CALIDAD DE DATOS - Tecno-Libro

Ver Índice

AUTORES
PRÓLOGO
PREFACIO.
CONTENIDO
ORIENTACIÓN A LOS LECTORES.
OTRAS OBRAS RELACIONADAS.
AGRADECIMIENTOS
CAPÍTULO 1. FUNDAMENTOS DE LA CALIDAD DE DATOS.
1.1 CALIDAD DE DATOS EN EL MUNDO DIGITAL.
1.1.1 Los datos y la transformación digital
1.1.2 Concepto de calidad de los datos.
1.2 DATO, INFORMACIÓN, CONOCIMIENTO Y SABIDURÍA
1.3 CICLO DE VIDA DEL DATO.
1.4 CAUSAS DE PROBLEMAS DERIVADOS DE NIVELES
INADECUADOS DE CALIDAD DE DATOS
1.5 GOBIERNO VS. GESTIÓN DE DATOS
1.6 LECTURAS RECOMENDADAS
1.7 SITIOS WEB RECOMENDADOS
CAPÍTULO 2. DATOS MAESTROS (MASTER DATA).
2.1 INTRODUCCIÓN A LOS DATOS MAESTROS
2.2 GESTIÓN DE DATOS MAESTROS
2.3 RESOLUCIÓN DE ENTIDADES
2.4 ARQUITECTURA PARA MDM
2.5 PRINCIPIOS DE LA ARQUITECTURA DE LA INFORMACIÓN
2.6 MODELO DE MADUREZ PARA MDM.
2.7 ESTÁNDARES PARA DATOS MAESTROS.
2.7.1 ISO 8000.
2.7.2 ISO/IEC 22745
2.8 SOLUCIONES COMERCIALES PARA LA GESTIÓN DE DATOS
MAESTROS.
2.8.1 ECCMA
2.8.2 PILOG
2.8.3 Talend MDM.
2.8.4 Informatica MDM
2.8.5 IBM InfoSphere MDM.
2.8.6 TIBCO MDM
2.8.7 Ataccama MDC.
2.8.8 VisionWare Multivue MDM
2.9 LECTURAS RECOMENDADAS
2.10 SITIOS WEB RECOMENDADOS.
CAPÍTULO 3. CALIDAD DE PROCESOS DE DATOS.
3.1 DAMA DMBOK: DATA MANAGEMENT – BODY OF KNOWLEDGE.6
3.1.1 Áreas de conocimiento
3.1.2 Modelo de madurez
3.2 MODELO DE AIKEN
3.3 DATA MANAGEMENT MATURITY MODEL (DMM).
3.3.1 Estrategia de Gestión de Datos.
3.3.2 Gobierno de Datos
3.3.3 Calidad de Datos.
3.3.4 Operaciones de Datos.
3.3.5 Plataforma y Arquitectura
3.3.6 Procesos de Soporte
3.3.7 Niveles de Madurez en DMM
3.4 MODELO DE IBM
3.4.1 Proceso unificado de gobierno de datos de IBM
3.4.2 Modelo de madurez de gobierno de datos de IBM
3.5 MODELO DE GARTNER DE GESTIÓN DE INFORMACIÓN
EMPRESARIAL
3.6 TQDM.
3.7 DCAM.
3.8 MODELO MAMD
3.8.1 Visión general del modelo
3.8.2 Modelo de referencia de procesos de MAMD.
3.8.3 Modelo de evaluación.
3.8.4 Modelo de madurez
3.8.5 Modelo de mejora.
3.8.6 Comparación entre los modelos de referencia de procesos
3.8.7 Ejemplos de utilización de MAMD
3.9 LECTURAS RECOMENDADAS
3.10 SITIOS WEB
CAPÍTULO 4. CALIDAD DE REPOSITORIOS DE DATOS.
4.1 MODELO DE CALIDAD DE DATOS.
4.2 MEDIDAS DE CALIDAD DE DATOS
4.3 PROCESO DE EVALUACIÓN
4.3.1 Establecer los requisitos de evaluación
4.3.2 Especificar la evaluación
4.3.3 Diseñar la evaluación
4.3.4 Ejecutar la evaluación.
4.3.5 Concluir la evaluación.
4.4 CERTIFICACIÓN DE LA CALIDAD DE LOS PRODUCTOS
DE DATOS.
4.4.1 Entorno de certificación.
4.4.2 Proceso de certificación.
4.5 EJEMPLOS DE CERTIFICACIÓN DE CALIDAD DE DATOS
4.5.1 Modelo de Calidad de Datos.
4.5.2 Proceso de Evaluación de Calidad de Datos
4.5.3 Certificación de Calidad de Datos
4.6 LECTURAS RECOMENDADAS
4.7 SITIOS WEB RECOMENDADOS
CAPÍTULO 5. MONETIZACIÓN DE LOS DATOS
5.1 INTRODUCCIÓN.
5.2 CARACTERÍSTICAS ESPECIALES DE LOS DATOS
5.3 APROXIMACIONES A LA VALORACIÓN DE LOS DATOS
5.4 VALOR DE LOS DATOS.
5.5 INFONOMÍA
5.6 LECTURAS RECOMENDADAS
5.7 SITIOS WEB RECOMENDADOS
ANEXO I. PROBLEMAS DE CALIDAD DE DATOS EN BASES DE DATOS
RELACIONALES
A1.1 PROBLEMAS A NIVEL DE ATRIBUTO / TUPLAS
A1.1.1 Un atributo en una tupla
A1.1.2 Atributos en varias tuplas (alcance de columna)
A1.1.3 Varios atributos en una tupla.
A1.2 PROBLEMAS A NIVEL DE RELACIÓN
A1.3 PROBLEMAS A NIVEL DE VARIAS RELACIONES
A1.4 PROBLEMAS A NIVEL DE MÚLTIPLES FUENTES
ACRÓNIMOS
BIBLIOGRAFÍA.

En la actualidad los datos han cobrado una importancia esencial en las organizaciones que se están transformando digitalmente y convirtiéndose en data centric para poder ofrecer un servicio de excelencia a todos sus stakeholders y tomar las mejores decisiones.

En efecto, los avances tecnológicos que estamos viviendo en los últimos años, que nos permiten recoger y almacenar enormes cantidades de datos (por medio de dispositivos móviles, sensores, Internet de las cosas, big data, etc.), tratarlos mediante diferentes algoritmos analíticos avanzados (machine learning, business intelligence, etc) , y disponer de una prácticamente ilimitada cantidad de procesamiento (en forma de servicio, mediante la computación en la nube), han convertido los datos en el “nuevo petróleo del siglo XXI”.

Pero para que los datos sean el activo más importante de las organizaciones, debe tener la “calidad” adecuada; ya que los resultados de cualquier algoritmo y de cualquier decisión que se tome, no será mejor que los datos sobre los que se basa.

Esta obra reúne varios aspectos relacionados con la calidad de los datos, ofreciendo una amplia visión sobre diferentes factores (especialmente técnicas, modelos y procesos) que se deben tener en consideración para la gestión, calidad y gobierno de los datos y de la información. A lo largo de esta obra se ha combinado el rigor científico con la experiencia práctica adquirida durante más de veinte años en investigación y en proyectos empresariales.

Como señala Carlos Manuel Fernández en el prólogo, “este es un libro que es pionero a nivel internacional, pues sirve de guía para conseguir que las organizaciones puedan lograr smart data como activo principal y cumplir con sus objetivos ya sean de negocio o de servicio público”.