¿Qué es la gestión de datos maestros? Cómo organiza los datos

Los datos son una ventaja competitiva, pero solo cuando puedes acceder a ellos.

Imagina que tu empresa genera datos de productos, clientes y proveedores todos los días. Cuando estos datos están incompletos, son inexactos o inconsistentes, tienes silos de datos compartimentados y no puedes tomar decisiones basadas en datos. No convertir los datos en decisiones significa que tu relación con la ventaja competitiva y el crecimiento se desvanecerá.

Los datos maestros provienen de empresas modernas que generan flujos de datos constantes para entidades comerciales como empleados, clientes, productos y centros de costos. Estos flujos de datos a menudo incluyen información empresarial crucial para una comprensión contextual de las operaciones transaccionales y analíticas. Desafortunadamente, no puedes aprovechar estos datos para la toma de decisiones basada en hechos cuando están dispersos en hojas de cálculo, medios físicos y aplicaciones.

Entonces, ¿cómo gestionas los datos maestros para obtener una ventaja competitiva? Entra en juego el software de gestión de datos maestros (MDM).

MDM es tanto una disciplina como una infraestructura. Utiliza modelos de gobernanza de datos para crear una vista confiable de los datos como disciplina. Como infraestructura, MDM se centra en automatizar cómo las organizaciones comparten, gobiernan y gestionan datos críticos a través de líneas de negocio. El objetivo final es apoyar las decisiones empresariales con una fuente de datos autorizada.

Gestión de datos maestros vs. gestión de metadatos vs. gestión de información de productos

La gestión de datos maestros es una disciplina habilitada por la tecnología. Reúne a los equipos de negocio y tecnología de la información (TI) para garantizar la uniformidad, precisión y consistencia de los datos críticos. El objetivo de la gestión de datos maestros es crear activos de datos maestros precisos para entidades centrales, incluidos proveedores, clientes, prospectos y jerarquías.

La gestión de metadatos (referencia estructurada para atributos de datos) se refiere a procesos, sistemas y reglas que gestionan metadatos para mejorar la accesibilidad de la información. La gestión de metadatos juega un papel vital en aumentar la facilidad de descubrimiento de datos, reducir los costos de gestión de datos y facilitar una integración de datos más rápida.

La gestión de información de productos (PIM) es una solución liderada por el negocio. Se refiere al proceso de recopilar, gestionar y enriquecer la información de productos. PIM suele ser un subconjunto de MDM y crea un SSOT para la información de productos. Los equipos de marketing, gerentes de comercio electrónico y equipos de gobernanza de datos utilizan frecuentemente PIM.

Importancia de la gestión de datos maestros

Múltiples sistemas de información crean diferentes vistas de datos. La falta de un formato estándar en los sistemas impide que los empleados operativos, ejecutivos de negocios y analistas de datos tengan una vista de datos confiable. MDM aborda múltiples desafíos de inexactitud de datos creando una fuente confiable de datos unificados.

Los sistemas MDM también permiten a las organizaciones resolver problemas como:

• Replicación de datos
• Entradas de datos duplicadas
• Uso de nombres diferentes
• Datos no actualizados en los sistemas
• Datos distribuidos en múltiples sistemas
• Experiencias de clientes desarticuladas debido a datos segmentados
• Errores de entrada de datos manuales, incluidos campos de datos incompletos, entradas mal tecleadas y transposición de caracteres

Marco de gestión de datos maestros

Un marco de gestión de datos maestros está en el corazón de una estrategia efectiva de gestión de datos maestros. Este marco describe disciplinas y valores que guían la gestión de datos maestros. Estas disciplinas aseguran la precisión y consistencia de los datos maestros compartidos. Los elementos de un marco de MDM son los siguientes.

Gobernanza

La gobernanza de datos maestros implica crear reglas, ejecutarlas y resolver violaciones de estas reglas. El propósito de la gobernanza de datos maestros es delinear un conjunto de atributos centrales para definir datos maestros y mantener la consistencia de los datos. Los equipos multifuncionales utilizan reglas de gobernanza para especificar procesos operativos a lo largo del ciclo de vida de los datos, desde la creación de datos maestros hasta la eliminación de datos.

Supongamos que tu organización compra materiales a proveedores, fabrica productos y los vende a clientes. Cualquier discrepancia en tus datos maestros tendrá un efecto dominó en muchas áreas del negocio. Los datos inexactos pueden afectar los procesos de pedido a cobro o de registro a informe en tales casos. Por eso, habilitar la gobernanza de datos es clave para la eficiencia de los procesos y la precisión de los datos.

