¿Qué es Adaptive Data Governance Hub?

Un Data Governance Hub es un modelo que integra competencias, funciones, métodos y técnicas para una gestión y gobernanza de activos de datos eficaz, eficiente y flexible.

Para las empresas modernas, los datos son el motor de la innovación. Sin embargo, aún hoy siguen almacenados en su mayoría en silos y fragmentados. Es decir, los datos no están disponibles inmediatamente para el creciente número de usuarios potenciales (analistas de negocio, científicos de datos, aplicaciones de IA/ML, etc.). Algunos están organizados en almacenes de datos, en data mart, otros están almacenados en data lake. Por lo tanto, es necesario realizar un esfuerzo de integración inmediato e intenso. Y no sólo eso. Es esencial disponer de una herramienta que permita supervisar y gobernar los activos de datos (Glosario, Linaje, diccionario de controles, gestión de resultados, etc.) y los procesos relacionados (por ejemplo, registro de nuevos términos, activación de controles, validación, etc.).

Además, no olvidemos cómo los acontecimientos empresariales habituales, como las fusiones y reorganizaciones, las perturbaciones del mercado o los cambios en el entorno normativo, suelen dar lugar a situaciones en las que la Gobernanza de Datos se hace imprescindible. Al igual que es esencial que el propio sistema de Data Governance sea capaz de adaptarse a estos cambios. De lo contrario, la empresa se congela en el tiempo, incapaz de responder a las necesidades del negocio digital. Para dar respuestas oportunas y efectivas y para la implementación simultánea de diferentes estilos de Gestión de Datos es clave contar con mecanismos de Gobernanza de Datos altamente flexibles.

Sin una estrategia de gobernanza de datos, la complejidad y el coste de compartir los datos crecen exponencialmente. Una estrategia clara es vital para perseguir varios objetivos, como

• dotar a los datos almacenados en silos de una interfaz unificada
• comprender y simplificar los flujos de datos en la empresa,
• perfilar los diferentes actores / roles en un único punto. Esto sirve para regular la accesibilidad y disponibilidad de los datos,
• gestionar eficazmente los diferentes estilos de gobernanza,
• la garantía de calidad y la supervisión,
  aumentar el rendimiento de la extracción y el intercambio,
• evaluar el valor de los datos

¿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.