientos básicos sobre los cuales construir a medida que la profesión avanzaba y maduraba.

Este capítulo describe un conjunto de principios para la gestión de datos. Discute los desafíos relacionados con el
seguimiento de esos principios y sugiere enfoques para enfrentar estos desafíos. El capítulo también describe el marco de
gestión de datos DAMA, que proporciona el contexto para el trabajo realizado por los profesionales de gestión de datos
dentro de varias áreas de conocimiento de gestión de datos.

1.1 Impulsores comerciales

La información y el conocimiento son la clave de la ventaja competitiva. Las organizaciones que tienen datos confiables y de alta calidad

sobre sus clientes, productos, servicios y operaciones pueden tomar mejores decisiones que aquellas que no tienen datos o que tienen datos

poco confiables. La falla en la gestión de datos es similar a la falla en la gestión del capital. Resulta en desperdicio y pérdida de

oportunidades. El impulsor principal para la gestión de datos es permitir que las organizaciones obtengan valor de sus activos de datos, al

igual que la gestión eficaz de los activos financieros y físicos permite que las organizaciones obtengan valor de esos activos.

1.2 Metas

Dentro de una organización, los objetivos de gestión de datos incluyen:

• Comprender y respaldar las necesidades de información de la empresa y sus partes interesadas, incluidos
clientes, empleados y socios comerciales.
• Capturar, almacenar, proteger y garantizar la integridad de los activos de datos

• Garantizar la calidad de los datos y la información.

• Garantizar la privacidad y confidencialidad de los datos de las partes interesadas

• Evitar el acceso, la manipulación o el uso no autorizado o inapropiado de los datos y la información

• Asegurar que los datos se puedan usar de manera efectiva para agregar valor a la empresa

2. Conceptos esenciales

2.1 Datos

Definiciones antiguas dedatosenfatizar su papel en la representación de hechos sobre el mundo.2En relación con las tecnologías de
la información,datostambién se entiende como información que ha sido almacenada en forma digital (aunque los datos son

2El New Oxford American Dictionary define los datos como “hechos y estadísticas reunidos para su análisis”. La Sociedad Estadounidense para
la Calidad (ASQ) define los datos como “un conjunto de hechos recopilados” y describe dos tipos de datos numéricos: medidos o variables y
contados o atribuidos. La Organización Internacional de Normalización (ISO) define los datos como “reinterpretables
 GESTIÓN DE DATOS•1 9

no se limita a la información que se ha digitalizado y los principios de gestión de datos se aplican a los datos capturados en papel y
en bases de datos). Aún así, debido a que hoy podemos capturar tanta información electrónicamente, llamamos 'datos' a muchas
cosas que no se habrían llamado 'datos' en épocas anteriores, cosas como nombres, direcciones, fechas de nacimiento, lo que uno
cenó el sábado, lo más libro recién comprado uno.

Dichos datos sobre personas individuales pueden agregarse, analizarse y utilizarse para obtener ganancias, mejorar la salud o

influir en las políticas públicas. Además, nuestra capacidad tecnológica para medir una amplia gama de eventos y actividades (desde

las repercusiones del Big Bang hasta nuestros propios latidos cardíacos) y para recopilar, almacenar y analizar versiones

electrónicas de cosas que antes no se consideraban datos (videos, imágenes , grabaciones de sonido, documentos) está cerca de

superar nuestra capacidad de sintetizar estos datos en información utilizable.3Para aprovechar la variedad de datos sin verse

abrumado por su volumen y velocidad, se requieren prácticas de administración de datos confiables y extensibles.

La mayoría de la gente asume que, debido a que los datos representan hechos, es una forma de verdad sobre el mundo y que los hechos

encajarán entre sí. Pero los 'hechos' no siempre son simples o directos. Los datos son un medio de representación. Representa cosas

distintas de sí mismo (Chisholm, 2010). Los datos son tanto una interpretación de los objetos que representan como un objeto que debe ser

interpretado (Sebastian-Coleman, 2013). Esta es otra forma de decir que necesitamos contexto para que los datos sean significativos. El

contexto se puede considerar como el sistema de representación de los datos; dicho sistema incluye un vocabulario común y un conjunto de

relaciones entre los componentes. Si conocemos las convenciones de dicho sistema, entonces podemos interpretar los datos dentro de él.4

Estas convenciones a menudo se documentan en un tipo específico de datos denominado Metadatos.

Sin embargo, debido a que las personas a menudo toman decisiones diferentes sobre cómo representar los conceptos, crean diferentes

formas de representar los mismos conceptos. A partir de estas elecciones, los datos adquieren diferentes formas. Piense en la variedad de

formas que tenemos para representar las fechas del calendario, un concepto sobre el cual existe una definición acordada. Ahora considere

conceptos más complejos (como cliente o producto), donde la granularidad y el nivel de detalle de lo que se necesita representar no siempre

es evidente, y el proceso de representación se vuelve más complejo, al igual que el proceso de gestión de esa información. tiempo

extraordinario. (Ver Capítulo 10).

Incluso dentro de una sola organización, a menudo hay múltiples formas de representar la misma idea. De ahí la necesidad de arquitectura

de datos, modelado, gobierno y administración, y gestión de calidad de datos y metadatos, todo lo cual ayuda a las personas a comprender y

utilizar los datos. En todas las organizaciones, el problema de la multiplicidad se multiplica. De ahí la necesidad de estándares de datos a nivel

de la industria que puedan aportar más coherencia a los datos.

Las organizaciones siempre han necesitado administrar sus datos, pero los cambios en la tecnología han ampliado el alcance de esta

necesidad de administración, ya que han cambiado la comprensión de las personas sobre qué son los datos. Estos cambios han permitido a

las organizaciones utilizar los datos de nuevas formas para crear productos, compartir información, crear conocimiento y mejorar

representación de información de una manera formalizada adecuada para la comunicación, interpretación o procesamiento” (ISO 11179).
Esta definición enfatiza la naturaleza electrónica de los datos y asume, correctamente, que los datos requieren estándares porque se
gestionan a través de sistemas de tecnología de la información. Dicho esto, no habla de los desafíos de formalizar datos de manera
consistente, en sistemas dispares. Tampoco explica bien el concepto de datos no estructurados.

3[Link] (Consultado el 04-12-20016). [Link] (Consultado el 04-12-20016).

4Para obtener información adicional sobre la construcción de los datos, consulte: Kent,Datos y Realidad(2012) y Devlin,Falta de inteligencia

empresarial(2013).
2 0•DMBOK 2

éxito organizacional. Pero el rápido crecimiento de la tecnología y, con ella, la capacidad humana para producir, capturar y extraer datos en busca de

significado ha intensificado la necesidad de gestionar los datos de forma eficaz.

2.2 Datos e Información

Mucha tinta se ha derramado sobre la relación entre datos e información. Los datos han sido llamados la “materia prima de la
información” y la información ha sido llamada “datos en contexto”.5A menudo, se utiliza una pirámide en capas para describir la
relación entre los datos (en la base), la información, el conocimiento y la sabiduría (en la parte superior). Si bien la pirámide puede
ser útil para describir por qué los datos deben administrarse bien, esta representación presenta varios desafíos para la
administración de datos.

• Se basa en la suposición de que los datos simplemente existen. Pero los datos simplemente no existen. Los datos tienen que ser

creados.

• Al describir una secuencia lineal de datos a través de la sabiduría, no reconoce que se necesita conocimiento para crear
datos en primer lugar.

• Implica que los datos y la información son cosas separadas, cuando en realidad, los dos conceptos están entrelazados y

dependen el uno del otro. Los datos son una forma de información y la información es una forma de datos.

