Llegar a obtener el valor real de los datos no es tarea sencilla. Recogemos y almacenamos datos provenientes de múltiples canales que a menudo se encuentran almacenados en diferentes sistemas de información y bases de datos sobre entornos tecnológicos y formatos heterogéneos. Aunque tengamos acceso directo a los datos, es difícil disponer de ellos dónde, cuándo y cómo los necesitamos, pero además los datos suelen estar "sucios", es decir, repletos de errores, omisiones e incoherencias.

Esta problemática es lo suficientemente importante como para hacer fracasar cualquier proyecto TIC (Tecnologías de la Información y de la Comunicación), iniciativa empre- sarial estratégica o incluso toda una compañía. La capa de datos de una organización es un componente crítico, sobre el que a menudo es fácil hacer suposiciones demasiado optimistas sobre su situación o bien ignorar la calidad real de los datos.

Figura 1. ¿Cuáles son los principales problemas en la toma de decisiones? Fuente: Penteo

Por una parte existen datos que sólo se utilizan en un entorno tecnológico restringido para un proceso o una aplicación con impacto limitado, y por otra existen una serie de datos cuya importancia es fundamental porque definen las identidades más importantes (clientes, productos, empleados, proveedores...), y que deben ser compartidos por múltiples procesos, departamentos y líneas de negocio. Estos datos (los llamados "datos maestros") deben ser tratados como un activo estratégico.

Garantizar la calidad, integridad y exactitud de los datos es uno de nuestros principales retos. Obtener la visión única de los datos de manera transversal a través de los departamentos de una empresa, las distintas líneas de negocio o las distintas compañías de un grupo, es un factor crítico para facilitar la consecución de los objetivos de negocio.

Tener como objetivo unos datos de calidad es una filosofía que alinea la estrategia, la cultura empresarial, y la tecnología con el fin de gestionar los datos en beneficio propio. En pocas palabras, se trata de una auténtica estrategia competitiva, cada empresa tiene la oportunidad de diferenciarse mediante la calidad de sus datos.

¿Pero hasta qué punto afectan los datos erróneos a nuestro negocio? Debido a la naturaleza dinámica de los datos, que típicamente se generan mediante numerosos procesos de negocio y fuentes de información que son combinadas, almacenadas y utilizadas en varios sistemas, es un importante reto establecer métodos para evaluar el impacto de los datos de poca calidad.

La mala calidad de los datos tiene un coste económico real, la eficiencia en los procesos se ve afectada debido a la escasez de datos de calidad, y no se alcanzan los beneficios potenciales de los sistemas tanto de los existentes como de nuevos proyectos.

De las investigaciones realizadas por Penteo se desprende que todavía existe un importante gap para conseguir una verdadera inteligencia de negocio. Si bien son muchas las compañías que han implantando sistemas de inteligencia de negocio en un porcentaje relevante, lo han hecho con proyectos aislados, dando respuesta a necesidades muy específicas. En la gran mayoría de las compañías las dificultades para encontrar y explotar adecuadamente datos e información respecto el estado y evolución del propio negocio son un denominador común (ver figura 1). Esta situación impacta invariablemente en el negocio en términos de aspectos económicos, confianza sobre los datos, cumplimiento de regulaciones, satisfacción y productividad.

Los procesos de negocio se basan fuertemente en los sistemas de información, sistemas que interactúan entre ellos, que comparten la información y que deben ser capaces de comunicarse para poder prestar un servicio adecuado y eficiente a la organización. Además se toman decisiones estratégicas basadas en la información extraída de los sistemas, y hemos de disponer de información fiable para la buena gestión corporativa.

En esta situación hemos de ser conscientes que somos dependientes de la calidad de los datos que tenemos en nuestra organización. Los datos como entidad por sí misma no aportan valor añadido al negocio y las soluciones de inteligencia empresarial no son nada si no disponemos de datos fiables. Son aquellas compañías que han gestionado adecuadamente la calidad de los datos las que han evitado los problemas derivados de la toma de decisiones basada en información errónea.

Figura 2. La gestión de los datos y la información. Fuente: Penteo

La gestión de los datos es la primera pieza sobre la que sustentar una adecuada explotación de la información (ver figura 2), considerando los datos y posterior información inferida a partir de ellos como activos empresariales valiosos. Los datos y la información han de ser gestionados de manera cuidadosa, como cualquier otro activo, asegurando la calidad, seguridad, integridad, disponibilidad y uso efectivo.