No existe un marco único para todos porque cada organización tiene diferentes necesidades de gobernanza de datos. Sin embargo, agregar estos elementos críticos asegura un viaje de gobernanza de datos más fluido: transparencia, propiedad de datos, gestión del cambio, cumplimiento, mantenimiento, autoridad, auditabilidad, responsabilidad, estandarización, administración de datos y educación.

• Políticas: Se refieren a regulaciones internas y externas para gestionar datos. Estas políticas suelen cubrir aspectos de gobernanza de datos como gestión de riesgos, gestión de calidad, retención, eliminación, privacidad y protección de datos.
  
  Por ejemplo, una política puede separar deberes relacionados con la carga y aprobación de datos de clientes.
• Reglas: Definen cómo ejecutar políticas de gobernanza de datos. El cumplimiento de una política puede requerir seguir uno o más mandatos.
  
  Por ejemplo, una política de datos de clientes puede requerir seguir múltiples reglas:
  
  
  • Obtener el consentimiento del cliente
  • Crear entrada de datos de clientes
  • Aprobar datos de clientes
  • Obtener consentimiento de marketing para usar datos para automatización de marketing
• Catálogo: Esto implica el descubrimiento y documentación de dominios de datos maestros a través de aplicaciones, almacenes de datos y lagos de datos. La catalogación es crucial para verificar y asegurar la precisión y consistencia de los datos maestros en las fuentes.
  
  Por ejemplo, un catálogo de datos maestros de clientes es crucial para obtener información, encontrar áreas de mejora y simplificar el cumplimiento.
• Mapeo de procesos: Muestra cómo fluyen los datos entre diferentes fuentes. El mapeo de procesos te ayuda a entender cómo se utilizan los datos, la necesidad de incorporar reglas y la exposición al riesgo de cumplimiento.
• Personas: Identifica a las personas involucradas en actividades de MDM en toda la organización. Las personas críticas para el éxito de MDM incluyen:
   
  • Expertos en la materia: Definen estándares de datos maestros, niveles y tipos de umbrales de calidad
  • Administradores de datos: Previenen problemas de calidad de datos que afectan a los dominios de datos maestros
  • Equipo de TI: Gestiona la arquitectura de bases de datos, procesos de negocio y aplicaciones
  • Equipo legal y de seguridad: Asegura la privacidad de datos y protección
• Flujo de trabajo: Habilita y fomenta la colaboración de personas clave. Los flujos de trabajo de gobernanza de datos maestros suelen incluir pasos para solicitudes de creación de datos, enrutamiento de solicitudes a administradores de datos, aprobación, activación en vivo y distribución.
• Métricas: Crea pautas para medir y gestionar datos maestros. Ejemplos comunes incluyen la precisión de los datos maestros, registros duplicados y atributos de datos personales encriptados. Estas métricas ayudan a las empresas a gestionar datos técnicos, mitigar riesgos y mejorar el rendimiento empresarial.

Medición

La medición de datos maestros implica establecer métricas e indicadores clave de rendimiento (KPI) para medir la calidad de los datos y los objetivos de mejora continua. Estas métricas y KPI son esenciales para asegurar la satisfacción del cliente y reducir los costos operativos.

Ejemplos comunes de KPI son:

• Tasa de error de registro de datos
• Tiempo de ciclo
• Porcentaje de datos duplicados
• Volumen total de configuraciones de cuentas
• Gasto total en MDM
• Número de empleados de MDM por mil registros de datos

Personas

Las personas están en el corazón de cualquier transformación masiva. Tener a las personas adecuadas facilita la implementación y el apoyo a la iniciativa de MDM.

Aquí tienes una lista de personas clave que aseguran el éxito del proyecto MDM:

• Campeón ejecutivo: Patrocina la iniciativa y está completamente comprometido con ella
• Partes interesadas: Representan diferentes unidades de negocio
• Equipo de gobernanza de datos: Tiene roles y tareas claramente definidos
• Consultores de MDM: Ayudan al equipo a planificar, implementar y gestionar cambios

Proceso

Los procesos actúan como pautas para la gestión de datos maestros y ayudan a los equipos a centrarse en áreas de mejora. Las estrategias clave que hacen exitoso un proyecto de MDM son:

• Consolidación de datos se refiere al proceso de adquisición de datos de múltiples fuentes, incluidos sistemas de planificación de recursos empresariales (ERP), gestión del ciclo de vida del producto (PLM) y gestión de relaciones con clientes (CRM).
  
