Sie sind auf Seite 1von 15

Mtodo de madurez para

la calidad de los datos


Data quality maturity method

Fecha de recepcin: 9 de febrero de 2012


Fecha de evaluacin: 12 de abril de 2012
Fecha de aprobacin: 4 de septiembre de 2012

Carlos Orlando Hernndez Gama (Colombia)


chernandez@sinertic.com.co
ESI Center SinerTIC Andino

Ingeniero de Sistemas de la Universidad Politcnico Grancolombiano, Especialis-


ta en Gerencia de la Universidad Pontificia Bolivariana de Medelln; Investigador de
la Universidad Externado de Colombia, Consultor especializado para la creacin de
tcnicas y metodologas de gestin empresarial ESI Center SinerTIC Andino. Con-
sultor y director de proyectos de tecnologa en empresas del estado y privadas.

Brigitte Mayorga Jaimes (Colombia)


ESI Center SinerTIC Andino

Ingeniera de Sistemas y Computacin de la Universidad de los Andes, con amplia


experiencia en servicios informticos. Gestora en el ao 2003 del Clster de Tecno-
logas de Informacin y Servicios Asociados SinerTIC, labor que la ha hecho mere-
cedora de mltiples reconocimientos internacionales. Actualmente se desempea
como consultora nacional e internacional en modelos asociativos, consorcios de
exportacin de software y en la Presidencia del Centro de Desarrollo Tecnolgico
de Tecnologas de la Informacin ESI Center SinerTIC Andino

Lyda Pea Paz (Colombia)


lpena@uao.edu.co
Universidad Autnoma de Occidente

BSc., Ingeniera de Sistemas de la Universidad de San Buenaventura Cali, Colombia,


Magster en Ciencias Computacionales del Instituto Tecnolgico y de Estudios Su-
periores de Monterrey - ITESM, Mxico. Estudiante del Doctorado en Ingeniera In-
formtica - Bioinformtica e Informtica Biomdica, Universidad Pontificia de Sala-
manca, Espaa. Docente de Planta, Universidad Autnoma de Occidente, Cali.

Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 | | 79


Resumen Abstract
En este artculo se presenta la propuesta de un In this article a proposal of a valuing method on
mtodo para la valoracin del nivel de madurez en maturity level in data quality (IQM-QDMM) is pre-
la calidad de los datos (IQM-QDMM) que permite a sented. This method allows organizations to identi-
las organizaciones identificar y fortalecer sus prc- fy and strengthen their corporate practices and the
ticas empresariales y la tecnologa utilizada para el technology used for data processing to ensure the
tratamiento de los datos, a fin de asegurar la calidad quality in the information systems understood as a
en los sistemas de informacin como un factor para key factor for competitivity.
la competitividad. This method is based on the maturity model IQM
Este mtodo se basa en el modelo de madurez (Information Quality Metrics) proposed by the ESI
IQM (por sus siglas en ingls Information Quality Center SinerTIC Andino, IQM defines the organiza-
Metrics) propuesto por ESI Center SinerTIC Andino. tional perspectives and the maturity levels for valu-
IQM define las perspectivas organizacionales y los ing and data processing within the organization.
niveles de madurez para la valoracin y tratamiento Based on this, a metrics system, the value area con-
de los datos en la organizacin, a partir de lo cual, ditions of the maturity model and the instruments
se determina un sistema de mtricas, las condicio- to perform such valoration are determined.
nes de las reas de valor del modelo de madurez
y los instrumentos para llevar a cabo dicha valora-
cin.

Palabras clave Keywords


Calidad de datos, modelo de madurez, gestin data quality, maturity model, corporate manage-
empresarial. ment.