Dentro de una organización, puede ser útil trazar una línea entre la información y los datos a efectos de una comunicación clara
sobre los requisitos y expectativas de los diferentes usos por parte de las distintas partes interesadas. (“Aquí hay un informe de
ventas del último trimestre [información]. Se basa en datos de nuestro almacén de datos [datos]. El próximo trimestre, estos
resultados [datos] se utilizarán para generar nuestras medidas de desempeño trimestre tras trimestre [información ]”). Reconocer
que los datos y la información deben estar preparados para diferentes propósitos destaca un principio central de la gestión de
datos: tanto los datos como la información deben gestionarse. Ambos serán de mayor calidad si se gestionan conjuntamente
teniendo en cuenta los usos y los requisitos del cliente. En todo el DMBOK, los términos se usarán indistintamente.

2.3 Los datos como un activo organizacional

Unactivoes un recurso económico, que se puede poseer o controlar, y que tiene o produce valor. Los activos se pueden convertir en dinero. Los datos

son ampliamente reconocidos como un activo empresarial, aunque la comprensión de lo que significa administrar los datos como un activo aún está

evolucionando. A principios de la década de 1990, algunas organizaciones consideraron cuestionable si el valor de la buena voluntad debería tener un

valor monetario. Ahora, el 'valor de la buena voluntad' comúnmente aparece como un elemento en el estado de pérdidas y ganancias (P&L). Del mismo

modo, aunque no se adopta universalmente, la monetización de datos se está volviendo cada vez más común. No pasará mucho tiempo antes de que

veamos esto como una característica de las pérdidas y ganancias. (Consulte el Capítulo 3.)

Las organizaciones de hoy confían en sus activos de datos para tomar decisiones más efectivas y operar de manera más eficiente. Las

empresas usan datos para comprender a sus clientes, crear nuevos productos y servicios y mejorar la eficiencia operativa mediante la

reducción de costos y el control de riesgos. Agencias gubernamentales, instituciones educativas y organizaciones sin fines de lucro

5Véase Inglés, 1999 y DAMA, 2009.

 GESTIÓN DE DATOS•2 1

las organizaciones también necesitan datos de alta calidad para guiar sus actividades operativas, tácticas y estratégicas. A medida que las

organizaciones dependen cada vez más de los datos, el valor de los activos de datos se puede establecer con mayor claridad.

Muchas organizaciones se identifican a sí mismas como 'basadas en datos'. Las empresas que aspiran a seguir siendo competitivas deben

dejar de tomar decisiones basadas en instintos o instintos y, en su lugar, utilizar activadores de eventos y aplicar análisis para obtener

información procesable. Ser impulsado por los datos incluye el reconocimiento de que los datos deben administrarse de manera eficiente y

con disciplina profesional, a través de una asociación de liderazgo comercial y experiencia técnica.

Además, el ritmo actual de los negocios significa que el cambio ya no es opcional; la disrupción digital es la norma. Para reaccionar
ante esto, las empresas deben cocrear soluciones de información con profesionales de datos técnicos que trabajan junto con sus
contrapartes de línea de negocios. Deben planificar cómo obtener y administrar los datos que saben que necesitan para respaldar
la estrategia empresarial. También deben posicionarse para aprovechar las oportunidades de aprovechar los datos de nuevas
formas.

2.4 Principios de gestión de datos

La gestión de datos comparte características con otras formas de gestión de activos, como se ve en la Figura 1. Implica saber qué datos tiene

una organización y qué se puede lograr con ellos, y luego determinar la mejor manera de utilizar los activos de datos para alcanzar los

objetivos de la organización.

Al igual que otros procesos de gestión, debe equilibrar las necesidades estratégicas y operativas. La mejor manera de alcanzar este equilibrio es seguir

un conjunto de principios que reconozcan las características más destacadas de la gestión de datos y guíen la práctica de la gestión de datos.

• Los datos son un activo con propiedades únicas: Los datos son un activo, pero se diferencian de otros activos en aspectos

importantes que influyen en cómo se gestionan. La más obvia de estas propiedades es que los datos no se consumen cuando

se utilizan, al igual que los activos financieros y físicos.

• El valor de los datos puede y debe expresarse en términos económicos: Llamar a los datos un activo implica que
tienen valor. Si bien existen técnicas para medir el valor cualitativo y cuantitativo de los datos, aún no existen estándares
para hacerlo. Las organizaciones que desean tomar mejores decisiones sobre sus datos deben desarrollar formas
coherentes de cuantificar ese valor. También deben medir tanto los costos de los datos de baja calidad como los
beneficios de los datos de alta calidad.

• Gestionar datos significa gestionar la calidad de los datos.: Garantizar que los datos sean adecuados para su propósito es un objetivo

principal de la gestión de datos. Para gestionar la calidad, las organizaciones deben asegurarse de comprender los requisitos de calidad

de las partes interesadas y medir los datos con respecto a estos requisitos.

• Se necesitan metadatos para administrar los datos: Gestionar cualquier activo requiere tener datos sobre ese activo (número de

empleados, códigos contables, etc.). Los datos utilizados para gestionar y utilizar los datos se denominanMetadatos. Debido a que los datos

no se pueden sostener ni tocar, comprender qué son y cómo usarlos requiere definición y conocimiento en forma de metadatos. Los

metadatos se originan a partir de una variedad de procesos relacionados con la creación, el procesamiento y el uso de datos, incluida la

arquitectura, el modelado, la administración, el gobierno, la gestión de la calidad de los datos, el desarrollo de sistemas, las operaciones

comerciales y de TI y el análisis.
2 2•DMBOK 2

DATOS
Los datos son valiosos
ADMINISTRACIÓN
PRINCIPIOS
• •Los datos son un activo
con propiedades únicas
Datos efectivos • El valor de los datos puede
la gerencia requiere y debe expresarse en
liderazgo términos económicos
compromiso

Los requisitos de gestión de datos son requisitos comerciales•

• Gestionar datos significa gestionar la calidad de los datos.

• Se necesitan metadatos para administrar los datos

• Se necesita planificación para administrar los datos

• Los requisitos de gestión de datos deben impulsar

las decisiones de tecnología de la información

La gestión de datos depende de diversas habilidades

• L• a gestión de datos es multifuncional

• La gestión de datos requiere una perspectiva
empresarial
• La gestión de datos debe tener en cuenta una variedad de
perspectivas

La gestión de datos es la gestión del ciclo de vida

• Diferentes tipos de datos tienen diferentes características

de ciclo de vida
• La gestión de datos incluye la gestión de los riesgos
asociados con los datos

Figura 1 Principios de gestión de datos

• Se necesita planificación para administrar los datos: Incluso las organizaciones pequeñas pueden tener entornos técnicos y de

procesos empresariales complejos. Los datos se crean en muchos lugares y se mueven entre lugares para su uso. Para coordinar el

trabajo y mantener alineados los resultados finales se requiere una planificación desde una perspectiva arquitectónica y de procesos.

• La gestión de datos es multifuncional; requiere una variedad de habilidades y experiencia: Un solo equipo no puede
administrar todos los datos de una organización. La gestión de datos requiere habilidades técnicas y no técnicas y la
capacidad de colaborar.

• La gestión de datos requiere una perspectiva empresarial: La gestión de datos tiene aplicaciones locales, pero debe

aplicarse en toda la empresa para que sea lo más eficaz posible. Esta es una de las razones por las que la gestión de datos y el

gobierno de datos están entrelazados.

• La gestión de datos debe tener en cuenta una variedad de perspectivas: Los datos son fluidos. La gestión de datos debe evolucionar

constantemente para mantenerse al día con las formas en que se crean y utilizan los datos y los consumidores de datos que los utilizan.
 GESTIÓN DE DATOS•2 3

• La gestión de datos es la gestión del ciclo de vida: Los datos tienen un ciclo de vida y administrar datos requiere administrar su ciclo de

vida. Debido a que los datos engendran más datos, el ciclo de vida de los datos en sí puede ser muy complejo. Las prácticas de gestión de

datos deben tener en cuenta el ciclo de vida de los datos.