  La consolidación de datos es clave para centralizar los datos maestros. La migración de datos generalmente depende de diferentes técnicas, como protocolo simple de acceso a objetos (SOAP), transferencia de estado representacional (REST), servicio de mensajería Java (JMS), red de sincronización de datos global (GDSN) e importación manual. Los datos se validan, normalizan y clasifican durante el proceso de extracción, transformación y carga (ETL).
• Federación y mejora de datos es un proceso de software que recopila datos de múltiples fuentes a través de funciones empresariales y crea una vista única de los datos maestros. La función de mejora utiliza datos de referencia para verificar la validez de los datos recopilados y crear una entidad completa. Este proceso completo puede requerir flujos de trabajo de colaboración interdepartamental, dependiendo de la fuente de información.
  
  Supongamos que los datos maestros contienen registros de productos creados por múltiples equipos. Debe haber un modelo de gobernanza o flujo de trabajo de aprobación adecuado para asegurar una mejora adecuada de los datos en tal escenario.
• Propagación de datos se refiere a la distribución de datos maestros consolidados y mejorados entre sistemas que podrían necesitarlos. Esta distribución asegura que cada sistema empresarial tenga la misma información precisa.

Tecnología

Usar la tecnología adecuada es clave para la vinculación eficiente de registros, la creación de modelos de datos y la sincronización de vistas de datos maestros. Algunos componentes tecnológicos clave esenciales para el éxito de MDM son:

• Hub de MDM: Agrega datos del sistema fuente, los almacena en una base de datos y sincroniza estos datos con diferentes sistemas transaccionales.

• Herramienta de integración de datos: Sincroniza datos en el hub de MDM y a través del paisaje del sistema
• Herramienta de calidad de datos: Valida y mantiene la precisión de los datos. Una herramienta de calidad de datos eficiente te ayuda a encontrar y combatir los datos incorrectos.

Capacidades del software de gestión de datos maestros

MDM ayuda a las empresas a tomar mejores decisiones con datos íntegros, precisos y visibles. Las capacidades centrales de una solución MDM que permiten la mejor toma de decisiones posible son:

Perfilado de datos

El perfilado de datos se refiere al análisis de fuentes de datos para descubrir problemas de calidad de datos y riesgos. El proceso de perfilado de datos involucra seis actividades que tratan con:

1. Recopilación de características del conjunto de datos: Implica recopilar estadísticas descriptivas como media, mínimo, máximo, percentil y frecuencia
2. Recopilación de tipos de datos: Implica recopilar longitud de datos y patrones recurrentes
3. Etiquetado de datos: Se refiere a la organización de datos con palabras clave o términos no jerárquicos
4. Evaluación de calidad de datos: Mide características de datos contra estándares definidos
5. Recopilación de metadatos: La recopilación y evaluación de la precisión de metadatos
6. Identificación de distribución: Identifica candidatos clave, dependencias de valor incrustadas, dependencias funcionales y candidatos a clave externa

Emparejamiento y vinculación de datos

El emparejamiento y vinculación de datos son cruciales para identificar y resolver registros de datos duplicados y variaciones en un registro único y preciso. Tener un registro idéntico puede sesgar los resultados analíticos, disminuyendo la posibilidad de obtener información precisa.

El emparejamiento y vinculación de datos aseguran la creación de datos únicos y correctos mediante:

• Eliminación de entradas de datos duplicadas
• Monitoreo de la integridad del sistema fuente
• Enriquecimiento de registros de datos con datos de terceros
• Automatización de tareas intensivas en recursos de creación y verificación de datos 

Reglas de negocio de datos

Las reglas de negocio de datos especifican acciones y restricciones a seguir al crear, actualizar, eliminar o distribuir datos. Estas reglas suelen estar centralizadas, lo que significa que cada sistema reflejará una vez que se apliquen los cambios. Las reglas de negocio de datos ayudan a las organizaciones a minimizar riesgos e introducir estrategias de gobernanza mediante:

• Definición del ciclo de vida de los datos para tipos de objetos relevantes
• Especificación de flujos de trabajo de procesos de decisión y aprobación
• Especificación de leyes que refuercen y aseguren la integridad de los datos

Gestión de localización de datos

Los países con leyes estrictas de localización de datos requieren que las organizaciones almacenen datos de clientes localmente. El Reglamento General de Protección de Datos (GDPR) asegura la transferencia de datos fuera de la UE solo cuando hay una protección adecuada. La capacidad de gestión de localización de datos de las soluciones MDM es crucial para la estandarización de la ubicación de datos, integración y conexión centralizada de datos con otros dominios.

