Master Data Management se puede traducir como Gestión de Datos Maestros, y su objetivo básico es organizar todos los datos críticos de la empresa en un solo punto, permitiendo una referencia común, fiable y única para esa información vital, que sin ella el negocio no puede funcionar.
Por ejemplo, para el caso de una empresa tradicional los clientes o los productos son los casos más típicos.
Junto a los datos maestros, podemos añadir:
- Datos de referencia, que añaden otros atributos útiles para aplicaciones o equipos de trabajo.
- Jerarquías, que nos muestran como se relacionan estos datos.
- Y podemos también disponer de metadatos, que describen tanto el formato como información útil, ejemplos: dónde están los orígenes o fuentes de datos, sus responsables, quién consume dicha información (aplicaciones, equipos), o incluso un diccionario de términos de negocio.
MDM centraliza la gestión de todos los datos clave como una sola copia maestra, y luego se sincroniza automáticamente con aquellas aplicaciones que los utilizan, o si es necesario actualizar la propia fuente.
Para analítica no tiene precio disponer de fuentes con datos correctos que puedan alimentar por ejemplo unos datamarts útiles.
Una de las claves de MDM es que definen un punto de información común dentro de la creciente descentralización de procesos de datos dentro de una empresa. Pasamos de un sistema de silos departamentales, equipos o personales con sus copias locales de trabajo, a un sistema donde toda la información está estandarizada, accesible y jerarquizada de forma clara y única.
Además conseguimos que siendo la única fuente de verdad, no puedan existir duplicidades o inconsistencias en cualquier derivación de estos datos maestros.
Por ejemplo, todos los datos clave en un ecommerce, ERP, CRM, etc. deberán estar perfectamente sincronizados. Tener un cliente con datos desfasados en una aplicación es un error crítico que deja la fiabilidad de la información por los suelos.
La Gestión de Datos Maestros involucra a toda la empresa, no es una responsabilidad de Negocio, IT o Marketing. Por lo tanto debe formar parte de la estrategia de la empresa. Esto junto a los empleados, constituye uno de los activos más importantes.
Una información fiable, coherente y rápidamente accesible provee a la empresa de una gran ventaja competitiva, gracias al aumento de la productividad, facilidad analítica, mejores decisiones e integraciones técnicas más sencillas en el futuro.
Una buena gestión de los datos es clave para una estrategia data-driven real.
Si tenemos perfectamente identificadas todas nuestras fuentes de datos, junto a sus jerarquías, como se organizan y las aplicaciones que lo necesitan, podremos conocer en todo momento cómo y a qué afecta cada cambio propuesto sobre las fuentes o los repositorios de datos.
Un reto donde es muy útil un buen trabajo sobre MDM es en una posible fusión de dos empresas, donde si ambas han trabajado correctamente sus datos, la fusión de clientes, productos, etc. reduce sustancialmente el esfuerzo y la posibilidad de errores como duplicidades o no saber que datos son los correctos.
¿Un MDM es lo mismo que un Datawarehouse?
No, sus objetivos son diferentes y aunque en ambos hay un dato trabajado único, limpio y fiable, el DW es una base de datos con una arquitectura multidimensional, donde el objetivo es ser consumido para analizar y extraer conocimiento.
Se suele agregar información sobre detalles transaccionales, fuentes externas como el mercado o la competencia en el caso de construir un datamart desde el datawarehouse, y los datos que contienen son construidos para este fin analítico.
La relación con los datos maestros, cuando existe, es muy estrecha, ya que es la primera FUENTE de la información principal, de esta forma la información será completamente fiable. Trabajar con información de baja calidad lleva a tomar malas decisiones y posibles desventajas competitivas.
¿Como poner en marcha un MDM?
Las recomendaciones siempre pasan por fases, ir desde lo más básico hasta, cuando sea necesario, adquirir aplicaciones específicas para ello. Todo depende del momento en el que se encuentra la empresa.
Desde lo más básico podemos partir de:
- Un buen modelado de datos, corrigiendo problemas de base iniciales
- Limpieza de datos, sin olvidar poner en orden las aplicaciones y backoffices de introducción de datos
- Identificación y documentación de las fuentes
- Definir las jerarquías entre los datos para profundizar en sus relaciones
- Establecer la política de gestión de los datos y supervisarla