Grow Data

El futuro de los negocios depende de los recursos de analítica de los datos de las compañías. En esta medida, la infraestructura de Big Data proporciona nuevas oportunidades, ahorros y transformación en todas las áreas del negocio.Este es el caso del proceso de Extract, Transform and Load (ETL) el cual permite a las compañías preparar los datos que se quieren integrar desde múltiples fuentes, limpiarlos, formatearlos y cargarlos en distintas bases: data mart, o data warehouse en el que posteriormente se van a visualizar y analizar.

Este método requiere distintas fases. La primera consiste en extraer los datos desde los sistemas de origen. La mayoría de los proyectos de almacenamiento de datos funcionan con datos provenientes de diferentes sistemas de origen, y la compañía debe contar con las herramientas o plataformas adecuadas de acuerdo al volumen de información que se proyecta manejar.

Cada sistema por separado puede usar una organización diferente en diversos formatos. Estos a su vez, se toman normalmente de las fuentes ubicadas en las bases de datos relacionales o en ficheros planos, pero pueden incluir bases de datos no relacionales u otras estructuras.

Esta extracción convierte los datos a un formato preparado para iniciar el proceso de transformación, que debe aplicar una serie de reglas de negocio o funciones sobre los datos extraídos para convertirlos en datos que serán cargados.

En esta parte del proceso se debe organizar, unificar fuentes,

trabajar en el naming convention de las bases, definir los campos clave de destino y calcular las excepciones levantando un protocolo del manejo de la data que pueda ser entendible por múltiples usuarios. Una vez que se define la cadena de responsables sobre el manejo de la información dentro de la organización, se procede a configurar la estructura de la arquitectura a implementar.

La siguiente fase es definir el sistema de destino según los requisitos de la arquitectura. En este punto las bases de datos sobrescriben la información antigua con los nuevos datos. Los data warehouse mantienen un historial de los registros de manera que se puede hacer una auditoría de los mismos y disponer de un rastro de toda la historia de un valor a lo largo del tiempo. Para ello, normalmente se requieren talentos especializados en Data science, Data arquitectura y Administradores de data para cumplir con las tres fases, que posteriormente podrán ser direccionadas a una plataforma de visualización o tableros de control y que a su vez, requiera de un experto que realizar la lectura, y extraiga los hallazgos más importantes que tendrán un impacto en la evolución del negocio.

La evolución digital de las compañías normalmente está asociada a tecnologías, pero en este caso, son los procesos y el talento especializado los que son importantes para impulsar la compañía hacia la búsqueda de soluciones enfocadas en: la rentabilidad de la operación, en una automatización que disminuya la operatividad, y en la optimización de los tiempos del trabajo en equipo, de tal manera que cada fase del proceso pueda fluir con la duración requerida y con las expectativas de control y seguridad necesaria para el negocio.

Deja un comentario

Abrir chat