Privacidad y seguridad de datos

Las organizaciones con una cantidad creciente de datos deben establecer políticas eficientes para proteger la privacidad de los datos. Las soluciones MDM vienen con políticas de seguridad basadas en roles que definen derechos de acceso a datos sensibles y restringen acciones específicas. Las organizaciones también pueden proteger sus datos del acceso de terceros con la capacidad de los sistemas MDM para encriptar atributos de datos con claves criptográficas.

Enriquecimiento de datos

El enriquecimiento de datos implica la mejora de la calidad de los datos con diferentes herramientas y procesos. Las herramientas MDM limpian y optimizan datos incorrectos o incompletos y colaboran con fuentes de datos externas para obtener información de datos. Estos datos enriquecidos son clave para identificar tendencias, comprender patrones emergentes y reducir riesgos.

Gestión de consentimiento

La legislación de protección de datos ha hecho crucial para las organizaciones tener un marco claro para almacenar y manejar información personal. Debes tener prueba de consentimiento para obtener y mantener datos.

Las soluciones MDM te ayudan a hacer cumplir tales reglas de gobernanza y adherirse al derecho de los consumidores a acceder y objetar. Un repositorio de datos centralizado te permite gestionar el consentimiento, tener una vista única de los datos y reducir los riesgos de exposición de datos personales.

Impulsores de la gestión de datos maestros

Las organizaciones con múltiples copias de datos de entidades empresariales sufren de ineficiencia de datos operativos, problemas de calidad de datos, datos inconsistentes y problemas de clasificación de datos. El software MDM extrae datos de fuentes dispares y los carga en el hub de datos maestros centralizado para asegurar una vista única de los datos en toda la organización. 

A continuación se presentan dos escenarios que dejan a las organizaciones con problemas de datos maestros:

1. Segmentación de unidades de negocio y líneas de productos: Las organizaciones que dividen productos y operaciones en diferentes segmentos a menudo crean datos redundantes. El ciclo de vida de la oficina de frente a la oficina de atrás complica aún más la redundancia de datos. MDM te ayuda a crear una fuente autorizada de datos de cuentas y productos en tales circunstancias.
2. Fusiones y adquisiciones (M&A): Las organizaciones que atraviesan fusiones o adquisiciones a menudo experimentan problemas con datos maestros duplicados. La deduplicación de datos es una solución estándar en tales casos. El desafío comienza cuando el número de bases de datos maestras aumenta, resultando en procesos de reconciliación de datos complejos. MDM facilita la integración de datos de múltiples fuentes y asegura la eficiencia post-M&A.

Beneficios de la gestión de datos maestros

Adoptar un proceso de gestión de datos maestros es crucial para las organizaciones impulsadas por datos. Los datos conectados y precisos les ayudan a asegurar la agilidad de los procesos empresariales y mantenerse competitivos.

A continuación se presentan los principales beneficios de las plataformas MDM:

