You are on page 1of 2

Qu es MDM (Master

Data Management)?
Garbage in, Garbage out
Actualmente, la mayora de organizaciones trabajan con grandes cantidades de datos
(digitalizados o no). Estos datos provienen de diferentes fuentes de origen y a travs de
diversos canales.
En un mundo ideal, los datos seran fiables y nicos. Ya sabemos que eso no pasa. La
realidad impera y los datos presentan dispersin en funcin del canal, la fuente y el
problema se agrava con el paso del tiempo.
Como os podis imaginar este fenmeno afecta a muchos de los sistemas de informacin
presentes en una organizacin. A saber, Business Intelligence, CRM, ERP, PLM,
Y claro, empiezan a aparecer las interfaces 1 a 1 entre aplicaciones para comunicarse los
datos. No nos engaemos, a base de parches no se soluciona el problema. Y al final la
dictadura de la entropia prevalece, no queda otra que garbage-in garbage out.
Qu es posible hacer?
Este problema no es nuevo. Una solucin es aplicar una estrategia MDM (Master Data
Management) soportada por una solucin tecnolgica que permita a las organizaciones
gestionar y consolidar los datos maestros dispersos, ofreciendo una visin nica de clientes,
productos, etc.
Se busca eliminar los silos informacionales existentes y crear una estructura de datos
maestros basada en una visin estratgica y corporativa.
Qu es MDM?
Consiste en un conjunto de procesos y herramientas que define y gestiona de forma
consistente las entidades de datos no transacionales de una organizacin. Busca, por lo
tanto, recopilar, agregar, identificar, asegurar la calidad y la persistencia y distribuir los
datos de forma uniforme en dicho contexto.
MDM se compone de tareas como:

Identificar las fuentes de origen de los datos


Identificar los productores y consumidores de datos maestros
Recopilar y analizar metadata sobre los datos maestros recopilados en el primer
paso.

Determinar los responsables (administradores) de los datos maestros.


Implementar un programa de data governance (y de forma consecuente tener un
grupo responsable de dicho programa).
Desarrollar el modelo de metadatos maestros.
Escoger una solucin o conjunto de soluciones como medio para mejorar la calidad
de datos.
Disear la infraestructura necesaria.
Generar y testear los datos maestros.
Modificar los sistemas consumidores y productores de informacin.
Implementar un proceso de mantenimiento.

Esta claro que es un proceso complejo. Una tarea rdua. Pero cada vez ms, se vuelva
necesaria sobretodo actualmente en el que el concepto tradicional de data warehouse ha ido
evolucionando (enlace) a estructura ms compleja y diversas y por lo tanto necesitan de
fuentes de mayo calidad y consistencia. Algunas empresas estn completando su portafolio
de integracin datos, como por ejemplo, Oracle y Talend.