Los objetivos de la gestión de los datos son:

• Comprender las necesidades de información de la organización.
• Capturar, almacenar, proteger y asegurar la integridad de los activos de los datos.
• Mejorar de manera continua la calidad de los datos y de la información incluyendo la exactitud, integridad, integración, relevancia y utilidad de los datos.
• Asegurar la privacidad y la confidencialidad, y prevenir el uso no autorizado e inapropiado de los datos y la información.
• Maximizar el uso efectivo y el valor de los activos de los datos y la información.
• Controlar (y conocer) el coste de la gestión de los datos.
• Promocionar un uso y un conocimiento más amplio y profundo del valor de los activos de los datos.
• Gestionar la información de manera consistente a lo largo y ancho de la organización.
• Alinear la gestión de los datos y la tecnología necesaria con las necesidades del negocio.

La gestión de los datos debe ser vista como una función de negocio, únicamente compartiendo la responsabilidad de la gestión de los datos entre los usuarios propietarios de los datos y el departamento TIC llegaremos a obtener una auténtica ventaja competitiva mediante el adecuado uso de la información.

Data Governance...¹ ¿qué es?, ¿por qué es importante?, ¿cuál es la relación entre gobierno y propiedad de los datos?, ¿incluye el concepto de gestión de los datos el gobierno de los datos?, ¿sabemos en qué costes está incurriendo nuestra organización por tener datos duplicados o por no disponer de definiciones estándares de datos comunes? ... Si no somos capaces de contestar a estas cuestiones, quizás debamos plantearnos una estrategia para hacer frente a la necesidad de comprender y utilizar los datos de manera más efectiva y eficiente.

Para alcanzar este objetivo las compañías han de implantar proyectos de Data Governance, un conjunto de políticas y procedimientos que combinados establecen los procesos que supervisan el uso y gestión de los datos para transformarlos en un activo estratégico, con el objetivo de llevar a nuestra compañía a un nivel superior de "madurez en el uso de la información", mejorar la calidad de los datos y solucionar los posibles inconsistencias, gestionar el cambio en relación con el uso de los datos, y cumplir con regulaciones y estándares internos y externos.

Data Governance es la piedra angular sobre la que sustentar todas las prácticas relacionadas con la gestión de los datos, que interactúa e influencia con todas y cada una del resto de estas, como son los proyectos de calidad de los datos, integración de datos o datawarehousing ² . El gobierno de los datos es el ejercicio de autoridad y control (planificación, monitorización y ejecución) sobre la gestión de los activos de datos, no gobierna los datos directamente sino que gobierna cómo los usuarios acceden a los datos a través de la tecnología.

El programa de Data Governance guía cómo han de actuar el resto de funciones de gestión de los datos, estableciendo los propietarios de los datos, tanto a nivel ejecutivo como operativo. Además ha de balancear adecuadamente objetivos contrapuestos como son el cumplimiento de regulaciones, que limitan el acceso a los datos, y los procesos de integración del negocio que amplían el acceso a estos. Las tareas que un programa de Data Governance ha de llevar a cabo son:

• Guiar a los gestores de la información en la toma de decisiones.
• Asegurar que la información se define de manera consistente y es comprendida por todos los actores implicados.
• Incrementar el uso y confianza de los datos como un activo de gran valor.
• Mejorar la consistencia de los proyectos a lo largo y ancho de la organización.
• Asegurar el cumplimiento de regulaciones internas y externas.
• Eliminar posibles riesgos asociados al uso de los datos.

Los proyectos de implantación de programas de Data Governance son tan únicos como las compañías que los implantan. Sin embargo, los marcos estructurales que se han utilizado son en realidad bastante similares entre ellos. Existen componentes fundacionales comunes sobre los que construir la iniciativa:

• Organización, estructura de recursos responsables de desplegar las capacidades de gobierno y administración de las actividades.
• Políticas, principios y estándares, guías para la gestión de la información, y principios para asegurar los estándares de datos y los procedimientos de gobierno.
• Procesos y prácticas, que establecen los principios que guían cómo las políticas y procesos son creados, modificados e implantados.
• Métricas, medidas para monitorizar el rendimiento de la iniciativa de gobierno y acciones para mejorar de manera continúa la calidad de los datos.
• Arquitectura de los datos, incluyendo estándares corporativos de los datos, diccionarios de metadatos, y además medidas de seguridad y privacidad.
• Herramientas y tecnología, las tareas deben ser automatizadas con el uso de software siempre que sea posible, mediante herramientas de calidad de datos, data profiling, ³ herramientas de gestión de metadatos, dashboards ⁴ , etc.

