Maté. L, Pérez. D y Gonzales. M (2019) Afirma que normalmente, una colección de datos “en bruto” no otorga información relevante. El valor de estos datos se obtiene después de un procesado que permita extraer información útil para facilitar una toma de decisiones o para una correcta comprensión de un fenómeno que gobierne en la fuente de los datos. La extracción de conocimiento a partir de un grupo dado de datos para la resolución de un cierto problema es un proceso iterativo que se definen 6 fases en el ciclo de vida de los datos:
Captura: Se obtienen desde diversas fuentes, Almacenamiento: Donde y como almacenarlos, Preprocesado: Preparación, organización y transformación, Análisis: Se extraen conocimientos modelos, patrones y tendencias, Visualización: Representación visual de los resultados, Publicación: Documentar los resultados obtenidos en repositorios. (p. 14).
La unión de las distintas tecnologías genera una creciente cantidad de datos desde diferentes fuentes por lo que el aprovechamiento y explotación de esta gran cantidad y variedad de datos generados en un entorno Industria 4.0, representa una oportunidad para el desarrollo del negocio y puede convertirse en una ventaja competitiva para la empresa, dado que contribuye directamente a mejorar la toma de decisiones. Para que esto suceda, es necesario tratar los datos como un activo estratégico que debe ser gestionado y gobernado. Es por ello, por lo que la Gobernanza de Datos se establece como uno de los factores críticos para el éxito de la implantación de un modelo Industria 4.0. (Serrano, 2022).
Maté. L, Pérez. D y Gonzales. M (2019). Introducción al ciclo de vida de los datos.
Universitat Oberta de Catalunya.
Serrano. J (2022). Marco para la construcción de sistemas de gobernanza de datos en
entornos de industria 4.0.