¿Cuáles son los elementos imprescindibles de un Data Governance Hub?

Un centro de gobierno de datos puede regular diferentes componentes de la gestión de datos, desde los organizativos (funciones y responsabilidades) hasta los operativos (procesos, procedimientos, flujos de trabajo), pasando por los tecnológicos (motor DQ, catálogo de datos, herramientas de integración de datos, etc.).

Gartner (Adaptive Data and Analytics Governance to Achieve Digital Business Success, 21 de julio de 2020, Saul Judah, Remi Gulzar) define cuatro estilos diferentes de Data Governance en orden ascendente de complejidad empresarial y madurez de la organización en cuanto a la gestión de activos de datos. Cada estilo se adapta a modelos específicos de la organización de los procesos de toma de decisiones:

• Control: las decisiones se toman respetando las normas establecidas a nivel central
• Resultados: el proceso de toma de decisiones tiene como objetivo alcanzar los resultados equilibrando los riesgos, los objetivos y los compromisos según las directrices de la empresa
• Agilidad: las funciones individuales o las unidades de negocio están autorizadas a tomar decisiones con el objetivo de crear valor para la empresa
• Autonomía: las decisiones se toman en tiempo real basándose en lógicas, algoritmos y modelos definidos por humanos, pero ejecutados por máquinas.

Estos modelos pueden coexistir dentro de la misma organización y servir para fines específicos. Por ejemplo, el estilo Control puede ser especialmente conveniente para ajustar las decisiones en cumplimiento de los requisitos normativos. Por otro lado, el estilo Autónomo puede aplicarse en el contexto de las decisiones automatizadas en tiempo real, cuando los modelos de IA se aplican a grandes volúmenes de datos (por ejemplo, generados por las tecnologías IoT).

Sin embargo, el elemento central es la gobernanza de los propios datos. Para gestionar los activos de datos, lo primero que hay que hacer es construir un entorno que soporte estos diferentes estilos. Es decir, disponer de herramientas de apoyo eficaces que permitan una Gobernanza de Datos Adaptativa. Para lograrlo, un Hub de Gobernanza de Datos debe tener las características relacionadas con:

• Gestión de metadatos: al tratarse de la gestión de toda la información que acompaña a los datos, estos modelos deben ser altamente configurables, con la posibilidad de variar en el tiempo no sólo en contenido, sino también en estructura y perfiles de acceso. Cada estilo puede representarse mediante metadatos que describan el marco correspondiente. Debe ser posible que coexistan varios estilos en el mismo modelo de metadatos. Debe existir un sólido sistema de versiones para rastrear las configuraciones anteriores del modelo.
• Conectores – para acceder e integrar rápidamente todas las fuentes de datos y metadatos, desde diferentes fuentes, diferentes entornos (on premise, nube, híbrido) y con diferentes niveles de latencia.
• Perfiles y permisos – para implementar los modelos organizativos en cada estilo, también dentro del mismo modelo. También debería existir la posibilidad de reconstruir el historial de las diferentes configuraciones para estas características.
• Gestión de flujos de trabajo: un componente esencial para:
  • configurar los procesos de gestión de datos e integrarlos de forma nativa con los activos de datos que procesan y los metadatos correspondientes;
  • incorporar y orquestar tareas humanas y automatizadas
    activar motores de procesamiento, control y distribución
    definir las funciones y responsabilidades dentro de cada proceso y variarlas en el tiempo
  • supervisar los procesos y anticiparse a posibles automatismos de alarma y de aviso;
  • gestionar las colaboraciones entre los actores del proceso.
• Augmented Data Management: mecanismos automáticos para facilitar las tareas más costosas y complejas. Entre ellas se incluyen el diseño de controles para la verificación de la calidad, la aplicación de cadenas de preparación de datos y las intervenciones de corrección.
• Apoyo al rendimiento y elaboración de informes: para supervisar el estado actual y la evolución del marco mediante indicadores de rendimiento adecuados. La funcionalidad para implementar modelos basados en metadatos que puedan determinar el valor de los datos y el retorno de la inversión. Esto ayuda a abordar con eficacia y eficiencia los recursos de gestión de datos.

A menudo es la falta de un soporte adecuado de las herramientas lo que crea una barrera para perseguir un modelo de gobierno de los activos de datos que pueda utilizar el potencial de los datos y ponerlo al servicio de las necesidades del negocio.