Nos encontramos ante una iniciativa que no debe ser contemplada como un proyecto TIC, sino como un proceso continuo de cambio de la cultura empresarial. Es negocio quien debe liderar la iniciativa, la implantación de Data Governance es un importante cambio de mentalidad que debe transcender a todas las áreas de la compañía.

La responsabilidad compartida es el sello distintivo del gobierno de datos ya que requiere de trabajo a través de fronteras organizativas y de sistemas, algunas decisiones son principalmente de negocio con aportaciones y guías del departamento de TIC, mientras que otras son decisiones técnicas con aportaciones y guías por parte de los usuarios a diferentes niveles.

Las distintas unidades del negocio se erigen en las "propietarias" de los datos, mientras que el departamento TIC proporciona la estructura y los procesos necesarios. Estos propietarios de los datos son expertos en determinadas áreas temáticas, se erigen en representantes de los intereses empresariales respecto a los datos y toman la responsabilidad acerca de la calidad y uso de estos.

Si con anterioridad a la implantación de la iniciativa de gobierno de datos, han existido proyectos de Business Intelligence, es muy posible que exista algún tipo de equipo de Data Governance. Éste, si bien tendrá un carácter informal, permitirá mitigar los costes y cambios organizativos que suelen requerir este tipo de iniciativas, y seguramente nos permitirá disponer de personas que puedan ocupar los perfiles que se precisan.

Figura 3. Diagrama organizativo del equipo de Data Governance. Fuente: Penteo.

El personal que forme parte del equipo de Data Governance debe saber cómo utilizar y analizar la información para facilitar la toma de decisiones disponiendo de una mezcla de habilidades técnicas, analíticas y de negocio:

• Conocer el negocio, sus procesos, las capacidades analíticas de los sistemas, y la estrategia de la compañía para poder establecer un plan director de gobierno de datos.
• Conocer la organización y canalizar la cultura en el acceso a la información.
• Mantenerse al corriente de las nuevas capacidades que la tecnología pueda aportarle a la organización.

Uno de los problemas históricos en los proyectos de implantación de iniciativas de Data Governance es la ausencia de un adecuado seguimiento; mientras que algunas organizaciones han definido correctamente políticas y procesos de gobiernos, en muchas ocasiones no se ha establecido la estructura organizativa necesaria para hacerlas funcionar adecuadamente.

El marco organizativo del programa de gobierno de los datos debe dar soporte a las necesidades de todos los participantes a lo largo y ancho de la compañía. Con el adecuado soporte ejecutivo, el programa de Data Governance se beneficiará de la participación de la empresa en las diferentes funciones necesarias, tanto tácticas como son las de los equipos de coordinación de datos y los propietarios de los datos, como estratégicas.

Los roles específicos incluyen (ver figura 3):

• Director de Data Governance, responsable principal de gestionar la iniciativa y asegurar la máxima adopción en la organización. Este perfil da soporte a los patrocinadores ejecutivos y ofrece informes periódicos de rendimiento del proyecto, además de negociar con proveedores externos de datos los acuerdos de niveles de servicio asociados.
   
• Comité de Data Governance, comité estratégico multifuncional típicamente compuesto por el patrocinador ejecutivo, el director de la oficina de Data Governance, y por el CIO (Chief Information Officer, el lider o responsable de las Tecnologías de la Información) de la compañía. De manera ideal el patrocinio ejecutivo debería proceder de negocio y no del departamento TIC. Este comité revisa y aprueba los procesos, políticas y procedimientos, gestionando las prioridades y evaluando su adecuada consecución.
   
• Equipo de coordinación de datos, equipo táctico que asegura que la calidad de datos cumple las expectativas de los clientes y gestiona la iniciativa entre las diferentes unidades de negocio. Es responsabilidad de este equipo detectar y comunicar oportunidades al Comité de Data Governance.
   
• Los propietarios de los datos, que gestionan el ciclo de vida de los datos y dan soporte a la comunidad de usuarios. Estos propietarios definen los criterios de calidad de los datos para cumplir las expectativas de las unidades de negocio, y reportan las actividades y problemas al equipo de coordinación de los datos.

Uno de los factores clave de éxito en implantaciones de iniciativas de Data Governance es el rol de data stewardship o "propiedad de los datos". La propiedad de los datos es la formalización de las responsabilidades que garantizan un control y un uso efectivo de los activos de los datos.

