Los sistemas empresariales pueden tener varios orígenes de datos maestros: los datos comunes que se comparten entre sistemas. Este hecho puede resultar evidente al catalogar orígenes de datos. Los datos maestros pueden ser, entre otros, datos de clientes, productos, ubicaciones, activos y proveedores. Profisee permite fusionar, validar y corregir los datos maestros para que sean eficaces. En concreto, se puede usar para crear una plataforma común de confianza para realizar análisis y mejorar la operativa. Con las definiciones de gobernanza, la información y los conocimientos detallados en Microsoft Purview, podrá crear una plataforma de forma eficaz.
Esta arquitectura de referencia ofrece una solución de gobernanza y administración de datos que integra Microsoft Purview y la plataforma de administración de datos maestros (MDM) de Profisee. Estos servicios funcionan conjuntamente para proporcionar una base de datos de confianza de alta calidad que maximiza el valor empresarial de los datos que se encuentran en Azure. Para ver un breve vídeo sobre esta solución, consulte La eficacia de la administración de datos maestros totalmente integrada en Azure.
Architecture
En el diagrama siguiente se muestran los pasos que se deben realizar para desarrollar y usar la solución de datos maestros. Tenga en cuenta que los pasos son muy iterativos. A medida que la solución evoluciones, es posible que tenga que repetir los pasos y las fases, en algunos casos automáticamente y en otros manualmente. Los pasos serán automáticos o manuales en función de los cambios que se produzcan en la solución de datos maestros, los metadatos y los datos.
Descargue un archivo Visio de esta arquitectura.
Flujo de datos
Los metadatos y el flujo de datos incluyen estos pasos, que se muestran en la ilustración anterior:
Los conectores de Microsoft Purview creados previamente se usan para crear un catálogo de datos a partir de aplicaciones empresariales de origen. Los conectores examinan los orígenes de datos y rellenan el Catálogo de datos de Microsoft Purview.
El modelo de datos maestros se publica en Microsoft Purview. Las entidades de datos maestros que se crean en MDM de Profisee se publican sin problemas en Microsoft Purview. Este paso rellena aún más el Catálogo de datos de Microsoft Purview y garantiza que haya un registro de este origen de datos crítico en Microsoft Purview.
Los estándares y las directivas de gobernanza para la administración de datos se usan para enriquecer las definiciones de entidades de datos maestros. Los datos se enriquecen en Microsoft Purview con la información del glosario y el diccionario de datos, los datos de propiedad y las clasificaciones de datos confidenciales. Las definiciones y metadatos disponibles en Microsoft Purview están visibles en tiempo real en Profisee como guía para los administradores de datos de MDM.
Los datos maestros de los sistemas de origen se cargan en MDM de Profisee. Un conjunto de herramientas de integración de datos, como Azure Data Factory, extrae datos de los sistemas de origen mediante cualquiera de los más de 100 conectores pregenerados o una puerta de enlace REST. Se cargan varios flujos de datos maestros en MDM de Profisee.
Los datos maestros se estandarizan, correlacionan, combinan, enriquecen y validan según reglas de gobernanza. Otros sistemas, como Microsoft Purview, pueden definir reglas de gobernanza y calidad de los datos. Pero MDM de Profisee es el sistema que aplica estas reglas. Los registros de origen se correlacionan y combinan tanto dentro como entre sistemas de origen para crear el registro más completo y correcto posible. Las reglas de calidad de los datos comprueban cada registro para constatar que se cumplen los requisitos técnicos y empresariales. Cualquier registro que se valide con errores o que devuelva una puntuación de probabilidad baja está sujeto a corrección. Para corregir las validaciones con errores, un proceso de flujo de trabajo asigna registros que requieren la revisión de administradores de datos que son expertos en su dominio de datos profesionales. Una vez que se comprueba o corrige un registro, ya se puede usar como maestro de registro.
Los datos transaccionales se cargan en una solución de análisis descendente. Un conjunto de herramientas de integración de datos, como Data Factory, extrae datos transaccionales de los sistemas de origen mediante cualquiera de los más de 100 conectores pregenerados o una puerta de enlace REST. El conjunto de herramientas carga los datos directamente en una plataforma de análisis de datos, como Azure Synapse Analytics. El análisis de esta información sin procesar sin unos datos maestros adecuados estará sujeto a imprecisiones, ya que las superposiciones, las discrepancias y los conflictos de datos aún no se han resuelto.
