La arquitectura de datos correcta puede desempeñar un papel importante al momento de determinar el éxito o el fracaso de los esfuerzos de gobernanza de datos.. Si el arquitectura de datos complejo o mal integrado, se convierte en un gran estorbo para poder aplicar estándares comunes para la entrega de datos confiables y seguros en toda la compañía.
Créditos fotográficos: KruIUA
La arquitectura de datos es esencial para permitir la gobernanza de datos, diseñando y evangelizando la arquitectura de administración de datos para soportar los requerimientos de calidad y privacidad.
Y lo que es más, Esta arquitectura de datos debe estar respaldada por tecnologías que permitan administrar los flujos de trabajo de una manera que ayude al procedimiento de descubrimiento, definición, aplicación, medición y monitoreo.
Es esencial no caer en la tentación de elegir las herramientas antes de tener los objetivos, la estrategia y los procesos para que la gobernanza de datos esté en su lugar.
Componentes de la arquitectura de datos a considerar para una gobernanza de datos integral
Para obtener eso arquitectura de datos que soporta la gobernanza de datos, es necesario prestar atención la ciclo de vida completo de datos comerciales críticos. El primer paso debe ser localizar qué datos son y averiguar dónde se encuentran. Esto incluye:
- Desde aplicaciones, sistemas y procesos transaccionales y operativos tradicionales que se dedican a importar o actualizar datos, hasta aquellos que consolidan, entregan y consumen datos.
- Y desde aplicaciones y plataformas sustentadas en la nube, datos sociales, dispositivos móviles, fuentes de datos de terceros, datos de sensores y entornos de análisis de Hadoop, hasta la infraestructura interna.
Una vez que tenga visibilidad sobre este aspecto, debe concentrarse en evaluación y entrega de capacidades compartidas que debería estar disponible en todo el arquitectura de datos negocio. Se trata de evitar la compartimentación y los silos de información y hacer una correcta elección tecnológica.
En ocasiones se utilizará inversión en plataformas, otras buscarán aprovechar al máximo el diseño de la arquitectura de datos basado en la infraestructura existente, además aprovechando el software. En cualquiera de los casos es esencial garantizar la normalizaciónLa normalización es un proceso fundamental en diversas disciplinas, que busca establecer estándares y criterios uniformes para mejorar la calidad y la eficiencia. En contextos como la ingeniería, la educación y la administración, la normalización facilita la comparación, la interoperabilidad y la comprensión mutua. Al implementar normas, se promueve la cohesión y se optimizan recursos, lo que contribuye al desarrollo sostenible y a la mejora continua de los procesos...., reutilización y cumplimiento de políticas en este tipo de ecosistemas.
Por último, no olvide asegurarse ciertas capacidades de software de habilitación específicas, aquellos que mejoran la eficacia de la gobernanza de datos y ayudan a mejorar los resultados en términos de administración de activos de información. Es sobre:
- Perfilado de datos: Este tipo de software posibilita comprender mejor el tipo de datos disponibles, su formato y la forma en que ocurren las relaciones entre los datos de diferentes sistemas.
- Descubrimiento de datos: posibilita identificar dónde pueden ocurrir anomalías en los datos y, al mismo tiempo, facilitan la tarea de conocer la información disponible que puede ser más relevante para el análisis o la toma de decisiones.
- Glosario empresarial: es el instrumento que da contexto a los datos y en el que, al mismo tiempo de las definiciones esperadas de entidades y atributos básicos de los datos, se incluyen reglas, políticas y titulares de los datos, entre otros. El glosario empresarial posibilita la colaboración minimizando el riesgo de redundancia y conflictos entre diferentes versiones.
- Administración de metadatos y linaje de datos: la arquitectura de datos Necesita este soporte para examinar el impacto de posibles cambios en las definiciones de datos o para responder a fallas de seguridad o calidad de datos.
En conclusión, cuando se busca maximizar la efectividad de un arquitectura de datos No olvide discutir el modelado, la calidad, los datos maestros y su monitoreo, o los problemas de seguridad. Cada organización debe examinar dónde se encuentra para, a partir de ahí, avanzar introduciendo mejoras hasta que se confirme que la infraestructura y sus componentes están alineados con la gobernanza.
