Los sistemas de inteligencia empresarial se utilizan principalmente para facilitar la toma de decisiones en una empresa. Sin embargo, si los datos incluidos en el almacén de datos No tienen calidad, no están completos o tienen duplicaciones, los informes extraídos con tu inteligencia empresarial, lo único que harán es perjudicar el negocio.
Los informes extraídos de un almacén de datos deben ser inteligentes. De lo contrario, el trabajo de todos los usuarios se ralentiza y las decisiones pierden coherencia y eficacia. De hecho, según Gartner, trabajar con información de baja calidad conduce a malas decisiones, incumplimiento de las regulaciones y desventajas competitivas, entre otros problemas...
Un estudio reciente reveló que 81% de los ejecutivos consideran que los datos son fundamentales para lograr resultados comerciales.
Fuente: Informatica.com
Para que un almacén de datos sea inteligente, debe estar respaldado por una gestión de datos maestros. De esta forma, la toma de decisiones se tomará sobre datos confiables y veraces, lo que le da credibilidad a los usuarios y al negocio en su conjunto.
Dos enfoques principales de MDM
Hay dos enfoques principales para la gestión de datos maestros: MDM operativo y MDM analítico.
El primero se centra en asegurar que los datos sean los mismos en los diferentes sistemas operativos. Por otro lado, la MDM analíticaLa analítica se refiere al proceso de recopilar, medir y analizar datos para obtener información valiosa que facilite la toma de decisiones. En diversos campos, como los negocios, la salud y el deporte, la analítica permite identificar patrones y tendencias, optimizar procesos y mejorar resultados. El uso de herramientas avanzadas y técnicas estadísticas es fundamental para transformar datos en conocimiento aplicable y estratégico.... generalmente se asocia con el almacenamiento de datos y ha sido adoptada por organizaciones que buscan mejorar la velocidad y la calidad de sus procesos de informes de inteligencia empresarial (BI).
La estrecha relación entre MDM y el almacenamiento de datos no es sorprendente, ya que las «dimensiones» de un almacén de datos (por ejemplo, clientes o jerarquías de productos) son esencialmente datos maestros.
Pero estas dos áreas importantes tienden a tratarse como completamente separadas entre sí.
¿Cómo combinar un MDM con Business Intelligence?
Lo primero que hay que tener en cuenta es que los datos maestros se representan como dimensiones en los sistemas de BI y no están asociados con hechos (es decir, transacciones) en esos sistemas. La introducción de un sistema de gestión de datos maestros dentro de la empresa tiene un impacto positivo en los sistemas de BI.
Quizás desee leer: ¿Qué es un almacén y qué debería contemplar un almacén de datos moderno?
Por ejemplo, es típico en un sistema MDM que los nombres de datos de atributos y las definiciones de datos que se utilizan para describir las entidades de datos maestros sean los nombres de datos estándar y las definiciones de datos de la empresa. Estas definiciones de datos maestros a menudo se denominan «vocabulario comercial compartido» (SBV) para la empresa. El SBV es, por tanto, un metadato maestro.
Podemos aprovechar un SBV de datos maestros en un sistema de BI para hacer cumplir la reutilización de las mismas definiciones de datos en todos los modelos dimensionales, cubos y vistas comerciales de herramientas de BI para impulsar la coherencia entre los datos dimensionales. De esta manera, la adopción de un SBV de datos maestros mejora la comprensión de los datos presentados en los informes del sistema de BI, análisis OLAP, tableros y cuadros de mando.
Además de metadatos De manera consistente, la llegada de un sistema MDM a la empresa también puede afectar la integración de datos en el almacén de datos de un sistema de BI. Si un MDM no está disponible, un sistema de BI se basa en una arquitectura de almacén de datos clásica, en la que los datos maestros se dividen entre varios almacenes de datos en diferentes líneas de sistemas operativos comerciales. Por lo tanto, para crear datos dimensionales integrados en un sistema de BI, generalmente se usa una herramienta para integrar datos maestros dispares mantenidos en múltiples sistemas operativos para construir dimensiones.
No es de extrañar que nos confundamos entre el concepto de un centro de datos maestro y un almacén de datos, cuando ambos integran datos maestros. Ahora bien, ¿por qué necesitamos un sistema MDM cuando ya tenemos un almacén de datos? O más bien, ¿por qué estamos integrando datos maestros en un sistema de BI? ¿No deberían los datos maestros ya estar integrados y tratados como una fuente de datosUna "fuente de datos" se refiere a cualquier lugar o medio donde se puede obtener información. Estas fuentes pueden ser tanto primarias, como encuestas y experimentos, como secundarias, como bases de datos, artículos académicos o informes estadísticos. La elección adecuada de una fuente de datos es crucial para garantizar la validez y la fiabilidad de la información en investigaciones y análisis.... por las herramientas de integración de datos utilizadas en un sistema de BI?
De hecho, esta podría ser una mejor opción porque los datos maestros deben suministrarse no solo a un sistema de BI sino también a los sistemas operativos. Los datos maestros se pueden suministrar a las herramientas de integración de datos Sistema de BI de al menos tres formas:
- Mediante el uso de servicios de integración y emparejamiento de un software de calidad de datos Habilitado para SOA para suministrar datos maestros directamente a un almacén de datos o para procesos ETL que alimentan los almacenes de datos.
- Mediante el uso de una solución MDM para crear una fuente virtual de datos maestros accesible mediante una herramienta de integración de datos del sistema de BI
- Usar un concentrador de datos MDM construido o comprado como una fuente de datos persistente para una herramienta de integración de datos del sistema de BI.
En resumen, Master Data Management fortalece los sistemas de almacenamiento de datos / BI de las siguientes maneras:
- Proporcionar metadatos maestros para su uso en modelos de datos cúbicos y dimensionales.
- Proporcionar datos maestros de alta calidad como fuente de datos confiable para el procesamiento ETL.
- Proporcionar vistas federadas de datos maestros a través de sistemas de informes dispares.
- Seguimiento de versiones de jerarquía a través del tiempo.
- Automatizar la recreación de diferentes versiones de una dimensión"Dimensión" es un término que se utiliza en diversas disciplinas, como la física, la matemática y la filosofía. Se refiere a la medida en la que un objeto o fenómeno puede ser analizado o descrito. En física, por ejemplo, se habla de dimensiones espaciales y temporales, mientras que en matemáticas puede referirse a la cantidad de coordenadas necesarias para representar un espacio. Su comprensión es fundamental para el estudio y... en un esquema de cubo o estrella para reflejar los cambios en las jerarquías.
- Proporcionar datos fiables para la elaboración de informes y análisis.
La calidad, precisión y accesibilidad de los datos es fundamental para las empresas de hoy. De ellas dependen la confianza en la organización y la eficacia de las decisiones que se toman, evitando riesgos y costes.
¿Quiere saber más sobre la gestión de datos maestros (MDM) para su almacén de datos?
(function(d, s, id) {
var js, fjs = d.getElementsByTagName(s)[0];
if (d.getElementById(id)) return;
js = d.createElement(s); js.id = id;
js.src = «//connect.facebook.net/es_ES/all.js#xfbml=1&status=0»;
fjs.parentNode.insertBefore(js, fjs);
}(document, ‘script’, ‘facebook-jssdk’));