• Diferentes tipos de datos tienen diferentes características de ciclo de vida: Y por esta razón, tienen diferentes requisitos de

gestión. Las prácticas de gestión de datos deben reconocer estas diferencias y ser lo suficientemente flexibles para cumplir con

los diferentes tipos de requisitos del ciclo de vida de los datos.

• La gestión de datos incluye la gestión de los riesgos asociados con los datos: Además de ser un activo, los datos también representan un riesgo

para una organización. Los datos pueden perderse, ser robados o mal utilizados. Las organizaciones deben considerar las implicaciones éticas de

sus usos de los datos. Los riesgos relacionados con los datos deben gestionarse como parte del ciclo de vida de los datos.

• Los requisitos de gestión de datos deben impulsar las decisiones de tecnología de la información: Los datos y la gestión de datos

están profundamente entrelazados con la tecnología de la información y la gestión de la tecnología de la información. La gestión de

datos requiere un enfoque que asegure que la tecnología sirve, en lugar de impulsar, las necesidades estratégicas de datos de una

organización.

• La gestión eficaz de datos requiere un compromiso de liderazgo: La gestión de datos involucra un conjunto
complejo de procesos que, para ser efectivos, requieren coordinación, colaboración y compromiso. Llegar allí requiere
no solo habilidades de gestión, sino también la visión y el propósito que provienen de un liderazgo comprometido.

2.5 Desafíos de la gestión de datos

Debido a que la gestión de datos tiene características distintas derivadas de las propiedades de los datos en sí, también
presenta desafíos al seguir estos principios. Los detalles de estos desafíos se discuten en las Secciones 2.5.1 a 2.5.13.
Muchos de estos desafíos se refieren a más de un principio.

2.5.1 Los datos difieren de otros activos6

Los activos físicos se pueden señalar, tocar y mover. Pueden estar en un solo lugar a la vez. Los activos financieros deben contabilizarse en un

balance. Sin embargo, los datos son diferentes. Los datos no son tangibles. Sin embargo, es duradero; no se desgasta, aunque el valor de los

datos a menudo cambia a medida que envejece. Los datos son fáciles de copiar y transportar. Pero no es fácil de reproducir si se pierde o se

destruye. Debido a que no se consume cuando se usa, incluso se puede robar sin desaparecer. Los datos son dinámicos y se pueden utilizar

para múltiples propósitos. Los mismos datos pueden incluso ser utilizados por varias personas al mismo tiempo, algo que es imposible con

activos físicos o financieros. Muchos usos de los datos engendran más datos. La mayoría de las organizaciones deben administrar volúmenes

crecientes de datos y la relación entre conjuntos de datos.

6Estasección se deriva de Redman, [Link] de datos para la era de la información(1996) págs. 41-42, 232-36; yBasado en datos
(2008), Capítulo uno, “Las maravillosas y peligrosas propiedades de los datos y la información”.
2 4•DMBOK 2

Estas diferencias hacen que sea difícil asignar un valor monetario a los datos. Sin este valor monetario, es difícil medir cómo los datos

contribuyen al éxito organizacional. Estas diferencias también plantean otros problemas que afectan la gestión de datos, como la definición

de la propiedad de los datos, el inventario de la cantidad de datos que tiene una organización, la protección contra el uso indebido de los

datos, la gestión del riesgo asociado con la redundancia de datos y la definición y aplicación de estándares para la calidad de los datos.

A pesar de los desafíos de medir el valor de los datos, la mayoría de las personas reconoce que los datos, de hecho, tienen valor. Los datos de

una organización son únicos en sí mismos. Si los datos únicos de la organización (como listas de clientes, inventarios de productos o historial

de reclamos) se perdieran o destruyeran, reemplazarlos sería imposible o extremadamente costoso. Los datos también son el medio por el

cual una organización se conoce a sí misma: es un metaactivo que describe otros activos. Como tal, proporciona la base para la comprensión

organizacional.

Dentro y entre organizaciones, los datos y la información son esenciales para realizar negocios. La mayoría de las transacciones comerciales

operativas implican el intercambio de información. La mayor parte de la información se intercambia electrónicamente, creando un rastro de

datos. Este rastro de datos puede servir para propósitos además de marcar los intercambios que han tenido lugar. Puede proporcionar

información sobre cómo funciona una organización.

Debido al importante papel que desempeñan los datos en cualquier organización, es necesario administrarlos con cuidado.

2.5.2 Valoración de datos

Valores la diferencia entre el costo de una cosa y el beneficio derivado de esa cosa. Para algunos activos, como las acciones,
calcular el valor es fácil. Es la diferencia entre lo que costaba la acción cuando se compró y por lo que se vendió. Pero para
los datos, estos cálculos son más complicados, porque ni los costos ni los beneficios de los datos están estandarizados.

Dado que los datos de cada organización son únicos en sí mismos, un enfoque para la valoración de datos debe comenzar por articular categorías

generales de costos y beneficios que se puedan aplicar de manera consistente dentro de una organización. Las categorías de muestra incluyen7:

• Costo de obtener y almacenar datos

• Costo de reemplazar los datos si se pierden

• Impacto en la organización si faltan datos

• Costo de la mitigación del riesgo y costo potencial de los riesgos asociados con los datos

• Costo de mejorar los datos

• Beneficios de datos de mayor calidad

• Lo que la competencia pagaría por los datos

• Para qué se podrían vender los datos

• Ingresos esperados de los usos innovadores de los datos

7Mientras DMBOK2 se preparaba para ir a la imprenta, otro medio de valorar los datos estaba en las noticias: el ataque de ransomware Wannacry (17 de
mayo de 2017) afectó a más de 100 000 organizaciones en 150 países. Los culpables usaron el software para mantener los datos como rehenes hasta
que las víctimas pagaron un rescate para liberar sus datos. [Link]
 GESTIÓN DE DATOS•2 5

Un desafío principal para la valoración de activos de datos es que el valor de los datos es contextual (lo que es valioso para una organización

puede no serlo para otra) y, a menudo, temporal (lo que era valioso ayer puede no serlo hoy). Dicho esto, dentro de una organización, es

probable que ciertos tipos de datos sean valiosos de manera constante a lo largo del tiempo. Tome información confiable del cliente, por

ejemplo. La información del cliente puede incluso volverse más valiosa con el tiempo, a medida que se acumulan más datos relacionados con

la actividad del cliente.

En relación con la gestión de datos, es fundamental establecer formas de asociar el valor financiero con los datos, ya que las organizaciones

necesitan comprender los activos en términos financieros para poder tomar decisiones coherentes. Poner valor a los datos se convierte en la

base de poner valor a las actividades de gestión de datos.8El proceso de valoración de datos también se puede utilizar como medio de gestión

del cambio. Pedir a los profesionales de la gestión de datos y a las partes interesadas a las que apoyan que entiendan el significado financiero

de su trabajo puede ayudar a una organización a transformar su comprensión de sus propios datos y, a través de eso, su enfoque de la

gestión de datos.

2.5.3 Calidad de los datos

Garantizar que los datos sean de alta calidad es fundamental para la gestión de datos. Las organizaciones administran sus datos porque quieren usarlos. Si no

pueden confiar en él para satisfacer las necesidades comerciales, entonces se desperdicia el esfuerzo de recopilar, almacenar, asegurar y permitir el acceso a él. Para

garantizar que los datos satisfagan las necesidades comerciales, deben trabajar con los consumidores de datos para definir estas necesidades, incluidas las

características que hacen que los datos sean de alta calidad.

En gran parte debido a que los datos se han asociado tan estrechamente con la tecnología de la información, históricamente la gestión de la

calidad de los datos se ha tratado como una idea de último momento. Los equipos de TI a menudo desdeñan los datos que se supone que

deben almacenar los sistemas que crean. Probablemente fue un programador quien observó por primera vez "basura que entra, basura que

sale", y que sin duda quería dejarlo así. Pero las personas que quieren usar los datos no pueden darse el lujo de despreciar la calidad. Por lo

general, asumen que los datos son confiables y confiables, hasta que tienen una razón para dudar de estas cosas. Una vez que pierden la

confianza, es difícil recuperarla.