• Eliminación de redundancia: Los equipos suelen recopilar y mantener datos durante su interacción con diferentes entidades empresariales. Como resultado, hay repetición de datos e incluso datos no utilizados. Las herramientas MDM con capacidades de eliminación de redundancia de datos (DRE) identifican y eliminan elementos de datos intra-objeto e inter-objeto duplicados.
• Actualizaciones de datos fáciles: Las actualizaciones de datos que ocurren de manera aislada causan discrepancias de datos porque los datos cambiados no se reflejan en toda la organización. Estas actualizaciones afectan la toma de decisiones empresariales y pueden incluso causar consecuencias graves. Con MDM, puedes editar los datos maestros y asegurar que los datos actualizados se reflejen en todas las unidades de negocio.
• Fuente de datos autorizada (ADS): Establecer una ADS es clave para la eficiencia operativa. Los sistemas MDM coordinan con diferentes fuentes de datos, verifican sus orígenes y los fusionan en un nodo clave (un nodo con una clave única). ADS apoya los procesos empresariales creando activos de datos cohesivos que eliminan problemas de datos desajustados.
• Integridad de datos: Las organizaciones utilizan datos para analizar tendencias de mercado, optimizar el rendimiento de la cadena de suministro y mejorar la mezcla de productos utilizando plataformas de análisis. Lograr estas aplicaciones de inteligencia empresarial es un desafío cuando los datos que fluyen de diferentes funciones empresariales son inexactos o erróneos. El software MDM asegura la integridad de los datos manteniendo la consistencia y precisión de los datos a lo largo del ciclo de vida.
• Disponibilidad de datos: La rápida adopción digital ha permitido a las organizaciones expandir sus negocios en el extranjero. Como resultado, las interacciones empresariales ocurren virtualmente sin que las personas se reúnan en persona. El MDM multidominio asegura operaciones empresariales fluidas al hacer que los datos estén disponibles en la nube, el espacio físico y el ciberespacio.
• Respaldo fácil: Los repositorios de datos organizacionales a menudo se convierten en objeto de amenazas externas y fallos del sistema. Tales incidentes pueden llevar a la corrupción o pérdida de datos vitales. Las herramientas MDM te permiten abordar estas vulnerabilidades con un respaldo centralizado de recursos.
• Mejor cumplimiento normativo: Las organizaciones hoy en día recopilan grandes volúmenes de datos sobre sus clientes, socios y productos. Todos estos datos deben cumplir con regulaciones específicas del negocio o geográficas. MDM facilita el cumplimiento normativo al gestionar los niveles de cumplimiento y estándares regulatorios en un grupo de datos centralizado.

Desafíos de la gestión de datos maestros

A pesar de tener capacidades avanzadas, MDM no está libre de desafíos. Aquí hay algunos de los desafíos comunes que enfrentan las organizaciones durante la implementación de MDM:

• Estándares de datos: Establecer estándares de datos adecuados es crucial para acomodar diferentes tipos de datos dentro de tu organización. Por eso, debes definir estándares de datos que puedan manejar tipos de datos y requisitos interdepartamentales.
• Gobernanza de datos: La implementación exitosa de MDM requiere más que encontrar un modelo de datos adecuado o establecer estándares de datos. Considera tener un marco de gobernanza de datos bien definido para abordar la complejidad de los datos maestros de manera efectiva. Este marco es crucial para tener una visión clara de las operaciones de datos e identificar problemas de calidad de datos.
• Herramientas de gestión de datos maestros: Es necesario tener el conjunto adecuado de herramientas para manejar los requisitos de gestión de datos maestros. Considera analizar los requisitos empresariales y comprender los objetivos empresariales para identificar las herramientas más adecuadas para tu organización.
• Transferencia de datos: Las herramientas MDM facilitan la integración de datos de diferentes software empresariales y canales de negocio. Pero el proceso de transferencia de datos es altamente propenso a errores y consume mucho tiempo. Por eso, es crucial definir políticas para gestionar la integración de datos con aplicaciones internas, externas y en la nube.
• Administración de datos: La recopilación inexacta de datos impide la consolidación de datos maestros y crea problemas de gestión. Puedes evitar estos problemas definiendo la administración de datos para gestionar tareas y autorizar datos maestros.

Modelos de arquitectura de MDM

Encontrar un modelo de implementación adecuado es clave para mejorar la calidad de los datos maestros y la consistencia de los datos. El modelo de implementación también determina tu capacidad para construir una arquitectura orientada a servicios (SOA), apoyar el entorno operativo y empujar datos limpios a los sistemas existentes.

Los cuatro modelos estándar de implementación de MDM son:

1. Estilo de registro

La implementación de MDM estilo registro se basa en algoritmos de limpieza y emparejamiento para identificar datos duplicados en las fuentes. Es adecuado para organizaciones con múltiples fuentes de datos y necesidades rápidas de integración de datos.

Este modelo de MDM asegura un registro dorado confiable asignando identificadores únicos globales (GUID) a los registros emparejados y creando una vista de 360 grados en tiempo real de cada sistema de referencia.

Dado que el estilo de registro no envía datos de vuelta a los sistemas fuente, almacena enlaces de registros correspondientes para el emparejamiento de datos. Este estilo de implementación cambia datos en sistemas fuente existentes, empareja información referenciada cruzada y asume que los sistemas fuente pueden gestionar su calidad de datos.

