-
Etapas del ciclo de vida de los datos e información y relación con la
gobernanza
En un enfoque práctico, el ciclo de vida de los datos puede describirse como
una cadena continua de: creación y adquisición, almacenamiento, Procesamiento, Análisis
- consumo analítico y operacional, distribución-publicación, y finalmente la disposición
final (eliminación segura). La idea principal es que el dato “nace”, se
estabiliza en los sistemas, se vuelve utilizable y finalmente se retiene o se
elimina.
Por otro lado, la gobernanza de datos atraviesa todas esas etapas como un “conjunto de reglas y responsabilidades”: define ¿quién puede crear - modificar datos?, ¿cómo se documentan?, ¿qué calidad mínima deben cumplir? y ¿qué controles de seguridad se aplican para protegerlos? En otras palabras, el ciclo describe el flujo; la gobernanza define la forma de controlar el flujo en base al cumplimiento de: políticas, roles, estándares, métricas, auditoría y gestión de riesgos (The DAMA Guide to the Data Management Body of Knowledge (DAMA-DMBOK2)).
Ejemplo de aplicación en una empresa de servicios de agua potable:
- - En la adquisición, se generan lecturas de medidores manuales, reclamos, órdenes de trabajo y consumos facturados.
- - En almacenamiento, esos datos viven en el sistema comercial, GIS, SCADA o un DWH.
- - En el Procesamiento, se corrigen formatos, se homologan catálogos (tarifas, sectores, rutas), y se calculan.
- - El Análisis, obtención de indicadores (consumo promedio, variación mensual, morosidad).
- - Distribución
y uso, se emplean para facturación, detección de fugas/anomalías,
planificación de mantenimiento y reportes regulatorios.
Aquí la gobernanza es crítica: una lectura mal capturada o sin trazabilidad puede terminar en facturas erróneas, reclamos, pérdidas de ingresos o decisiones operativas equivocadas, que es el día a día en el balcón de reclamos.
- Adopción de buenas prácticas por etapa para garantizar trazabilidad, integridad y utilidad de los datos; se deben cumplir los siguientes lineamientos mínimos:
- Creación - adquisición: reglas de validación (rangos, obligatorios), identificación única de medidor-cliente, registro de quién y cuándo capturó el dato del medidor(auditoría).
- Almacenamiento: controles de acceso por rol, versionado de datos maestros, respaldo y políticas de retención; separación de ambientes (operación - analítica).
- Procesamiento: bitácora de transformaciones, catálogo de reglas (ej. imputación, tratamientos de datos atípicos), pruebas de calidad automatizadas: completitud, unicidad, consistencia.
- Análisis: definición de “dato oficial” (single source of truth), diccionario de métricas (qué significa “consumo anómalo”), monitoreo de calidad continuo.
- Distribución y uso: contratos de datos (qué campos se comparten, frecuencia, privacidad), anonimización cuando aplique.
- Disposición: retención por normativa, eliminación segura y evidencia de borrado.
Propuesta de un Modelo de gestión (lineamientos generales):
· Roles y RACI: dueño del proceso - dato (Data Owner ), dueño del custodio y caidad (Data Steward ), TI (plataforma), Seguridad (controles).
· Metadata y linaje: diccionario, catálogo, y linaje de extremo a extremo.
· Calidad como KPI: tablero con reglas, umbrales y acciones correctivas.
·
Políticas
claras: nomenclatura,
catálogos maestros, control de cambios, retención y accesos.
Este modelo busca no consistencia operacional: que los datos
sean rastreables, confiables y útiles para facturación, operación y su
respectiva analítica.
· STD Gestión Documental. (2024, julio 24). La gestión del ciclo de vida de la información o Data Lifecycle Management. https://stdd.es/la-gestion-del-ciclo-de-vida-de-la-informacion-o-data-lifecycle-management/