La mayoría de los usos de los datos implican aprender de ellos para aplicar ese aprendizaje y crear valor. Los ejemplos incluyen
comprender los hábitos de los clientes para mejorar un producto o servicio y evaluar el desempeño organizacional o las tendencias
del mercado para desarrollar una mejor estrategia comercial, etc. Los datos de mala calidad tendrán un impacto negativo en estas
decisiones.

Igualmente importante, los datos de baja calidad son simplemente costosos para cualquier organización. Las estimaciones difieren, pero los expertos creen que las

organizaciones gastan entre el 10 y el 30 % de los ingresos en el manejo de problemas de calidad de datos. IBM estimó que el costo de los datos de mala calidad en

los EE. UU. en 2016 fue de 3,1 billones de dólares.9Muchos de los costos de los datos de mala calidad están ocultos, son indirectos y, por lo tanto, son difíciles de

medir. Otros, como las multas, son directos y fáciles de calcular. Los costos provienen de:

• Chatarra y reelaboración

• Soluciones alternativas y procesos de corrección ocultos

8Para estudios de casos y ejemplos, consulte Aiken y Billings,Monetización de la gestión de datos(2014).

9Reportado en Redman, Thomas. "Los datos incorrectos cuestan US $ 3 billones por año". Revisión de negocios de Harvard. 22 de septiembre de 2016.
[Link]
2 6•DMBOK 2

• Ineficiencias organizacionales o baja productividad

• Conflicto organizacional
• Baja satisfacción laboral

• insatisfacción del cliente

• Costos de oportunidad, incluida la incapacidad para innovar

• Costos de cumplimiento o multas

• costos reputacionales

Los beneficios correspondientes de los datos de alta calidad incluyen:

• Experiencia del cliente mejorada

• Mayor productividad
• Riesgo reducido

• Capacidad para actuar sobre las oportunidades.

• Mayores ingresos
• Ventaja competitiva obtenida a partir de conocimientos sobre clientes, productos, procesos y oportunidades.

Como implican estos costos y beneficios, administrar la calidad de los datos no es un trabajo de una sola vez. Producir datos de alta calidad

requiere planificación, compromiso y una mentalidad que genere calidad en los procesos y sistemas. Todas las funciones de gestión de datos

pueden influir en la calidad de los datos, para bien o para mal, por lo que todas deben tenerlo en cuenta al ejecutar su trabajo. (Ver Capítulo

13).

2.5.4 Planificación para mejores datos

Como se indicó en la introducción del capítulo, la obtención de valor a partir de los datos no ocurre por accidente. Requiere
planificación en muchas formas. Comienza con el reconocimiento de que las organizaciones pueden controlar cómo obtienen y
crean datos. Si ven los datos como un producto que crean, tomarán mejores decisiones al respecto a lo largo de su ciclo de vida.
Estas decisiones requieren un pensamiento sistémico porque implican:

• Las formas en que los datos conectan los procesos comerciales que, de lo contrario, podrían verse como separados.

• La relación entre los procesos de negocio y la tecnología que los soporta.

• El diseño y la arquitectura de los sistemas y los datos que producen y almacenan
• Las formas en que se pueden usar los datos para avanzar en la estrategia organizacional

La planificación para obtener mejores datos requiere un enfoque estratégico de la arquitectura, el modelado y otras funciones de diseño.

También depende de la colaboración estratégica entre el negocio y el liderazgo de TI. Y, por supuesto, depende de la capacidad de ejecutar

proyectos individuales de manera efectiva.

El desafío es que, por lo general, existen presiones organizacionales, así como las perennes presiones de tiempo y dinero, que se interponen

en el camino de una mejor planificación. Las organizaciones deben equilibrar los objetivos a corto y largo plazo a medida que ejecutan sus

estrategias. Tener claridad sobre las ventajas y desventajas conduce a mejores decisiones.
 GESTIÓN DE DATOS•2 7

2.5.5 Gestión de datos y metadatos

Las organizaciones requieren metadatos confiables para administrar los datos como un activo. Los metadatos en este sentido deben

entenderse de manera integral. Incluye no solo los metadatos comerciales, técnicos y operativos descritos en el Capítulo 12, sino también los

metadatos integrados en la arquitectura de datos, modelos de datos, requisitos de seguridad de datos, estándares de integración de datos y

procesos operativos de datos. (Consulte los Capítulos 4 a 11).

Los metadatos describen qué datos tiene una organización, qué representan, cómo se clasifican, de dónde provienen, cómo se mueven

dentro de la organización, cómo evolucionan a través del uso, quién puede y quién no puede usarlos y si son de alta calidad. Los datos son

abstractos. Las definiciones y otras descripciones del contexto permiten su comprensión. Hacen que los datos, el ciclo de vida de los datos y

los sistemas complejos que contienen datos sean comprensibles.

El desafío es que los metadatos son una forma de datos y deben gestionarse como tales. Las organizaciones que no administran
bien sus datos generalmente no administran sus metadatos en absoluto. La gestión de metadatos a menudo proporciona un punto
de partida para las mejoras en la gestión de datos en general.

2.5.6 La gestión de datos es multifuncional

La gestión de datos es un proceso complejo. Los datos se gestionan en diferentes lugares dentro de una organización por equipos que tienen la

responsabilidad de las diferentes fases del ciclo de vida de los datos. La gestión de datos requiere habilidades de diseño para planificar sistemas,

habilidades altamente técnicas para administrar hardware y crear software, habilidades de análisis de datos para comprender cuestiones y problemas,

habilidades analíticas para interpretar datos, habilidades lingüísticas para llegar a un consenso sobre definiciones y modelos, así como pensamiento

estratégico. para ver oportunidades para servir a los clientes y cumplir los objetivos.

El desafío es hacer que las personas con esta gama de habilidades y perspectivas reconozcan cómo encajan las piezas para que
colaboren bien mientras trabajan hacia objetivos comunes.

2.5.7 Establecimiento de una perspectiva empresarial

La gestión de datos requiere comprender el alcance y el rango de datos dentro de una organización. Los datos son uno de los 'horizontales'

de una organización. Se mueve a través de verticales, como ventas, marketing y operaciones... O al menos debería hacerlo. Los datos no solo

son exclusivos de una organización; a veces es exclusivo de un departamento u otra subparte de una organización. Debido a que los datos a

menudo se ven simplemente como un subproducto de los procesos operativos (por ejemplo, los registros de transacciones de ventas son el

subproducto del proceso de venta), no siempre se planifican más allá de la necesidad inmediata.

Incluso dentro de una organización, los datos pueden ser dispares. Los datos se originan en múltiples lugares dentro de una organización. Diferentes

departamentos pueden tener diferentes formas de representar el mismo concepto (por ejemplo, cliente, producto, proveedor). Como cualquier persona

involucrada en un proyecto de integración de datos o de gestión de datos maestros puede atestiguar, las diferencias sutiles (o flagrantes) en las

opciones de representación presentan desafíos en la gestión de datos en una organización. Al mismo tiempo, las partes interesadas asumen que los

datos de una organización deben ser coherentes, y un objetivo de la gestión de datos es hacer que encajen en formas de sentido común para que

puedan ser utilizados por una amplia gama de consumidores de datos.

2 8•DMBOK 2

Una de las razones por las que el gobierno de datos se ha vuelto cada vez más importante es ayudar a las organizaciones a tomar decisiones sobre los datos en

todas las verticales. (Consulte el Capítulo 3.)