2. Estilo de consolidación

El estilo de consolidación de MDM crea un SSOT consolidando datos de múltiples fuentes. Un hub de MDM gestionado centralmente almacena el registro dorado y aplica actualizaciones a las fuentes. Este modelo es adecuado para organizaciones con necesidades de informes empresariales y análisis de datos a nivel empresarial.

Después de extraer datos de sistemas existentes, este modelo de implementación limpia, empareja e integra un registro único para uno o más dominios de datos. También es económico y rápido de configurar.

3. Estilo de coexistencia

La implementación de MDM estilo coexistencia funciona de manera similar a los modelos de consolidación, pero almacena datos en un sistema MDM central. Es ideal para organizaciones que buscan actualizar MDMs de estilo de consolidación tradicional.

Este modelo ofrece una única versión de la verdad al sincronizar datos maestros en los sistemas fuente y el hub. Asegura una mejor calidad de datos maestros y un acceso más rápido a los datos, pero puede ser costoso de implementar.

4. Estilo centralizado

La implementación de MDM estilo centralizado o transaccional se basa en algoritmos de limpieza, vinculación, emparejamiento y enriquecimiento para almacenar, mantener y publicar atributos de datos maestros a los sistemas fuente respectivos. Es adecuado para organizaciones con MDMs de estilo de consolidación o coexistencia existentes.

El hub de estilo transaccional apoya políticas de seguridad y visibilidad a nivel de atributo de datos. Además de fusionar registros maestros, este sistema permite a los sistemas fuente suscribirse para actualizaciones.

MDM ayuda a las empresas a acelerar el crecimiento al eliminar la toma de decisiones subóptima y la desalineación de datos. Elegir un modelo de implementación adecuado y adoptar las mejores prácticas son igualmente importantes.

Software de gestión de datos maestros

Encontrar el software de MDM adecuado es crítico para habilitar un procesamiento de datos maestros sin problemas. Deja que el software de MDM haga el trabajo pesado si estás buscando características robustas que hagan que la consolidación, organización, deduplicación y almacenamiento de datos sean más manejables.

Para ser incluido en esta categoría, el software debe:

• Rastrear datos de múltiples fuentes relacionadas con una organización, específicamente métricas de rendimiento departamental
• Consolidar, organizar y almacenar datos maestros, filtrar información duplicada, marcar inconsistencias y presentar hallazgos en un formato limpio
• Proporcionar a los administradores herramientas o iniciativas relacionadas con datos maestros
  Exportar datos de MDM según sea necesario a otras herramientas de software

*A continuación se presentan las cinco principales soluciones de software de gestión de datos maestros líderes del Informe Grid® de Invierno 2022 de G2. Algunas reseñas pueden estar editadas para mayor claridad.

1. SAP Master Data Governance (MDG)

La aplicación SAP Master Data Governance (MDG) proporciona una vista gestionada centralmente de los datos a nivel organizacional. Facilita la creación, consolidación, cambio y distribución de datos maestros en el paisaje del sistema.

Lo que les gusta a los usuarios:

“Es una plataforma altamente recomendada si tratas con datos maestros relacionados con material, proveedor, cliente y finanzas. Puedes consolidar una gran cantidad de datos en una base de datos y jugar con los datos para acomodar los cambios solicitados por los usuarios.”

- Reseña de SAP Master Data Governance (MDG), Sahil M.

Lo que no les gusta a los usuarios:

“Debería haber más flexibilidad para crear una aplicación Fiori personalizada, incluyendo el alcance del cliente. Además, la documentación de MDG no está disponible en línea. Otro punto es que la creación y mantenimiento de jerarquías no están disponibles en MDG.”

- Reseña de SAP Master Data Governance (MDG), Pranab M.

2. Syndigo Content Experience Hub

Syndigo Content Experience Hub ofrece una solución de extremo a extremo para crear, gestionar, distribuir, enriquecer y optimizar activos digitales y datos de productos. Es conocido por permitir a las marcas y proveedores ofrecer contenido consistente a socios de comercio electrónico y tiendas.

Lo que les gusta a los usuarios:

“Nuestra asociación con Syndigo nos ha ayudado a servir mejor a los clientes mientras crecemos internamente y entendemos el negocio de comercio electrónico a nivel técnico y de pensamiento avanzado. Syndigo ha estado con nosotros en cada paso del camino, guiándonos y mejorando continuamente la experiencia del usuario.”

- Reseña de Syndigo Content Experience Hub, Megan S.

