El grupo de trabajo del ABI Lab da prioridad a los procesos de Data Governance
Las iniciativas de gobierno de datos serán la prioridad absoluta de las inversiones en TIC en la banca en 2021. Esto es lo que se desprende de la investigación de ABI Lab presentada en la clausura de los grupos de trabajo de 2020.
Otras prioridades para 2021 son la modernización de los sistemas bancarios centrales, el onboarding digital, la banca móvil, la gestión del ciberriesgo y la mitigación.
Los metadatos juegan y seguirán jugando un papel decisivo en este escenario, como mostró Irion en el webinar Information Governance between strategy and implementation. Pero, ¿cómo hacer que funcione para nosotros?
Metadatos en todas partes
La mayoría de las recetas de cocina están organizadas en secciones: tiempo de preparación, dificultad, ingredientes y preparación. Los prospectos farmacéuticos siempre tienen párrafos separados que describen las indicaciones, la dosis y los efectos secundarios.
Las recetas y los prospectos son dos de los muchos sistemas de metadatos que conocemos. Ponen en orden la información necesaria y permiten recuperarla sin esfuerzo y con mayor precisión. Más aún en nuestro trabajo, con los volúmenes cada vez mayores y la heterogeneidad de los datos que utilizamos y procesamos.
¿A qué metadatos nos referimos?
- metadatos de negocio un Business Glossary que describe las entidades que intervienen en nuestro trabajo y las relaciones entre ellas;
- metadatos físicos, un data dictionary que describe las características de los datos gestionados en nuestros sistemas informáticos
- metadatos específicos, característicos del sector industrial o de los fines particulares que necesitamos apoyar;
- metadatos operativos, parámetros que pueden hacer funcionar nuestros motores de calidad e integración de datos, etc., en caso de utilizar plataformas de gestión de datos basadas en metadatos.
Estas categorías de metadatos se comunican entre sí a través de relaciones, como el linaje vertical, o la asignación de términos empresariales con los campos que representan en los sistemas informáticos.
Por dónde empezar: del modelo a los requisitos
Todo comienza con la recopilación de requisitos para nuevas aplicaciones o nuevos procesos de elaboración de datos, los data pipelines. Estos suelen estar disponibles en documentos o recogidos en entrevistas, por lo que las características necesarias se encuentran de forma desestructurada. Pero es posible organizarlos en un sistema de metadatos. Los problemas similares tienen características parecidas que pueden expresarse en un modelo.
De este modo, la gobernanza de los datos ya no sigue y reconstruye la historia (como hay que hacer en los entornos regulados), sino que es su parte integrante activa. Esta práctica se denomina Data Governance by Design. Para mapear un nuevo proceso, recopilaríamos los datos de las distintas actividades de la empresa para evaluar el propio proceso, las reglas aplicadas, los actores implicados, etc. Todos estos datos pueden representarse con metadatos. Esto aclara los requisitos de la solución a implementar de una manera más formal y precisa.
Gráfico de conocimiento y metadatos «conectados»
El mapeo de estos elementos y sus relaciones permite explorar las características como se desee, por ejemplo, navegando por un Gráfico Semántico de Conocimiento (uno de los pilares del concepto de diseño de Data Fabric) y permite explorar visualmente todos los elementos de un proceso, facilitando su gobierno. Más adelante, en función del modelo de requisitos, se puede implementar el proceso y activar la aplicación o el proceso que generará y utilizará nuevos metadatos.
En particular, las aplicaciones construidas sobre una Enterprise Data Management platform impulsada por los metadatos, posiblemente conectada a los metadatos que representan los requisitos. Los nuevos metadatos, como los resultados de los controles de Calidad de Datos, se recogerán a medida que se ejecute la solución. Los metadatos de los requisitos, tanto técnicos/actuales como operativos, son indispensables para aplicar los principios de DataOps. El uso activo de todos estos metadatos es otro pilar del concepto de diseño de Data Fabric.
¿Cómo aprovechar al máximo estos activos de metadatos?
Podemos intentar ponerlos al servicio del negocio. Para ello, debemos identificar las entidades y funciones que necesitan datos para funcionar, comprender qué datos necesitan y ver si podemos ayudarles a encontrar las respuestas explorando nuestros metadatos.
Este principio constituye la base del paradigma de la gobernanza de datos orientada a los servicios, del que ABI Lab ha hablado a menudo el año pasado. Una de las formas de ofrecer estos servicios es una representación gráfica en respuesta a una solicitud del cliente interno que también explica el camino lógico que ha llevado a esta respuesta. La gobernanza de los activos de datos se cree comúnmente que mejora los procesos de toma de decisiones, sostiene la transformación digital y hace que la empresa esté verdaderamente orientada a los datos.
Los analistas de Gartner (Adaptive Data and Analytics Governance to Achieve Digital Business Success, 21 de julio de 2020, Saul Judah, Remi Gulzar) han identificado la progresión de cuatro estilos distintivos de Data Governance. Lo han llamado Gobierno de Datos Adaptativo. A cada estilo le corresponden nuevos tipos de metadatos. Para estar preparados para esta evolución, tenemos que mejorar los activos de metadatos para ofrecer nuevos servicios y responder a nuevas necesidades.
¿Cómo podemos prepararnos y preparar nuestros metadatos para estos retos?
Trabajando a tres niveles:
- con la adopción de métodos y técnicas basados en el uso de metadatos para analizar e implementar soluciones de uso intensivo de datos
- con el uso de tecnologías de Enterprise Data Management guiada por los metadatos, herramientas para la representación de metadatos a través de gráficos semánticos, plataformas de gestión de aplicaciones que soportan un enfoque AGILE;
- con una difusión de la cultura: no sólo de la alfabetización en datos, sino también de la alfabetización en metadatos
One doesn’t need to be a metadata expert. It is enough to recognize them as such to make the best use of the available information for one’s purposes and the company’s interests.