80 | Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 |


Mtodo de madurez para la calidad de los datos

Introduccin los factores, elementos y niveles que con-


sidera el Modelo de Madurez para la Ca-
lidad de los Datos, posteriormente se pre-
En las ltimas dcadas, las organizacio- senta un caso de aplicacin del mtodo y
nes se han visto enfrentadas a un merca- sus resultados.
do globalizado que las obliga a mejorar
su competitividad y productividad, me-
jorando la calidad de sus productos y ser-
vicios basados en la optimizacin de los
Calidad de los datos en el
recursos, la eficiencia de sus operaciones contexto organizacional
y la calidad de su informacin. En este
contexto, cobra an mayor importancia En las organizaciones, los datos se reco-
el manejo que se haga de la informacin nocen como activos valiosos y como un
al interior de la organizacin. componente esencial para el xito de las
Si bien, las organizaciones entienden estrategias, no obstante, muchos sistemas
la importancia de la calidad de la infor- arrojan pobres resultados que alejan a los
macin y han realizado inversiones im- clientes, porque producen altos costos de
portantes en procesos de automatizacin, mantenimiento y reduccin de la eficien-
siguen encontrndose inconvenientes al cia, efectividad y rentabilidad de las em-
momento de requerir datos precisos que presas (ESI Center SinerTIC, 2011).
apoyen la implementacin de estrategias A continuacin se mencionan algunos
de negocio o la toma de decisiones. de los inconvenientes que se presentan al
Atendiendo la necesidad de valorar el interior de las organizaciones en cuanto
nivel de calidad de los datos que se ma- al manejo de los datos, los cuales se refle-
nejan en una organizacin, ESI Center jan en la baja calidad de los mismos.
SinerTIC Andino propuso la metodolo-
ga IQM como un servicio integrado que ~~ No se poseen mecanismos para esta-
provee soluciones para el mejoramiento blecer las prdidas financieras causa-
de la calidad de los datos que soportan das por la deficiente calidad de los da-
los procesos estratgicos del negocio (ESI tos.
Center, 2009). ~~ No se han definido polticas que esta-
Sustentado en la definicin del servi- blezcan responsabilidades y acciones
cio IQM, el presente documento plantea enfocadas a garantizar la calidad en el
la propuesta de un modelo para medir el manejo de los datos y la informacin.
nivel de Madurez de las organizaciones ~~ No hay cultura organizacional en lo
en cuanto a la Calidad de los Datos (M- correspondiente a la apropiacin de la
dulo de mtricas IQM-QDMM) que calidad de los datos y de la informa-
permita identificar y fortalecer sus prcti- cin.
cas empresariales y la tecnologa utilizada ~~ Se observa el manejo descentralizado
para el tratamiento de los datos, a fin de de los datos, lo cual no garantiza con-
asegurar la calidad en los sistemas de in- sistencia e integridad, redundando en
formacin (ESI Center Sinertic, 2011). bajos resultados y sobrecostos de pro-
A continuacin se hace una descrip- cesamiento.
cin de la metodologa IQM y se plantean

Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 | | 81


~~ Carencia de procedimientos de con- Figura 1. Proporcin de empresas
trol y seguimiento a la calidad de los que cuentan con una estrategia
datos, por la debilidad o ausencia de formal de calidad de datos
indicadores de satisfaccin o mtricas
de calidad.
~~ Se asocia la calidad de los datos espe-
cficamente con la gestin tecnolgi-
ca y no se consideran otras perspec-
tivas organizacionales que igualmente
la afectan.
~~ No se aplican las mejores prcticas de
ingeniera para el desarrollo y mante-
nimiento del software que administra Fuente: ESIC-SCHOBER, 2006.
los datos en su ciclo de vida.
Considerando la importancia que tie-
En un estudio realizado a 2600 em- nen los datos para el xito de las organi-
presas espaolas de todos los sectores zaciones en su entorno competitivo, una
(ESIC y Schober, 2006), se muestra que pobre calidad de datos puede tener un
aun cuando el 74% de ellas reconoce te- fuerte impacto en la salud de una compa-
ner problemas con la calidad de los datos a. Si los datos defectuosos no se iden-
y manifiesta la necesidad de disponer de tifican y corrigen a tiempo, pueden con-
informacin ms confiable para la toma taminar la informacin precisa, elevar
de decisiones, solamente el 8,7% han im- los costos, arriesgar las relaciones con los
plementado un plan de mejora para la ca- clientes, generar pronsticos imprecisos y
lidad de sus datos, y el 25,4% estn im- decisiones incorrectas (Eckerson, 2002).
plementando un plan, el 23,2% estn El mismo estudio mencionado ante-
desarrollando un plan y el 42,7% no tie- riormente (ESIC y Schober, 2006), deter-
nen ningn plan de mejora. mina las principales reas de las empre-
sas espaolas que resultan afectadas por
la calidad de datos, las cuales se presen-
tan en la figura 2.

82 | Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 |


Mtodo de madurez para la calidad de los datos

Figura 2. Principales reas de las empresas espaolas que


resultan afectadas por una pobre calidad de datos

Fuente: ESIC-SCHOBER, 2006.

Antecedentes datos en trminos de su completitud; 4.