2.5.8 Contabilización de otras perspectivas

Las organizaciones actuales utilizan datos que crean internamente, así como datos que obtienen de fuentes externas. Deben tener en cuenta

los diferentes requisitos legales y de cumplimiento en todas las líneas nacionales e industriales. Las personas que crean datos a menudo

olvidan que alguien más usará esos datos más tarde. El conocimiento de los usos potenciales de los datos permite una mejor planificación del

ciclo de vida de los datos y, con ello, datos de mejor calidad. Los datos también pueden ser mal utilizados. La contabilización de este riesgo

reduce la probabilidad de uso indebido.

2.5.9 El ciclo de vida de los datos

Al igual que otros activos, los datos tienen un ciclo de vida. Para administrar de manera efectiva los activos de datos, las organizaciones

deben comprender y planificar el ciclo de vida de los datos. Los datos bien gestionados se gestionan estratégicamente, con una visión de

cómo la organización utilizará sus datos. Una organización estratégica definirá no solo sus requisitos de contenido de datos, sino también sus

requisitos de gestión de datos. Estos incluyen políticas y expectativas de uso, calidad, controles y seguridad; un enfoque empresarial de la

arquitectura y el diseño; y un enfoque sostenible tanto para la infraestructura como para el desarrollo de software.

El ciclo de vida de los datos se basa en el ciclo de vida del producto. No debe confundirse con el ciclo de vida de desarrollo de sistemas.

Conceptualmente, el ciclo de vida de los datos es fácil de describir (consulte la Figura 2). Incluye los procesos que crean u obtienen datos, los

que los mueven, transforman y almacenan y permiten mantenerlos y compartirlos, y los que los utilizan o aplican, así como los que disponen

de ellos.10A lo largo de su ciclo de vida, los datos pueden limpiarse, transformarse, fusionarse, mejorarse o agregarse. A medida que se usan

o mejoran los datos, a menudo se crean nuevos datos, por lo que el ciclo de vida tiene iteraciones internas que no se muestran en el

diagrama. Los datos rara vez son estáticos. La gestión de datos implica un conjunto de procesos interconectados alineados con el ciclo de

vida de los datos.

Los detalles del ciclo de vida de los datos dentro de una organización dada pueden ser bastante complicados, porque los datos no
solo tienen un ciclo de vida, también tienen un linaje (es decir, un camino a lo largo del cual se mueven desde su punto de origen
hasta su punto de uso, a veces llamado elcadena de datos). Comprender el linaje de los datos requiere documentar el origen de los
conjuntos de datos, así como su movimiento y transformación a través de los sistemas donde se accede a ellos y se utilizan. El ciclo
de vida y el linaje se cruzan y pueden entenderse en relación el uno con el otro. Cuanto mejor entienda una organización el ciclo de
vida y el linaje de sus datos, mejor podrá gestionarlos.

El enfoque de la gestión de datos en el ciclo de vida de los datos tiene varias implicaciones importantes:

• La creación y el uso son los puntos más críticos en el ciclo de vida de los datos: La gestión de datos debe ejecutarse con una

comprensión de cómo se producen u obtienen los datos, así como también cómo se utilizan los datos. Cuesta dinero producir

datos. Los datos son valiosos solo cuando se consumen o aplican. (Consulte los capítulos 5, 6, 8, 11 y 14).

10Consulte McGilvray (2008) e English (1999) para obtener información sobre el ciclo de vida y los datos del producto.
 GESTIÓN DE DATOS•2 9

Diseño & Crear /

Plan
Habilitar Obtener

Tienda /
Mejorar Utilizar
Mantener

Disponer de

Figura 2 Actividades clave del ciclo de vida de los datos

• La calidad de los datos debe gestionarse a lo largo del ciclo de vida de los datos: La gestión de calidad de datos es fundamental para la

gestión de datos. Los datos de baja calidad representan costo y riesgo, en lugar de valor. A las organizaciones a menudo les resulta difícil

administrar la calidad de los datos porque, como se describió anteriormente, los datos a menudo se crean como un subproducto o

procesos operativos y las organizaciones a menudo no establecen estándares explícitos de calidad. Debido a que la calidad de la calidad

puede verse afectada por una variedad de eventos del ciclo de vida, la calidad debe planificarse como parte del ciclo de vida de los datos

(consulte el Capítulo 13).

• La calidad de los metadatos debe gestionarse a lo largo del ciclo de vida de los datos: Debido a que los metadatos son una forma de datos, y

debido a que las organizaciones dependen de ellos para administrar otros datos, la calidad de los metadatos debe administrarse de la misma manera

que la calidad de otros datos (consulte el Capítulo 12).

• La seguridad de los datos debe gestionarse durante todo el ciclo de vida de los datos: La gestión de datos también incluye garantizar

que los datos estén seguros y que se mitiguen los riesgos asociados con los datos. Los datos que requieren protección deben protegerse

a lo largo de su ciclo de vida, desde la creación hasta la eliminación (consulte el Capítulo 7 Seguridad de los datos).

• Los esfuerzos de gestión de datos deben centrarse en los datos más críticos: Las organizaciones producen una gran cantidad

de datos, una gran parte de los cuales nunca se utiliza realmente. No es posible tratar de gestionar todos los datos. La gestión del

ciclo de vida requiere centrarse en los datos más críticos de una organización y minimizar los datos ROT (datos redundantes,

obsoletos, triviales) (Aiken, 2014).

2.5.10 Diferentes tipos de datos

La gestión de datos se complica más por el hecho de que existen diferentes tipos de datos que tienen diferentes requisitos
de gestión del ciclo de vida. Cualquier sistema de gestión necesita clasificar los objetos que se gestionan. Datos
3 0•DMBOK 2

se pueden clasificar por tipo de datos (p. ej., datos transaccionales, datos de referencia, datos maestros, metadatos; alternativamente, datos de

categorías, datos de recursos, datos de eventos, datos detallados de transacciones) o por contenido (p. ej., dominios de datos, áreas temáticas) o por

formato o por el nivel de protección que requieren los datos. Los datos también se pueden clasificar por cómo y dónde se almacenan o se accede a ellos.

(Consulte los capítulos 5 y 10).

Debido a que diferentes tipos de datos tienen diferentes requisitos, están asociados con diferentes riesgos y juegan
diferentes roles dentro de una organización, muchas de las herramientas de gestión de datos se centran en aspectos de
clasificación y control (Bryce, 2005). Por ejemplo, Master Data tiene diferentes usos y, en consecuencia, diferentes requisitos
de gestión que los datos transaccionales. (Consulte los capítulos 9, 10, 12 y 14).

2.5.11 Datos y riesgo

Los datos no solo representan valor, también representan riesgo. Los datos de baja calidad (inexactos, incompletos o desactualizados) obviamente

representan un riesgo porque su información no es correcta. Pero los datos también son riesgosos porque pueden ser malinterpretados y mal

utilizados.

Las organizaciones obtienen el máximo valor de los datos de la más alta calidad: disponibles, relevantes, completos, precisos, consistentes,

oportunos, utilizables, significativos y entendidos. Sin embargo, para muchas decisiones importantes, tenemos vacíos de información: la

diferencia entre lo que sabemos y lo que necesitamos saber para tomar una decisión efectiva. Las brechas de información representan

responsabilidades empresariales con impactos potencialmente profundos en la efectividad y rentabilidad operativas. Las organizaciones que

reconocen el valor de los datos de alta calidad pueden tomar medidas concretas y proactivas para mejorar la calidad y la usabilidad de los

datos y la información dentro de los marcos culturales normativos y éticos.