Los propietarios de los datos son usuarios de negocio, expertos en determinadas áreas temáticas designados como responsables para gestionar los datos en nombre de los demás usuarios. Estos representan los intereses de todas las partes involucradas, incluyendo pero no limitándose, a los intereses de sus propias áreas funcionales y departamentos protegiendo, administrando y reaprovechando los recursos de datos.

Estos perfiles deben tener una perspectiva de negocio para garantizar la calidad y el uso eficaz de los datos de la organización. El proceso de gobierno de los datos involucrará a los propietarios como participantes, pero además estos serán directamente responsables del éxito de la gestión de los datos en sus dominios.

En la práctica no existe un modelo "bala de plata" que encaje para todas las organizaciones. Básicamente existen cinco modelos de propiedad de los datos que las organizaciones pueden aplicar, siendo cada uno de estos modelos único, con sus propios pros y contras:

• Modelo 1: propiedad por áreas temáticas. En este modelo cada propietario de los datos gestiona un área temática determinada, así pues el responsable de los datos de los clientes es diferente del responsable de los datos de productos, etc. En entornos grandes o complejos, puede existir más de un propietario para cada área temática. Este modelo funciona bien en compañías con múltiples departamentos que compartan los mismos datos.
   
• Modelo 2: propiedad por funciones de negocio. En este caso el propietario de los datos se centra en los datos que un departamento o línea de negocio utiliza, como pueden ser los datos relacionados con marketing, finanzas, ventas, etc. Dependiendo del tamaño de la organización y complejidad en la administración de los datos puede ser que existan otros propietarios de datos por áreas temáticas, resultando un modelo híbrido con el anterior.
   
• Modelo 3: propiedad por procesos de negocio. Para cada proceso de negocio se asigna un responsable de los datos, en este caso los propietarios de los datos son responsables sobre múltiples dominios de los datos o aplicaciones que participan sobre un determinado proceso de negocio. Nos encontramos ante un modelo muy efectivo para compañías con una orientación y una definición muy clara de sus procesos de negocio, en organizaciones en las que no existe una cultura de procesos o es inmadura este acercamiento no es la mejor elección.
   
• Modelo 4: propiedad por sistemas TIC. Los responsables de los datos son asignados a las aplicaciones que generan los datos que utilizan. Este modelo es una manera de evangelizar el concepto de propiedad de los datos desde el departamento TIC a las distintas unidades de negocio. Los propietarios de los datos pueden comunicar el progreso de la iniciativa y mostrar como los datos no únicamente van mejorando a lo largo del tiempo, sino que además van afectando a los resultados del negocio.
   
• Modelo 5: propiedad por proyectos. El asociar el concepto de propiedad de los datos a proyectos es una manera rápida y práctica de introducir la cultura de administración de los datos en la organización. De manera contraria al resto de modelos comentados anteriormente ésta es una medida temporal, que suele utilizarse como punto de partida para el establecimiento de otro modelo formal a largo plazo.

El decidir el modelo de propiedad de datos ideal para nuestra organización no es una tarea trivial en la que debemos plantearnos una serie de factores tales como:

• Los perfiles y habilidades disponibles en la organización para la gestión de los datos.
• La cultura de la compañía.
• La reputación de la calidad de los datos.
• La situación actual respecto a la propiedad de los datos.
• El uso actual de métricas asociadas a la calidad de los datos.
• Las necesidades de reutilización de los datos.

Una implantación adecuada de Data Governance puede llegar a tener un impacto directo muy positivo en el rendimiento empresarial. No obstante, es un auténtico reto alcanzar la combinación idónea de personas, procesos y tecnologías para diseñar una iniciativa exitosa.

Para superar este reto debemos construir una estrategia de gobierno de datos efectiva, dirigida por los objetivos de negocio, dotando a los interesados con mejores capacidades para la toma de decisiones y ayudando a la compañía a alcanzar sus objetivos deseados. Una estrategia efectiva debe asegurar que los objetivos de la compañía, la estrategia del negocio, la inversión y los sistemas de Data Governance están alineados.

Una iniciativa de Data Governance no es nada si no está conducida por los objetivos de la compañía. Los requerimientos del negocio y los objetivos empresariales deben conducir las iteraciones del proyecto. Necesitamos el establecimiento de una estrategia antes de incluir a la tecnología en el proceso.