(Leonowich-Graham y Willshire, 2003),
En la revisin de literatura, se encuen- 5. plantean un marco de trabajo denomi-
tran mltiples estudios y propuestas al- nado SBQF (Small Business Quality Fra-
rededor del tema de Calidad de datos, la mework), basado en el modelo TDQM
mayor parte de los cuales se concentra en (Total Data Quality Mangement) para
la caracterizacin de factores y el diseo lograr que las pequeas empresas al-
de herramientas para asegurar un nivel cancen un nivel aceptable de calidad de
aceptable de la calidad de los datos. datos.
Algunos documentos proponen mo- Entre los trabajos que se han centrado
delos para la medicin de calidad de los en el desarrollo de herramientas de apo-
datos; 1. (Shankar y Watts, 2003) plan- yo a los procesos de calidad de datos se
tean un modelo de valoracin de calidad encuentran la propuesta de 1. (Svchenko,
de los datos, considerando una evalua- 2003) cuyo estudio presenta experiencias
cin objetivo y una evaluacin contex- del proceso de construccin de una he-
tual; 2. (Allen, Carter et al., 2003) pro- rramienta de software para apoyar a los
ponen un modelo repetible para abordar analistas en la estimacin objetiva de la
la calidad de los datos cuando se desea calidad de informacin de una fuente de
transformar datos existentes en forma de datos relacionales desconocida; 2. (Long,
texto a un sistema ERP (Enterprise Re- Seko et al., 2004) presentan una lista de
source Planning); 3. (Wang y Wang, chequeo preliminar de calidad de datos,
2007) proponen un modelo de minera basado en la teora y prcticas del CIHI
de datos basado en mapas auto-organi- (Canadian Institute for Health Informa-
zables (SOM) para visualizar los patro- tion), el cual se encuentra personalizado
nes de valores perdidos en una coleccin para facilitar las actividades de calidad de
de datos y para valorar la calidad de los datos para recolectores de informacin

Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 | | 83


primaria del servicio administrativo de 6. (Amicis, Barone y Batini, 2006) pre-
salud; 3. (Kerr & Norris, 2004) plan- sentan un marco de trabajo analtico que
tean una investigacin que busca con- incluye los mtodos principales de depen-
tribuir con el desarrollo de una estrate- dencia y formulacin analtica, basados
gia de calidad de datos para el ministerio en la entropa de Shannon, cada mode-
de salud de Nueva Zelanda; 4. (Oliveira, lo es caracterizado y se proponen medi-
Rodrigues y Henriques, 2006) presen- das de correlacin entre las dimensiones.
tan una nueva alternativa para operacio-
nes de mantenimiento de datos existentes
en bases de datos, con el objetivo de auto- Modelo de Madurez IQM
matizar dicho proceso mediante la reuti-
lizacin de procesos de limpieza de datos. Los modelos de madurez estn siendo
aplicados en las organizaciones como un
En cuanto a metodologas de medi- mecanismo que busca garantizar la co-
cin, se destacan los trabajos de 1. (Even rrecta incorporacin de prcticas de ges-
y Shankaranarayana, 2005), quienes pro- tin, para llegar a un estado ideal que les
ponen mtodos de medida para caracte- permita obtener mayor competitividad.
rsticas de calidad comnmente usadas El modelo de madurez IQM es un
(completitud, validez, exactitud y ac- modelo adoptado de las mejores prcti-
tualidad) basadas en el concepto de va- cas de medicin de las capacidades em-
lor intrnseco; 2. (Fhring y Naumann, presariales, enfocado al anlisis y valora-
2007), presentan una solucin para la cin del tratamiento y administracin de
representacin grfica de los datos con los datos; examina un conjunto de prc-
puntajes de calidad para permitir su efi- ticas y procesos que se han agrupado en
ciente almacenamiento y recuperacin; cuatro dimensiones o perspectivas de la
3. (Hipp,Mler et al., 2007) amplan y organizacin y sobre las cuales, se consi-
evalan un enfoque para medicin de la dera que deben ser incorporadas tcnicas,
dimensin de exactitud de la calidad de herramientas y mecanismos para que la
datos basado en reglas de asociacin, el estructura de datos que se maneja al inte-
modelo propuesto es empleado para divi- rior de la organizacin cuente con los ele-
dir los registros de una base de datos en mentos de calidad requeridos.
tres subconjuntos: potencialmente inco- El modelo de Madurez IQM, se dife-
rrectos, calidad no definida y probable- rencia de otros modelos debido a que 1)
mente correctos; 4. (Batini, Barone et al., emplea un enfoque sistmico; 2) emplea
2007) proponen ORME-DQ que es una un progreso escalado en la calidad de da-
metodologa y un marco de trabajo aso- tos; 3) formula recomendaciones para su
ciado para la valoracin de la calidad de aplicacin prctica y efectiva; 4) Emplea
datos en las organizaciones, igualmen- un enfoque estratgico del modelo y lo
te hacen un anlisis comparativo de di- vincula con la gestin del conocimiento
ferentes metodologas disponibles para y 5) se vinculan diferentes dimensiones
valoracin de calidad de datos; 5. (Hein- o perspectivas de la organizacin; 6) pro-
rich, Kaiser y Klier, 2007) plantean una pone mejoras de procesos en operacin y
metodologa para la cuantificacin de la alternativas de implementacin de pro-
dimensin de disponibilidad de los datos; ductos y/o metodologas que logran altos