El papel cada vez mayor de la información como un activo organizacional en todos los sectores ha llevado a que los reguladores y
legisladores se centren cada vez más en los posibles usos y abusos de la información. Desde Sarbanes-Oxley (centrándose en los
controles sobre la precisión y validez de los datos de transacciones financieras desde la transacción hasta el balance) a Solvencia II
(centrándose en el linaje de datos y la calidad de los datos que sustentan los modelos de riesgo y la suficiencia de capital en el
sector de seguros), hasta el rápido crecimiento En la última década de regulaciones de privacidad de datos (que cubren el
procesamiento de datos sobre personas en una amplia gama de industrias y jurisdicciones), está claro que, mientras todavía
estamos esperando que Contabilidad incluya la información en el balance general como un activo, el el entorno regulatorio espera
cada vez más verlo en el registro de riesgos,

Del mismo modo, a medida que los consumidores se vuelven más conscientes de cómo se utilizan sus datos, esperan no solo un funcionamiento más

fluido y eficiente de los procesos, sino también la protección de su información y el respeto de su privacidad. Esto significa que el alcance de quiénes son

nuestras partes interesadas estratégicas como profesionales de la gestión de datos a menudo puede ser más amplio de lo que podría haber sido

tradicionalmente. (Consulte los Capítulos 2 Ética en el manejo de datos y 7 Seguridad de los datos).

Desafortunadamente, cada vez más, el impacto de la gestión de la información en el balance surge con demasiada frecuencia cuando estos

riesgos no se gestionan y los accionistas votan con sus carteras de acciones, los reguladores imponen multas o restricciones a las

operaciones y los clientes votan con sus billeteras.

 GESTIÓN DE DATOS•3 1

2.5.12 Gestión y tecnología de datos

Como se señaló en la introducción del capítulo y en otros lugares, las actividades de gestión de datos son muy variadas y requieren

habilidades tanto técnicas como comerciales. Debido a que casi todos los datos actuales se almacenan electrónicamente, las tácticas

de gestión de datos están fuertemente influenciadas por la tecnología. Desde sus inicios, el concepto de gestión de datos ha estado

profundamente entrelazado con la gestión de la tecnología. Ese legado continúa. En muchas organizaciones, existe una tensión

constante entre el impulso por desarrollar nuevas tecnologías y el deseo de tener datos más confiables, como si ambos fueran

opuestos en lugar de necesarios.

La gestión de datos exitosa requiere decisiones acertadas sobre la tecnología, pero la gestión de tecnología no es lo mismo que la
gestión de datos. Las organizaciones deben comprender el impacto de la tecnología en los datos para evitar que la tentación
tecnológica impulse sus decisiones sobre los datos. En cambio, los requisitos de datos alineados con la estrategia comercial
deberían impulsar las decisiones sobre tecnología.

2.5.13 La gestión eficaz de datos requiere liderazgo y compromiso

El manifiesto de datos del líder(2017) reconoció que "las mejores oportunidades de una organización para el crecimiento orgánico
se encuentran en los datos". Aunque la mayoría de las organizaciones reconocen sus datos como un activo, están lejos de estar
basados en datos. Muchos no saben qué datos tienen o qué datos son más críticos para su negocio. Confunden los datos y la
tecnología de la información y administran mal ambos. No abordan los datos estratégicamente. Y subestiman el trabajo que implica
la gestión de datos. Estas condiciones se suman a los desafíos de la gestión de datos y apuntan a un factor crítico para el potencial
de éxito de una organización: el liderazgo comprometido y la participación de todos en todos los niveles de la organización.11

Los desafíos descritos aquí deberían llevar este punto a casa: la gestión de datos no es fácil ni simple. Pero debido a que pocas
organizaciones lo hacen bien, es una fuente de oportunidad en gran parte sin explotar. Para mejorar en esto se requiere visión,
planificación y voluntad de cambio. (Véanse los capítulos 15 a 17.)

La defensa de la función de director de datos (CDO) se deriva del reconocimiento de que la gestión de datos presenta desafíos
únicos y que la gestión de datos exitosa debe estar impulsada por el negocio, en lugar de estar impulsada por TI. Un CDO puede
liderar iniciativas de gestión de datos y permitir que una organización aproveche sus activos de datos y obtenga una ventaja
competitiva de ellos. Sin embargo, un CDO no solo lidera iniciativas. Él o ella también debe liderar el cambio cultural que permite a
una organización tener un enfoque más estratégico de sus datos.

2.6 Estrategia de gestión de datos

Una estrategia es un conjunto de elecciones y decisiones que juntas trazan un curso de acción de alto nivel para lograr objetivos de alto nivel. En el

juego de ajedrez, una estrategia es un conjunto secuenciado de movimientos para ganar por jaque mate o sobrevivir por estancamiento. una

estratégicaplanes un curso de acción de alto nivel para lograr objetivos de alto nivel.

11El texto completo deEl manifiesto de datos del líderse puede encontrar en: [Link]
3 2•DMBOK 2

Una estrategia de datos debe incluir planes comerciales para usar la información para obtener una ventaja competitiva y respaldar los objetivos

empresariales. La estrategia de datos debe provenir de una comprensión de las necesidades de datos inherentes a la estrategia comercial: qué datos

necesita la organización, cómo los obtendrá, cómo los administrará y garantizará su confiabilidad a lo largo del tiempo, y cómo los utilizará.

Por lo general, una estrategia de datos requiere una estrategia de programa de gestión de datos de apoyo: un plan para mantener y mejorar la calidad

de los datos, la integridad de los datos, el acceso y la seguridad mientras se mitigan los riesgos conocidos e implícitos. La estrategia también debe

abordar los desafíos conocidos relacionados con la gestión de datos.

En muchas organizaciones, la estrategia de gestión de datos pertenece y es mantenida por el CDO y promulgada a través de un equipo de

gobierno de datos, respaldado por un Consejo de Gobierno de Datos. A menudo, el CDO redactará una estrategia inicial de datos y una

estrategia de gestión de datos incluso antes de que se forme un Consejo de Gobierno de Datos, a fin de obtener el compromiso de la alta

gerencia para establecer la administración y el gobierno de datos.

Los componentes de una estrategia de gestión de datos deben incluir:

• Una visión convincente para la gestión de datos

• Un caso de negocio resumido para la gestión de datos, con ejemplos seleccionados

• Principios rectores, valores y perspectivas de gestión

• La misión y los objetivos direccionales a largo plazo de la gestión de datos

• Medidas propuestas del éxito de la gestión de datos

• Objetivos del programa de gestión de datos a corto plazo (12-24 meses) que son SMART (específicos, medibles,
procesables, realistas, con plazos)

• Descripciones de las funciones y organizaciones de gestión de datos, junto con un resumen de sus responsabilidades y

derechos de decisión

• Descripciones de los componentes e iniciativas del programa de gestión de datos

• Un programa de trabajo priorizado con límites de alcance

• Un borrador de hoja de ruta de implementación con proyectos y elementos de acción.

Los entregables de la planificación estratégica para la gestión de datos incluyen:

• Carta de gestión de datos: Visión general, caso de negocio, objetivos, principios rectores, medidas de
éxito, factores críticos de éxito, riesgos reconocidos, modelo operativo, etc.

• Declaración de alcance de la gestión de datos: Metas y objetivos para algún horizonte de planificación (generalmente 3
años) y los roles, organizaciones y líderes individuales responsables de lograr estos objetivos.

• Hoja de ruta para la implementación de la gestión de datos: Identificar programas, proyectos, asignaciones de

tareas e hitos de entrega específicos (consulte el Capítulo 15).

 GESTIÓN DE DATOS•3 3

La estrategia de gestión de datos debe abordar todas las áreas de conocimiento del marco de gestión de datos de DAMA
relevantes para la organización. (Consulte la Figura 5 Figura 5 El marco de gestión de datos DAMA-DMBOK2 (La rueda
DAMA y las Secciones 3.3 y 4).

3. Marcos de gestión de datos

La gestión de datos implica un conjunto de funciones interdependientes, cada una con sus propios objetivos, actividades y
responsabilidades. Los profesionales de la gestión de datos deben tener en cuenta los desafíos inherentes al tratar de obtener valor
de un activo empresarial abstracto mientras se equilibran los objetivos estratégicos y operativos, los requisitos comerciales y
técnicos específicos, las demandas de riesgo y cumplimiento, y las interpretaciones conflictivas de lo que representan los datos y si
son de alta calidad.