Incluso antes de empezar a trabajar con la estrategia de gobierno de datos, debemos comprender y documentar los objetivos generales para ayudar a formular la visión y misión del gobierno de los datos para el crecimiento del negocio. Después de documentar la lista inicial de objetivos se debe trabajar con los principales implicados para confirmar la validez de la lista de objetivos y su correcta priorización. Esto asegurará que empezamos a construir nuestra estrategia de Data Governance con una base adecuada alineada con el negocio y con los usuarios.

Del análisis del mercado y de las mejores prácticas extraídas de experiencias reales de adopción de Data Governance, se extraen las siguientes recomendaciones:

• Involucrar a unidades de negocio para que lideren la iniciativa. Porque Data Governance no es únicamente una tecnología sino además un importante cambio de mentalidad que debe trascender a todas las áreas de la compañía. La gestión del cambio y la comunicación desde el inicio del proyecto en este tipo de iniciativas resulta esencial para asegurar el éxito. El proyecto debe ser abordado desde la componente de organización y procesos, aunque tutelado desde cerca por el departamento TIC. La existencia histórica de la función de organización se perfila como un claro facilitador de la adopción de la iniciativa.
• Vender internamente el proceso. Las implantaciones de Data Governance suponen un impacto importante en la organización en muchos sentidos, por lo que los CIOs de las compañías deben iniciar sus proyectos de Data Governance cuando han llegado a un consenso en la decisión con otros cargos directivos implicados en el proceso y cuando han conseguido vender internamente el proyecto. De esta forma, la implicación en el proyecto de las distintas áreas de negocio queda plenamente asegurada de antemano y por lo tanto el riesgo al abordar el proceso es mucho más controlado.
• La adopción de Data Governance no se debe abordar como un proyecto finito. El cambio de mentalidad y de cultura, y la reorientación de la compañía a la calidad de la información son los indicadores que identifican el éxito de una iniciativa, por lo que no es usual abordarlo como un proyecto TIC típico.
• Gestionar un portafolio de proveedores estratégicos. La situación del mercado nos obliga a evaluar, monitorizar y gestionar el ecosistema de nuestras aplicaciones y la hoja de ruta del portafolio de soluciones de los proveedores para estandarizar y reducir el riesgo, la redundancia y los costes. La selección de herramientas tiene menos que ver con las funcionalidades y más con el hecho que las herramientas seleccionadas puedan cumplir los requerimientos específicos de negocio.
• Planificar y diseñar antes de implantar. Nos encontramos ante una iniciativa de complejidad importante por lo que debemos tomarnos nuestro tiempo para definir exacta- mente las bases de nuestro futuro sistema orientado a servicios. Debemos esbozar los planos de cómo serán nuestros sistemas de información objetivo y avanzar de forma gradual y progresiva en su consecución.

Finalmente, es importante destacar que una estrategia de Data Governance debe diseñarse para ser ágil y adaptativa. Ha de ser tratada como un ente vivo que evoluciona constantemente para alcanzar los objetivos empresariales. La estrategia debe focalizarse en comunicar qué estamos planificando implantar, cómo lo vamos a implantar y cuándo los usuarios verán reflejados sus requerimientos en el sistema. Empecemos con políticas y guías generales y con diagramas de alto nivel, a medida que el ecosistema madura en paralelo lo hará la documentación formal y el nivel de detalles identificados en la estrategia. Ha de ser nuestra intención evolucionar la estrategia de gobierno de datos como parte integrante de la visión de la compañía a medida que realizamos iteraciones y obtenemos más y más detalles al respecto. Planifiquemos para evaluar y reinventar continuamente a medida que las necesidades del negocio cambian, teniendo en cuenta las tendencias tecnológicas actuales y futuras para construir una estrategia de gobierno de datos exitosa.

Los activos tangibles de las organizaciones tienen valor y son gestionados mediante sistemas de información y procesos empresariales. Los datos, precisamente por su naturaleza intangible, no son percibidos en muchas ocasiones como activos estratégicos. No obstante, los datos de calidad, precisos y disponibles son un prerrequisito para que las operaciones de cualquier organización sean efectivas.

Las compañías que son capaces de reconocer el valor real de los datos, es decir, que han establecido procesos, políticas y procedimientos de calidad de datos, que son conscientes de cuáles son los datos realmente importantes o útiles para su negocio y, que en definitiva, confían en la calidad de sus datos, se transforman en "organizaciones basadas en los datos". Estas organizaciones se sitúan en una clara situación de ventaja respecto a su competencia gestionando los datos como un activo estratégico más, pero para alcanzar esta meta es necesaria una adecuada visión estratégica para mejorar la calidad de la información.