84 | Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 |


Mtodo de madurez para la calidad de los datos

impactos en la efectividad operativa, tc- cuatro fases del ciclo de vida del dato;
nica y financiera. desde esta premisa se puede evaluar la in-
cidencia que tiene el ciclo de vida del dato
Elementos que conforman sobre el cumplimiento de metas y compe-
el modelo de madurez titividad de la organizacin.
El modelo de madurez de calidad de da-
tos se fundamenta sobre cuatro com- 2. Perspectivas organizacionales
ponentes: los referentes de calidad del para la calidad de datos
dato, el ciclo de vida del dato, las pers- Para esta propuesta se ha cambiado
pectivas organizacionales y los niveles de el enfoque de lo que se reconoca como
madurez. reas de conocimiento hacia una identi-
ficacin de perspectivas organizacionales
1. Referentes de Calidad del Dato para la valoracin de la calidad de datos.
Los referentes de calidad del dato se esta- En la metodologa se afirma que la ca-
blecen para determinar el tipo de incon- lidad de los datos se alcanza a travs de
sistencia que pueden presentar los datos la ejecucin de buenas prcticas en todo
a partir de los factores de vulnerabilidad el ciclo de vida del dato y para mantener
identificados y los procesos de levanta- este supuesto, los niveles de madurez de-
miento y anlisis de condiciones del ci- ben definirse en trminos del alcance del
clo de vida de los datos en los procesos or- ciclo de vida de los datos orientados hacia
ganizacionales; estos referentes son: dato su aporte a la calidad.
exacto, dato integral, dato consistente y IQM se enfoca en los sistemas de la
dato completo. informacin estratgica, entendida como
el grupo de componentes que tiene ma-
1. El ciclo de vida del dato yor impacto en la calidad de la informa-
Por otro lado, al contemplar la infor- cin. Se ha contemplado que est forma-
macin como un producto de procesa- do por dos enfoques: los datos evaluados
miento de los datos se determinan cua- con los referentes de calidad definidos y
tro estados que componen el ciclo de vida las perspectivas organizacionales, que son
del dato: origen, administracin, trans- la direccin de los procesos de su ciclo de
formacin y uso. Uno de los aspectos que vida, la definicin y ejecucin de estos, la
valora la lnea base es el nivel de identifi- cultura organizacional orientada a la ca-
cacin y estructuracin que tiene la orga- lidad, la arquitectura y la seguridad pre-
nizacin en la trazabilidad de los datos, sente. La tabla 1 describe cada una de las
la cual est determinada por la identifi- perspectivas en trminos de la forma en
cacin del dato en la cadena de valor de la que evalan dentro del modelo.
la informacin estratgica que integra las

Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 | | 85


Tabla 1. Perspectivas organizacionales del modelo IQM
PERSPECTIVAS

Prcticas que determinan el nivel de preparacin sostenible de una organizacin


DIRECCIN para generar informacin de calidad para la toma de decisiones eficientes, evi-
denciado a travs de directrices enunciadas, oficiales, implementadas y auditadas.

Es el grado de apropiacin e incorporacin de la calidad de los datos en la organi-


zacin, vista a travs de la difusin de las polticas asociadas y su aplicacin. En el
CULTURA ORGANIZACIONAL
proceso IQM esta perspectiva est estrechamente ligada a los factores de la pers-
pectiva de Direccin.
Factores empresariales que permiten determinar el nivel de la presencia de bue-
nas prcticas en los procedimientos de validacin, medicin, seguridad y mejora-
TRAZABILIDAD
miento continuo tal que se garanticen la calidad de los datos durante todo el ci-
clo de vida.
Es el conjunto de caractersticas de los insumos de tecnologa utilizados para ge-
nerar la informacin estratgica de la organizacin, compuesto por la arquitectu-
ARQUITECTURA
ra de datos, de sistemas de informacin y la ingeniera aplicada, cuyo nivel de cali-
dad influye en la capacidad para asegurar la calidad del dato.

