¿Qué es MDM (Master Data Management)?

Garbage in, Garbage out

Actualmente, la mayoría de organizaciones trabajan con grandes cantidades de datos (digitalizados o no). Estos datos provienen de diferentes fuentes de origen y a través de diversos canales.

En un mundo ideal, los datos serían fiables y únicos. Ya sabemos que eso no pasa. La realidad impera y los datos presentan dispersión en función del canal, la fuente y el problema se agrava con el paso del tiempo.

Como os podéis imaginar este fenómeno afecta a muchos de los sistemas de información presentes en una organización. A saber, Business Intelligence, CRM, ERP, PLM,…

Y claro, empiezan a aparecer las interfaces 1 a 1 entre aplicaciones para comunicarse los datos. No nos engañemos, a base de parches no se soluciona el problema. Y al final la dictadura de la entropia prevalece, no queda otra que garbage-in garbage out.

¿Qué es posible hacer?

Este problema no es nuevo. Una solución es aplicar una estrategia MDM (Master Data Management) soportada por una solución tecnológica que permita a las organizaciones gestionar y consolidar los datos maestros dispersos, ofreciendo una visión única de clientes, productos, etc.

Se busca eliminar los silos informacionales existentes y crear una estructura de datos maestros basada en una visión estratégica y corporativa.

¿Qué es MDM?

Consiste en un conjunto de procesos y herramientas que define y gestiona de forma consistente las entidades de datos no transacionales de una organización. Busca, por lo tanto, recopilar, agregar, identificar, asegurar la calidad y la persistencia y distribuir los datos de forma uniforme en dicho contexto.

MDM se compone de tareas como:

• Identificar las fuentes de origen de los datos
• Identificar los productores y consumidores de datos maestros
• Recopilar y analizar metadata sobre los datos maestros recopilados en el primer paso.
• Determinar los responsables (administradores) de los datos maestros.
• Implementar un programa de data governance (y de forma consecuente tener un grupo responsable de dicho programa).
• Desarrollar el modelo de metadatos maestros.
• Escoger una solución o conjunto de soluciones como medio para mejorar la calidad de datos.
• Diseñar la infraestructura necesaria.
• Generar y testear los datos maestros.
• Modificar los sistemas consumidores y productores de información.
• Implementar un proceso de mantenimiento.

Esta claro que es un proceso complejo. Una tarea árdua. Pero cada vez más, se vuelva necesaria sobretodo actualmente en el que el concepto tradicional de data warehouse ha ido evolucionando (enlace) a estructura más compleja y diversas y por lo tanto necesitan de fuentes de mayo calidad y consistencia.  Algunas empresas están completando su portafolio de integración datos, como por ejemplo, Oracle y Talend.

¿Estamos preparados para el reto?

Para saber más.