La implantación de un proyecto de Data Governance requiere del soporte de todas las áreas del negocio implicadas. Tomando el control de los datos podemos retener mejor a nuestros clientes, aumentar el éxito de estrategias de marketing, controlar mejor los riesgos y, en definitiva, permitir que la empresa se gestione de manera más eficaz y eficiente.

Una adecuada implantación de Data Governance elimina las discrepancias entre los silos de datos. Sin embargo aquellas compañías que han implantado estos proyectos se han dado cuenta en seguida de que los plazos de implantación varían mucho en función del alcance y que no son simples ejercicios tecnológicos.

Cuando se adopta correctamente, Data Governance es una disciplina que ayuda a alcanzar el verdadero valor de las aplicaciones analíticas y debe constituirse en los cimientos para todas las iniciativas de gestión de la información. Pero para alcanzar una adecuada gestión de estas entidades es necesaria una adecuada visión estratégica para mejorar la calidad de la información.

Son aquellos proyectos que se enfocan de manera iterativa, empezando con aquel conjunto de necesidades y datos que ofrecen el mayor valor al negocio en el menor tiempo posible los más exitosos. ¿Buscamos una mejor toma de decisiones mediante los sistemas de Business Intelligence? Entonces nuestro punto de partida deben ser los datos analíticos. ¿Buscamos conseguir una mayor eficiencia operacional o ganar consistencia en los procesos a lo largo de diferentes sistemas transaccionales? Entonces empecemos por los datos operacionales.

Notas

¹Data Governance es una disciplina emergente con una definición en proceso de evolución. Esta disciplina abarca una convergencia entre calidad de los datos, gestión de los datos, políticas de datos, gestión de procesos de negocio y gestión de riesgos alrededor del manejo de los datos en una organización (Traducción libre de la introducción al concepto que se encuentra en la Wikipedia en inglés el 24/6/2011.

² Un Data Warehouse (DW) es una base de datos usada para generación de informes. Los datos son cargados desde los sistemas operacionales para su consulta. Pueden pasar a través de un almacén de datos operacional para operaciones adicionales antes de que sean usados en el DW para la generación de informes (Traducción libre de la introducción al concepto que se encuentra en la Wikipedia en inglés el 24/6/2011). Se suele considerar que el término equivalente en castellano es "Almacén de datos": "En el contexto de la informática, un almacén de datos (del inglés data warehouse) es una colección de datos orientada a un determinado ámbito (empresa, organización, etc.), integrado, no volátil y variable en el tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza. Se trata, sobre todo, de un expediente completo de una organiza- ción, más allá de la información transaccional y operacional, almacenado en una base de datos diseñada para favorecer el análisis y la divulgación eficiente de datos (especialmente OLAP, proce- samiento analítico en línea)." (Wikipedia en castellano 24/6/2011).

³Data profiling es el proceso de examinar los datos disponibles en las fuentes existentes (por ej, una base de datos o un fichero) recogiendo estadísticas e información sobre esos datos. (Traducción libre de la introducción al concepto que se encuentra en la Wikipedia en inglés el 24/6/2011). En castellano se suele considerar "perfilado de datos" como una traducción adecuada: "Por perfilado de datos se entiende el análisis de los datos de los sistemas para entender su contenido, estructura, calidad y dependencias":(Blog Integración y calidad de datos, de David Soto).

⁴ Aunque la palabra inglesa "dashboard" puede ser usada en muchos contextos, en el que nos ocupa diríamos que "En gestión de sistemas de información, un dashboard es un sistema de información ejecutivo (similar al tablero de instrumentos de un coche) que se diseña para ser fácil de leer". (Traducción libre de la introducción al concepto que se encuentra en la Wikipedia en inglés el 24/6/2011). Aunque en castellano abunda una diversidad de traducciones consecuente con la polisemia del término, "tablero de mandos" parecería la más adecuada en este contexto.

Bibliografía

Jill Dyché. Five Models for Data Stewardship. Baseline Consulting, 2009.

David Loshin. Data Governance for Master Data Management and Beyond. DataFlux, 2008.

Óscar Alonso. Tendencias en el uso de BI en España 2009. Penteo, 2009.

Óscar Alonso. El problema de la gestión de los datos. Óscar Alonso, Penteo, 2010.