Hay mucho de lo que hacer un seguimiento, por lo que es útil tener un marco para comprender la gestión de datos de manera
integral y ver las relaciones entre sus componentes. Debido a que las funciones dependen unas de otras y deben estar alineadas, en
cualquier organización, las personas responsables de los diferentes aspectos de la gestión de datos deben colaborar para que la
organización obtenga valor de sus datos.

Los marcos desarrollados en diferentes niveles de abstracción brindan una variedad de perspectivas sobre cómo abordar la gestión de datos.

Estas perspectivas brindan información que se puede usar para aclarar la estrategia, desarrollar hojas de ruta, organizar equipos y alinear

funciones.

Las ideas y conceptos presentados en el DMBOK2 se aplicarán de manera diferente en las organizaciones. El enfoque de
una organización para la gestión de datos depende de factores clave como su industria, el rango de datos que utiliza, su
cultura, nivel de madurez, estrategia, visión y los desafíos específicos que enfrenta. Los marcos descritos en esta sección
proporcionan algunos lentes a través de los cuales ver la gestión de datos y aplicar los conceptos presentados en el
DMBOK.

• Los dos primeros, el Modelo de alineación estratégica y el Modelo de información de Amsterdam, muestran relaciones de alto nivel

que influyen en la forma en que una organización gestiona los datos.

• El marco DAMA DMBOK (la rueda DAMA, el hexágono y el diagrama de contexto) describe las áreas de
conocimiento de gestión de datos, tal como las define DAMA, y explica cómo su representación visual dentro del
DMBOK.

• Los dos últimos toman la rueda DAMA como punto de partida y reorganizan las piezas para
comprender y describir mejor las relaciones entre ellas.

3.1 Modelo de Alineación Estratégica

El Modelo de Alineación Estratégica (Henderson y Venkatraman, 1999) abstrae los impulsores fundamentales para cualquier
enfoque de gestión de datos. En su centro está la relación entre datos e información. La información se asocia con mayor
frecuencia con la estrategia comercial y el uso operativo de los datos. Los datos están asociados con la información.
3 4•DMBOK 2

tecnología y procesos que respaldan la gestión física de los sistemas que hacen que los datos sean accesibles para su uso. En torno
a este concepto se encuentran los cuatro dominios fundamentales de elección estratégica: estrategia empresarial, estrategia de
tecnología de la información, infraestructura y procesos organizacionales e infraestructura y procesos de tecnología de la
información.

El Modelo de Alineación Estratégica completamente articulado es más complejo de lo que se ilustra en la Figura 3. Cada uno de los

hexágonos de las esquinas tiene sus propias dimensiones subyacentes. Por ejemplo, dentro de la estrategia comercial y de TI, es necesario

tener en cuenta el alcance, las competencias y la gobernanza. Las operaciones deben tener en cuenta la infraestructura, los procesos y las

habilidades. Las relaciones entre las piezas ayudan a una organización a comprender tanto el ajuste estratégico de los diferentes

componentes como la integración funcional de las piezas. Incluso la representación de alto nivel del modelo es útil para comprender los

factores organizativos que influyen en las decisiones sobre los datos y la gestión de datos.

Negocio
ESO
Estrategia

Negocio ESO
Estrategia Estrategia

Información Datos
Operaciones

Organización
Información
Y
Sistemas
Proceso

Figura 3 Modelo de alineación estratégica12

3.2 El modelo de información de Amsterdam

El Modelo de Información de Amsterdam, al igual que el Modelo de Alineación Estratégica, adopta una perspectiva estratégica sobre la

alineación empresarial y de TI (Abcouwer, Maes y Truijens, 1997),13Conocido como el de 9 celdas, reconoce una capa intermedia que se centra

en la estructura y las tácticas, incluida la planificación y la arquitectura. Además, reconoce la necesidad de la comunicación de la información

(expresada como el pilar de la gobernanza de la información y la calidad de los datos en la Figura 4).

Los creadores de los marcos SAM y AIM describen en detalle la relación entre los componentes, tanto desde una
perspectiva horizontal (negocio/estrategia de TI) como vertical (estrategia comercial/operaciones comerciales).

12Adaptado por Henderson y Venkatraman.

13Ver también: Blog de alineación de TI empresarial,El modelo de información de Amsterdam (AIM) de 9 celdas(publicado el
2010-12-08). [Link] para la gestión de TI, Capítulo
13. Van Haren Publishing, 2006. [Link]
 GESTIÓN DE DATOS•3 5

Gobierno de la información
Negocio ESO

Negocio Información estrategia de TI

Estrategia Estrategia & Estrategia & &

Gobernancia Gobernancia Gobernancia

Información ESO
Organización
Táctica & Procesos
Arquitectura Arquitectura Arquitectura
y planificación y planificación

Información Servicios TI
Operaciones Negocio
Gestión &
Ejecución
& Utilizar Explotación

Calidad de datos

Figura 4 Modelo de Información de Amsterdam14

3.3 El Marco DAMA-DMBOK

El marco DAMA-DMBOK profundiza en las áreas de conocimiento que conforman el alcance general de la gestión de
datos. Tres imágenes representan el marco de gestión de datos de DAMA:

• La Rueda DAMA (Figura 5)

• El hexágono de factores ambientales (Figura 6)
• El Diagrama de Contexto del Área de Conocimiento (Figura 7)

La rueda DAMA define las áreas de conocimiento de gestión de datos. Coloca el gobierno de datos en el centro de las
actividades de gestión de datos, ya que se requiere gobierno para la coherencia y el equilibrio entre las funciones. Las otras
Áreas de Conocimiento (Arquitectura de Datos, Modelado de Datos, etc.) se equilibran alrededor de la Rueda. Todos son
partes necesarias de una función de gestión de datos madura, pero pueden implementarse en diferentes momentos, según
los requisitos de la organización. Estas áreas de conocimiento son el foco de los capítulos 3 a 13 del DMBOK2. (Consulte la
Figura 5.)

El hexágono de factores ambientales muestra la relación entre personas, procesos y tecnología y proporciona una clave para leer
los diagramas de contexto DMBOK. Pone los objetivos y los principios en el centro, ya que estos brindan orientación sobre cómo las
personas deben ejecutar actividades y usar de manera efectiva las herramientas necesarias para una gestión de datos exitosa.
(Consulte la Figura 6.)

14Adaptado de Maas.
3 6•DMBOK 2

Datos Modelado de datos

Arquitectura & Diseño

Almacenamiento de datos
Calidad de datos
y operaciones

Datos Datos
Metadatos
Gobernancia Seguridad

Almacenamiento de datos Integración de datos &

& Negocio interoperabilidad
Inteligencia
Referencia Documento
& Maestro & Contenido
Datos Gestión

Figura 5 El marco de gestión de datos DAMA-DMBOK2 (la rueda DAMA)

GENTE

Funciones y

Responsabilidades

entregar rables
Activirtudes

Metas &
Principios
técnico qes
To viejos

Organización
& Cultura

GENTE

Figura 6 Hexágono de factores ambientales de DAMA

Los diagramas de contexto del área de conocimiento (consulte la figura 7) describen los detalles de las áreas de conocimiento, incluidos los detalles

relacionados con las personas, los procesos y la tecnología. Se basan en el concepto de un diagrama SIPOC utilizado para el producto
 GESTIÓN DE DATOS•3 7

gestión (Proveedores, Entradas, Procesos, Salidas y Consumidores). Los diagramas de contexto ponen las actividades en el centro, ya que

producen los entregables que cumplen con los requisitos de las partes interesadas.