Lo que no les gusta a los usuarios:

“Sería muy útil tener una opción de chat disponible para asistencia en problemas que pueda tener mientras trabajo en mis partes.”

- Reseña de Syndigo Content Experience Hub, Sarah B.

3. Azure Data Catalog

Azure data catalog ofrece descubrimiento de activos de datos de autoservicio con un catálogo de metadatos a nivel empresarial. Permite a las organizaciones registrar activos de datos empresariales, conectar datos a herramientas y hacer que el descubrimiento de fuentes de datos sea fluido.

Lo que les gusta a los usuarios:

“Azure es un servicio en la nube fantástico y completamente gestionado para obtener un buen control de las fuentes de datos. Permite a cualquiera entender los datos, sin importar su rol laboral.”

- Reseña de Azure Data Catalog, Anubhab D.

Lo que no les gusta a los usuarios:

“Como con cualquier plataforma en la nube, hay algunas limitaciones, pero Microsoft escucha los comentarios y las soluciona. El nuevo portal de vista previa es lento, pero cubre muchas brechas que Microsoft tenía en el portal antiguo.

Otro factor es el costo de los servicios de Azure en comparación con AWS. Esto podría ser un obstáculo para algunas organizaciones, pero el valor ofrecido por Azure es mejor que AWS a largo plazo.”

- Reseña de Azure Data Catalog, Prab T.

4. Dell Boomi

Dell Boomi ofrece una plataforma inteligente y escalable para sincronizar y enriquecer datos en toda la empresa. La base tecnológica ágil detrás de esta plataforma contribuye al flujo rápido de información, innovaciones e interacciones.

Lo que les gusta a los usuarios:

“Me gusta que Dell Boomi permita a las personas crear soluciones ETL para el cliente con poco o ningún código. Esta herramienta es muy fácil de aprender. Su curva de aprendizaje es muy baja, lo que permite a las personas entenderla en poco tiempo. La función simple de arrastrar y soltar de Dell Boomi ayuda a las personas a crear canalizaciones ETL con éxito, incluso cuando no tienen experiencia en codificación.”

- Reseña de Dell Boomi, Ankur R.

Lo que no les gusta a los usuarios:

“Algunos de los informes de procedimientos requieren cambios y funcionalidad mejorada para recopilar datos para la resolución de problemas. Me gustaría ver fallos de navegador móvil, registros e intentos de procedimientos rotos. Aunque Boomi te ayuda a escribir un código personalizado para tipos OOB, desearía poder organizar mejor el código y retenerlo. Puede ser un desafío informar sobre ejecuciones de procesos, retrasos, estados atómicos y más. Me encantaría ver este conocimiento en un tablero.”

- Reseña de Dell Boomi, Garnette L.

5. Oracle Enterprise Data Management Cloud

Oracle Enterprise Data Management Cloud ofrece una plataforma única para conectar aplicaciones empresariales dispares, gestionar cambios de datos maestros y distribuirlos a aplicaciones descendentes. También proporciona características de colaboración en tiempo real y visualización de datos.

Lo que les gusta a los usuarios:

“Me gusta usar este sistema ya que ofrece acceso rápido a bases de datos impredecibles y una vista selecta de circunstancias específicas y mundiales al concentrar toda la información. Además, me permite ingresar y actualizar información para corregir errores básicos del sistema.

Ofrece información de numerosas zonas empresariales como cadena de suministro, finanzas y logística, además de abordar problemas complejos de análisis. Es fácil combinar conjuntos de datos, descubrir temas en curso y problemas de integridad de la información.”

- Reseña de Oracle Enterprise Data Management Cloud, Dharmesi K.

Lo que no les gusta a los usuarios:

“Oracle Enterprise Data Management requiere manejo de información, lo que significa que hay una necesidad de capacitación en manejo de información que es bastante exigente.”

- Reseña de Oracle Enterprise Data Management Cloud, Jane N.

Toma decisiones basadas en datos con datos unificados y confiables

Cuantos más datos empresariales proliferan, más oportunidades de optimización e información emergen. Pero emparejar y reconciliar diferencias de datos es altamente propenso a errores. Por eso, las organizaciones están aprovechando cada vez más las herramientas MDM para recopilar, consolidar, gestionar datos maestros empresariales y tener una vista confiable de 360 grados de las entidades empresariales.

Aprende más sobre cómo aprovechar datos de clientes para un análisis más profundo y mejores conocimientos.