2. Niveles de Madurez del Modelo IQM La figura 3 representa la estructu-


Para el modelo se establecieron tres nive- ra del modelo integrado con los elemen-
les de madurez que le permite a las orga- tos ajustados y los niveles de madurez
nizaciones trazar metas especficas para especificado:
alcanzar altos estndares y buenas prc-
ticas. Estos niveles son: Figura 3. Estructura del modelo IQM

~~ Bsico: Los sistemas de informacin


estn identificados, implementados y
verificados.
~~ Medio: Los elementos que afectan
la calidad de los datos se encuentran
controlados y gestionados.
~~ Alto: Las actividades estn estables y
se aplica mejoramiento continuo.

Cada nivel tiene una serie de requeri-


mientos para los elementos ms influyen-
tes sobre la calidad de los datos los cuales
son: la informacin estratgica y operati-
va, los datos trazados, verificables y segu-
Fuente: Elaboracin propia de los autores
ros, medicin de la calidad de los datos,
los procesos de soporte tecnolgico, datos
con tratamiento tcnico y la calidad co-
nocida y apropiada.

86 | Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 |


Mtodo de madurez para la calidad de los datos

Mtodo para la revisiones correspondientes: Trazabi-


lidad del dato y Arquitectura e Inge-
Valoracin del Nivel de niera del Dato.
Madurez IQM QDMM
Perspectivas de Direccionamiento
El sistema de mtricas establecido para del rea Gerencial
el modelo, valora las prcticas, las com-
petencias y las capacidades de la empre- 1. Direccionamiento: a partir del anli-
sa en las cuatro perspectivas organizacio- sis y valoracin de las prcticas im-
nales que son consideradas crticas en las plementadas en la organizacin, se
organizaciones para la determinacin de determina el nivel de preparacin sos-
la calidad de datos. tenible para generar informacin de
calidad para la toma de decisiones efi-
cientes, evidenciado a travs de direc-
reas de Valoracin trices o polticas enunciadas, oficia-
les, implementadas y auditadas. En
Se establecen dos reas en las cuales se esta perspectiva los factores de valora-
examinan las prcticas trazadas para la or- cin son: 1) Informacin estratgica,
ganizacin con respecto a sus funciones: 2) Planeacin estratgica, 3) Polticas
de tecnologa, 4) Gestin de procesos
~~ rea Gerencial: esta valoracin identi- y 5) Gestin del talento humano.
fica aspectos de tipo estratgico y de 2. Cultura Organizacional: mide el nivel
direccionamiento que tienen las em- de incorporacin e identidad de las di-
presas hacia la aplicacin de prcticas rectrices y polticas, en el quehacer del
que vayan en beneficio y mejores nive- recurso humano que son reconocidas
les de garanta de la calidad de los da- e identificadas como parte de la cul-
tos en las organizaciones. En esta rea tura de una organizacin en el mar-
se han definido dos perspectivas desde co del tratamiento de la informacin
las cuales se realizarn las revisiones y la calidad de los datos. En esta pers-
correspondientes: Direccionamiento y pectiva los factores de valoracin son:
Cultura Organizacional. 1) Informacin estratgica, 2) Planea-
cin estratgica, 3) Polticas tecnolo-
~~ rea Tcnica / Operativa: esta valora- ga, 4) Gestin de procesos y 5) Ges-
cin identifica aspectos de tipo tc- tin del talento humano.
nico y mide la efectividad de las di-
rectrices que rigen en la organizacin
los procesos directamente relaciona- Perspectivas de Direccionamiento
dos con la garanta de la calidad de del rea Tcnica / Operativa
los datos, esencialmente por la inte-
raccin de las personas con los siste- 1. Trazabilidad del Dato: a partir del
mas de informacin que contienen anlisis y valoracin de las prcticas
dichos datos. En esta rea se han defi- implementadas en la organizacin, se
nido dos perspectivas para realizar las determina el nivel de la presencia de

Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 | | 87


buenas prcticas en los procedimien- por los datos y los elementos tecnol-
tos de validacin, medicin seguridad gicos, cuyo nivel de calidad influyen
y mejoramiento continuo tal que se en la capacidad para asegurar la cali-
garanticen la calidad de los datos. En dad del dato. En esta perspectiva los
esta perspectiva los factores de valo- factores de valoracin son: 1) Funcio-
racin son: 1) Origen, 2) Procesos de nalidad y 2) Mantenibilidad.
Administracin, 3) Transformacin y
4) Uso. La figura 4 presenta la composicin
2. Ingeniera del Dato: es el conjunto de del sistema de mtricas a partir de cada
caractersticas de los insumos utiliza- uno de sus elementos constitutivos prin-
dos para generar la informacin estra- cipales (reas y perspectivas).
tgica de la organizacin, compuesta

Figura 4. Composicin del Sistema de Mtricas

Fuente: Elaboracin propia de los autores

88 | Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 |


Mtodo de madurez para la calidad de los datos

Valoracin encargado de la asesora y capacitacin


La valoracin del nivel de madurez en la en prevencin de riesgos laborales, que
calidad de los datos, se determina a partir cuenta en la actualidad con altos vol-
de la evaluacin de cada uno de los fac- menes de informacin y documentos y
tores establecidos, para lo cual se han di- est en una etapa de crecimiento con al-
seado diversos instrumentos que depen- gunos procesos de negocio y de apoyo
den del tipo de informacin que se quiere automatizados.
verificar.
Para los factores asociados a las pers- Datos bsicos de la empresa:
pectivas de Direccionamiento y Cultura Nombre: Riesgos y Soluciones Ltda.
Organizacional, se han definido una serie Sede Principal: Bogot
de encuestas que incluyen entre 3 y 5 pre-
guntas para valorar cada factor, cada una Otras Sedes: Oficina en Ccuta
de las cuales se califica en trminos del Representante
Manuel Antonio Hernndez
nivel alcanzado identificado y documen- Legal:
tado (Bsico), gestionado y controlado Servicios de Asesora y
(Medio) o Mejorado (Alto); igualmente Objeto Social : Capacitacin en Prevencin
se han definido aspectos que deben con- de Riesgos Laborales.
siderarse al momento de realizar el levan- Ao de
1997
tamiento de informacin de dicho factor, constitucin:
as como el anlisis de riesgos e impacto Pgina Web: www.ryshernandez.com
en costos para la organizacin.
Para los factores asociados a las pers- Clientes
Alfa ARP, Colmena ARP
principales:
pectivas de Trazabilidad e Ingeniera del
Dato, se han definido los referentes e in- Otros clientes de
Ms de 300 empresas
privadas: pequeas, medianas
dicadores que deben examinarse para es- servicio:
y grandes.
tablecer el nivel en el que se encuentra
cada factor. Nmero de
43
empleados:
Finalmente, una vez realizada la valo-
racin se identifica el nivel de madurez en
el que se encuentran los datos en los siste-
mas de informacin estudiados, se iden- La misin de la empresa es:
tifican los riesgos presentes y se estiman
las prdidas econmicas potenciales por Contribuir en la prevencin, pro-
mala calidad en los datos. teccin y atencin a los trabajadores,
con un cambio de actitud hacia la pre-
vencin, mediante el liderazgo en la
atencin integral de Salud Ocupacio-
Caso de Estudio nal, con un equipo humano altamente
Descripcin calificado y comprometido, basado en
de la Organizacin los principios de tica, eficiencia y par-
El modelo madurez para la calidad de ticipacin que conduzcan a la organiza-
los datos organizacionales, fue aplica- cin a su crecimiento y sostenibilidad en
do en una empresa del sector de servicios el tiempo

Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 | | 89


Proceso seleccionados comportamiento de los datos en la orga-
nizacin, calificado como innovador.
Los procesos seleccionados sobre los cua- Se valor el Ciclo de Vida del Dato
les se realiz el piloto de prueba del m- (CVD) conforme lo establece el Mtodo,
todo y la herramienta de software asocia- elaborando la mtrica o estado actual de
da, fueron los siguientes: la organizacin en cada uno de los fac-
tores que componen el ciclo: origen, ad-
~~ Proceso de Recepcin de solicitudes ministracin, transformacin y uso de los
de trabajo: proceso a travs del cual datos.
ingresa una solicitud de servicio a la Se realiz la valoracin de aspectos de
organizacin y termina con la crea- ingeniera del dato, en los cuales se aplic
cin de una orden de trabajo interna. una herramienta de software la cual ge-
~~ Proceso de Ordenes de Servicio: es nera a travs de sus resultados las eviden-
el proceso que parte de las rdenes cias y confirmacin de riesgos que resul-
de servicio aprobadas, en el mismo tan del levantamiento de las perspectivas
se asignan los profesionales que rea- del negocio evaluadas.
lizarn las actividades respectivas y Se establecieron evidencias a travs
se organiza el cronograma, una vez de la aplicacin de anlisis de calidad de
realizada la actividad se verifica la do- dato con dos bases de datos y tres tablas
cumentacin y se confirma la conta- de misin crtica, que orientan a la em-
bilidad para que proceda a la factura- presa en las principales acciones correcti-
cin. vas o de mejora a implementar.
~~ Proceso de Facturacin: es el proceso
a travs del cual se registra la infor- Herramientas de software
macin en el software contable, don- aplicado al piloto
de se generan las facturas y el proceso
de cobro de la empresa. Como herramienta de software, se em-
ple la desarrollada para la metodologa,
la cual ayuda a identificar el nivel en el
que se encuentra la empresa respecto a la
Actividades ejecutadas calidad de los datos (bsico, medio o alto)
y consta de cuatro mdulos:
Se valoraron las perspectivas de Direc-
cionamiento y Cultura Organizacional 1. Administrador: mdulo en el cual se
(nivel de negocios de acuerdo con la me- parametrizan las tablas del sistema,
todologa) para el Modelo de Madurez, los usuarios, las empresas y se definen
aplicando sus conceptos y evidenciando las estructuras de los archivos planos
su efectividad en los resultados. que se requieren procesar.
Se realiz el levantamiento de la tra- 2. Lnea base: mdulo en el cual se in-
zabilidad de datos para los procesos de- gresan todos los datos relacionados
finidos, generando un resultado de mu- con encuestas que se aplican a nivel de
cha utilidad para la empresa por la visin Direccin y Cultura Organizacional,
macro y mapeo que se elabora sobre el y a nivel de Procesos y Arquitectura de

90 | Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 |


Mtodo de madurez para la calidad de los datos

Datos. Igualmente se incluyen los ar-


chivos planos sobre los cuales se quie-
Conclusiones
ren generar indicadores y diagnstico
Es relevante tener un modelo aplicado a
de reparacin de datos bsicos.
los datos (que son de base tecnolgica)
3. Anlisis: en este mdulo se realizan
que contenga un lenguaje de negocios, te-
los procesos de anlisis y se generan
niendo en cuenta tcnicas y prcticas que
las mtricas para los archivos que se
domina la empresa e incluya a las perso-
requieran.
nas de la organizacin que estn vincu-
4. Informes: mdulo en el cual se presen-
ladas con la Trazabilidad de los datos, es
tan los resultados a nivel de encuestas,
decir, con todo el sistema de informacin
diagnstico y recomendaciones.
de la empresa.
Es crtico adelantar un anlisis del
sector y el entorno de la empresa para te-
Resultados ner claridad sobre la importancia estrat-
gica de los datos, con respecto a su mode-
Los principales resultados obtenidos con lo de negocio.
la aplicacin del modelo son los siguientes: Las perspectivas de Cultura Organi-
zacional y Trazabilidad del dato, esta-
1. Valiosa visin global de la calidad de los blecen un diferenciador con otras tcni-
datos. Se evidenci la ventaja de ha- cas o mtodos de valoracin de calidad
cer una observacin general y no sola- del dato, haciendo ms efectiva la visua-
mente tcnica del proceso piloto. lizacin de vulnerabilidades y proponien-
2. Evidencia de prcticas erradas de la em- do soluciones de espectro ms amplio al
presa. En la medida que se avanza en cumplimiento de las metas.
el proceso, se logra evidenciar puntos El tipo de anlisis y de documenta-
que la organizacin por s sola no evi- cin producida, tiene un enfoque para
denciaba y que se identifican como diferentes escenarios y actores de la orga-
escenarios relevantes para el tema nizacin, permitiendo visualizar aspectos
de la calidad de los sistema de infor- de orden estratgico y de orden tctico.
macin. Para las organizaciones, tener un plan
3. Evidencia fallas en seguridad de los da- de mejoras simple pero efectivo, dar po-
tos. A partir de algunas evaluaciones, sibilidades de hacer realidad en cortos
se identifican las vulnerabilidades que plazos, eficiencias que desde los datos y
se tienen en la empresa y que produ- la informacin, redunden en beneficios
cen riesgos de prdida de informa- tangibles. Este aspecto se consolida muy
cin, y se establecen nuevos niveles de bien con la aplicacin de mtricas bajo
valoracin de algunos datos realmente un modelo de madurez y con un enfoque
crticos para el negocio. sistemtico que ofrece IQM.
4. Integracin de procesos estratgicos
con procesos operativos y tcnicos en
la valoracin de la empresa, bajo el
lente de la calidad de los datos.

Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 | | 91


Referencias International Conference on Information
Quality (ICIQ 07), pp.431-445.
13. Hipp, J., Mller, M., Hohendorff, J.,
5. Allen, M.D., Carter, S., Aiken, P.,
Naumann, F. (2007). Rule-Based Mea-
Cyrus, M.K., Wade, K., McCormac,
surement of Data Quality In Nominal
S. (2003). Extracting Data from Free
Data. Proceedings of the 12th Internatio-
Text Fields: Assuring Data Quality for
nal Conference on Information Quality
ERP Implementation. Proceedings of
(ICIQ 07), pp.364-378.
the Eighth International Conference on
14. Kerr, K., Norris, T. (2004). The develo-
Information Quality, pp.319-330.
pment of a healthcare data quality fra-
6. Amicis, F. D., Barone, D., Batini, C.
mework and strategy. Ninth Internatio-
(2006). An Analytical Framework to
nal Conference on Information Quality
Analyze Dependencies among Data
(IQ 2004), pp.218-233.
Quality Dimensions. En: Talburt, J.,
15. Leonowich-Graham, P., Willshire,
Pierce, E., Wu, N. and Campbell, T.
M.J. (2003). A Data Quality Fra-
(Eds), Proceedings of the 11th Internatio-
mework for Small Businesses. Procee-
nal Conference on Information Quality,
dings of the 8th International Conferen-
pp.369-383.
ce on Information Quality, pp. 239-244.
7. Batini, C., Barone, D., Mastrella, M.,
16. Long, J. A., Seko, C. E. (2002). A New
Maurino, A., Ruffini, C. (2007). A Fra-
Method for Database Data Quality
mework and a Methodology for Data
Evaluation at the Canadian Institute
Quality Assessment and Monitoring.
for Health Information (CIHI). Procee-
Proceedings of 12th International Con-
dings of the International Conference on
ference on Information Quality. Ciudad.
Information Quality (IQ ), pp. 238-250.
8. Eckerson, W. (2002). Data Warehou-
17. Nyaboga, A. B., Nwuara, M. F.
sing Special Report: Data quality and
(2009). Strategies for Gaining Compe-
the bottom line. Ciudad: editorial.
titive Advantage in A Dynamic Envi-
9. ESI Center SINERTIC. (2011). Me-
ronment Thru Data Quality. Interna-
todologa del Servicio IQM.
tional of Management & Information
10. Even. A, Shankaranarayanan, G., Ber-
System. 13(1): 13-22.
ger, P. D. (2005). Profit Maximization
18. Oliveira, P., Rodrigues, M.F., Henri-
with Data Management Systems. Pro-
ques, P.R. (2006). An Ontology-Based
ceedings of the International Conference
Approach for Data Cleaning. Procee-
on Information Systems. Las Vegas.
dings of the 11th International Conferen-
11. Fhring, P., Naumann, F. (2007).
ce of Information Quality (ICIQ 2006),
Emergent Data Quality Annotation
pp.307-320.
and Visualization. Proceedings of the
19. Savchenko, S. (2003). Automating Ob-
Twelth International Conference on In-
jective Data Quality Assessment. Pro-
formation Quality (ICIQ ), pp.424-430.
ceedings of the 8th International Con-
12. Heinrich, B., Kaiser, M., Klier, M.
ference on Information Quality, pp.
(2007). DQ metrics: a novel approach
353-364.
to quantify currency and its applica-
20. Shankar, G., Watts, S. (2003). A Re-
tion in CRM. Proceedings of the 12th
levant, Believable Approach for Data
Quality Assessment. Proceedings of the

92 | Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 |


Mtodo de madurez para la calidad de los datos

8th International Conference on Infor- customer segmentation. International


mation Quality, pp.178-189. Journal of services operations and infor-
21. SINERTIC. (2009). Metodologa de la matics, 2(4),382 - 390.
Lnea de Base del Servicio QINFO. 23.
22. Wang, H., Wang, S. (2007). Mining
purchasing sequence data for online

Punto de vista | v. III. | no. 5 | julio - diciembre 2012 | pp. 77 - 94 | | 93