· Calidad de los datos en las etapas iniciales del ciclo y su impacto en el valor de la información
La calidad de los datos en las etapas iniciales del ciclo de vida, particularmente durante la captura y el almacenamiento, condiciona de manera determinante el valor de la información generada posteriormente. En ciencia de datos y machine learning (ML), este principio es ampliamente reconocido: datos deficientes producen modelos deficientes.
En ML, la etapa de captura determina la representatividad del conjunto de datos. Si los datos iniciales contienen sesgos, valores faltantes o errores sistemáticos, los modelos resultantes replicarán y amplificarán esos sesgos. IBM (2020) advierte que decisiones estratégicas basadas en ML solo pueden ser tan confiables como los datos almacenados en sus primeras etapas.
Por lo cual es importante una arquitectura adecuada de bases de datos y políticas estrictas de gobernanza para preservar la fiabilidad de la información y mejorar el rendimiento de modelos predictivos.
· Desafíos éticos y legales en la gestión del ciclo de vida de los datos
Los desafíos éticos y legales emergen principalmente en tres fases: uso, difusión y eliminación de los datos. En su uso, uno de los riesgos éticos más relevantes es la manipulación o explotación indebida de información personal, especialmente cuando se aplican modelos automáticos que pueden generar decisiones discriminatorias o afectar derechos de los usuarios.
En la fase de difusión, el desafío jurídico consiste en evitar transferencias no autorizadas o usos incompatibles con el propósito original de recolección. Esto es especialmente crítico en sectores altamente regulados, como el bancario. En Ecuador, la Ley Orgánica de Protección de Datos Personales (LOPDP, 2021) exige el consentimiento informado, la limitación de finalidad, el principio de minimización y la obligación de implementar medidas técnicas y organizativas para proteger los datos. Además, la Superintendencia de Bancos, mediante la normativa de Gestión de Seguridad de la Información (2022), obliga a las entidades financieras a aplicar cifrado, controles de acceso y políticas de retención y destrucción segura.
En cuanto a la eliminación, la LOPDP incorpora el derecho al olvido, lo que obliga a las organizaciones a suprimir datos cuando ya no son necesarios o cuando el titular así lo solicita, en concordancia con principios similares al GDPR europeo.
Referencias:
IBM. (2020). What is Data Lifecycle Management (DLM)? IBM Corporation.
República del Ecuador. (2021). Ley Orgánica de Protección de Datos Personales. Registro Oficial.
Superintendencia de Bancos del Ecuador. (2022). Normas de Seguridad de la Información para el Sistema Financiero.