Cada diagrama de contexto comienza con la definición y los objetivos del Área de conocimiento. Las actividades que impulsan las metas

(centro) se clasifican en cuatro fases: Planificar (P), Desarrollar (D), Operar (O) y Controlar (C). En el lado izquierdo (fluyendo hacia las

actividades) están los Insumos y Proveedores. En el lado derecho (que sale de las actividades) están los Entregables y los Consumidores. Los

participantes se enumeran debajo de las actividades. En la parte inferior se encuentran Herramientas, Técnicas y Métricas que influyen en

aspectos del Área de Conocimiento.

Las listas en el diagrama de contexto son ilustrativas, no exhaustivas. Los artículos se aplicarán de manera diferente a las diferentes organizaciones. Las

listas de roles de alto nivel incluyen solo los roles más importantes. Cada organización puede adaptar este patrón para abordar sus propias necesidades.

DIAGRAMA DE CONTEXTO GENÉRICO

Definición: Descripción de alto nivel del área de conocimiento

Metas: Propósitos del Área de Conocimiento

1. Meta 1
2. Meta 2

Negocio
Conductores

Entradas: Actividades: Entregables:

• Entrada 1 • Entregable 1
• Entrada 2 1. Actividad de Planificación / Grupo de • Entregable 2
• Entrada 3 Actividad (P) • Entregable 3
1. Subactividad
Las entradas son generalmente 2. Subactividad Los entregables son
salidas de otros 2. Actividad de Control / Grupo de generalmente aportaciones a otras

Áreas de conocimiento Actividad (C) áreas de conocimiento

3. Actividad de desarrollo /
Grupo de actividad (D)
4. Actividad Operativa / Grupo de
Actividad (O)

Proveedores:
Participantes: consumidores:
• Proveedor 1
• Rol 1 • Rol 1
• Proveedor 2
• Rol 2 • Rol 2

Técnico
Conductores

Técnicas: Herramientas: Métrica:

• Métodos y procedimientos para • Tipos de paquetes de software para • Resultados medibles del
ejecutar actividades apoyar actividades proceso.

(P) Planificación, (C) Control, (D) Desarrollo, (O) Operaciones

Figura 7 Diagrama de contexto del área de conocimiento

3 8•DMBOK 2

Las piezas componentes del diagrama de contexto incluyen:

[Link]ón: Esta sección define de manera concisa el Área de Conocimiento.

[Link] el propósito del Área de Conocimiento y los principios fundamentales que guían el desempeño de las actividades

dentro de cada Área de Conocimiento.

[Link] las acciones y tareas requeridas para cumplir con los objetivos del Área de Conocimiento. Algunas actividades se

describen en términos de subactividades, tareas y pasos. Las actividades se clasifican en cuatro categorías: planificar, desarrollar,

operar y controlar.

una.(P) Planificación de Actividadesestablecer el curso estratégico y táctico para cumplir con los objetivos de gestión de datos. Las

actividades de planificación ocurren de manera recurrente.

b.(D) Actividades de desarrollose organizan en torno al ciclo de vida de desarrollo del sistema (SDLC) (análisis, diseño,
construcción, prueba, preparación e implementación).

C.(C) Actividades de Controlgarantizar la calidad continua de los datos y la integridad, confiabilidad y seguridad de los sistemas a

través de los cuales se accede y utiliza los datos.

d.(O) Actividades OperacionalesApoyar el uso, mantenimiento y mejora de los sistemas y procesos a través de los cuales
se accede a los datos y se utilizan.

[Link] las cosas tangibles que cada Área de Conocimiento requiere para iniciar sus actividades. Muchas actividades requieren

los mismos insumos. Por ejemplo, muchos requieren como insumo el conocimiento de la Estrategia de Negocios.

[Link] los resultados de las actividades dentro del Área de Conocimiento, las cosas tangibles que cada
función es responsable de producir. Los entregables pueden ser fines en sí mismos o insumos para otras
actividades. Varios entregables primarios son creados por múltiples funciones.

[Link] y responsabilidadesdescribir cómo los individuos y los equipos contribuyen a las actividades dentro del Área de

Conocimiento. Los roles se describen conceptualmente, con un enfoque en los grupos de roles requeridos en la mayoría de las

organizaciones. Los roles de las personas se definen en términos de habilidades y requisitos de calificación. Se utilizó el Marco de

habilidades para la era de la información (SFIA) para ayudar a alinear los títulos de los roles. Muchos roles serán multifuncionales.

15(Ver Capítulo 16).

[Link] las personas responsables de proporcionar o facilitar el acceso a los insumos para las actividades.

[Link] que se benefician directamente de los entregables primarios creados por las actividades de gestión
de datos.

[Link] las personas que realizan, gestionan la realización o aprueban las actividades del Área de
Conocimiento.

15[Link]
 GESTIÓN DE DATOS•3 9

10Herramientasson las aplicaciones y otras tecnologías que posibilitan los objetivos del Área de [Link]éis

11Técnicasson los métodos y procedimientos utilizados para realizar actividades y producir entregables dentro de un Área de
Conocimiento. Las técnicas incluyen convenciones comunes, recomendaciones de mejores prácticas, estándares y
protocolos y, cuando corresponda, enfoques alternativos emergentes.

12Métricason estándares para la medición o evaluación del desempeño, progreso, calidad, eficiencia u otro efecto. Las
secciones de métricas identifican facetas medibles del trabajo que se realiza dentro de cada área de conocimiento.
Las métricas también pueden medir características más abstractas, como la mejora o el valor.

Mientras que la rueda DAMA presenta el conjunto de áreas de conocimiento a un alto nivel, el hexágono reconoce los
componentes de la estructura de las áreas de conocimiento y los diagramas de contexto presentan el detalle dentro de
cada área de conocimiento. Ninguna de las piezas del marco de gestión de datos DAMA existente describe la relación entre
las diferentes áreas de conocimiento. Los esfuerzos para abordar esa pregunta han resultado en reformulaciones del Marco
DAMA, que se describen en las siguientes dos secciones.

3.4 Pirámide DMBOK (Aiken)

Si se les pregunta, muchas organizaciones dirían que quieren aprovechar al máximo sus datos: se esfuerzan por lograr esa pirámide
dorada de prácticas avanzadas (minería de datos, análisis, etc.). Pero esa pirámide es solo la parte superior de una estructura más
grande, un pináculo sobre una base. La mayoría de las organizaciones no pueden darse el lujo de definir una estrategia de gestión
de datos antes de empezar a gestionarlos. En cambio, construyen hacia esa capacidad, la mayoría de las veces en condiciones
menos que óptimas.

El marco de trabajo de Peter Aiken utiliza las áreas funcionales de DMBOK para describir la situación en la que se encuentran muchas

organizaciones. Una organización puede usarlo para definir un camino hacia un estado en el que tenga datos y procesos confiables para

respaldar los objetivos comerciales estratégicos. Al tratar de alcanzar este objetivo, muchas organizaciones pasan por una progresión lógica

similar de pasos (consulte la Figura 8):

• Fase 1: La organización compra una aplicación que incluye funciones de base de datos. Esto significa que la organización tiene un

punto de partida para el modelado/diseño de datos, el almacenamiento de datos y la seguridad de los datos (p. ej., dejar entrar a

algunas personas y mantener fuera a otras). Para que el sistema funcione en su entorno y con sus datos, es necesario trabajar en

la integración y la interoperabilidad.

• Fase 2: Una vez que comiencen a usar la aplicación, encontrarán desafíos con la calidad de sus datos. Pero obtener datos de

mayor calidad depende de metadatos confiables y una arquitectura de datos consistente. Estos proporcionan claridad sobre

cómo funcionan juntos los datos de diferentes sistemas.

• Fase 3: Las prácticas disciplinadas para administrar la calidad de los datos, los metadatos y la arquitectura requieren un gobierno de datos

que brinde soporte estructural para las actividades de administración de datos. El gobierno de datos también permite la ejecución de

iniciativas estratégicas, como la gestión de documentos y contenidos, datos de referencia

dieciséisDAMA International no respalda herramientas o proveedores específicos.