Los conectores de Power BI proporcionan acceso directo a los datos maestros mantenidos. Los usuarios de Power BI pueden usar los datos maestros directamente en los informes. Un conector de Power BI dedicado reconoce y aplica la seguridad basada en roles. También oculta varios campos del sistema para simplificar el uso.
Los datos maestros mantenidos de alta calidad se publican en la solución de análisis descendente. Si los registros de datos maestros se han combinado en un único registro maestro, se conservan los vínculos primarios y secundarios a los registros originales.
La plataforma de análisis tiene un conjunto completo de datos certificados en términos de exhaustividad, coherencia y precisión. Los datos incluyen datos maestros debidamente mantenidos y los datos transaccionales asociados. Esta combinación constituye una base sólida de datos de confianza disponibles para su posterior análisis.
Los datos maestros de alta calidad se visualizan y analizan, y se aplican modelos de Machine Learning. El sistema proporciona información sólida para impulsar el negocio.
Componentes
Microsoft Purview es una solución de gobernanza de datos que proporciona una amplia visibilidad de los patrimonios de datos locales y en la nube. Microsoft Purview ofrece una combinación de detección y clasificación de datos, linaje de datos, búsqueda y detección de metadatos e información de utilización. Todas estas características le ayudan a administrar y comprender los datos en el panorama de datos de la empresa.
MDM de Profisee es una plataforma de MDM rápida e intuitiva que se integra perfectamente con las tecnologías de Microsoft y el ecosistema de administración de datos de Azure.
Data Factory es un servicio de integración de datos híbrido. Puede usar Data Factory para crear, programar y organizar flujos de trabajo de extracción, transformación y carga (ETL), así como de extracción, carga y transformación (ELT). Data Factory también ofrece más de 100 conectores pregenerados y una puerta de enlace REST que puede usar para extraer datos de los sistemas de origen.
Azure Synapse Analytics es un almacenamiento de datos en la nube rápido, flexible y de confianza que usa una arquitectura de procesamiento masivo en paralelo. Puede usar Azure Synapse Analytics para escalar, procesar y almacenar datos de forma elástica e independiente.
Power BI es un conjunto de herramientas de análisis empresarial que proporciona información detallada acerca de toda la organización. Puede usar Power BI para conectarse a cientos de orígenes de datos, simplificar la preparación de los datos y realizar análisis improvisados. También puede crear informes atractivos y publicarlos en la organización para que se usen en la web y en dispositivos móviles.
Alternativas
Si no tiene una aplicación de MDM dedicada, puede encontrar en Azure algunas de las funcionalidades técnicas necesarias para crear una solución de MDM:
- Calidad de los datos. Al cargar datos en una plataforma de análisis, puede crear calidad de los datos en los procesos de integración. Por ejemplo, puede usar scripts codificados de forma rígida para aplicar transformaciones de calidad de datos en una canalización de Data Factory.
- Estandarización y enriquecimiento de los datos. Azure Maps facilita la verificación y la estandarización de los datos de dirección. Puede usar los datos estandarizados en Azure Functions y Data Factory. Para estandarizar otros datos, es posible que tenga que desarrollar scripts codificados de forma rígida.
- Administración de datos duplicados. Puede usar Azure Data Factory para desduplicar filas si hay suficientes identificadores disponibles para una coincidencia exacta. Es probable que necesite scripts personalizados y codificados de forma rígida para implementar la lógica necesaria para combinar las filas coincidentes y aplicar a la vez las técnicas de permanencia de datos adecuadas.
- Administración de datos. Puede usar Power Apps para desarrollar rápidamente soluciones básicas de administración de datos para administrar datos en Azure. También puede desarrollar interfaces de usuario adecuadas para las revisiones, los flujos de trabajo, las alertas y las validaciones.
En entornos centrados en Microsoft, se suele preferir Azure Synapse Analytics como servicio de análisis. Pero puede usar cualquier base de datos de análisis. Snowflake y Databricks son dos de las opciones más habituales.
Detalles del escenario
A medida que se cargan más datos en Azure, aumenta la necesidad de gobernar y administrar adecuadamente esos datos en todos los orígenes y consumidores de datos. Los datos que parecen adecuados en el sistema de origen suelen considerarse deficientes cuando se comparten. Es posible que falte información o que esta esté incompleta, o bien que haya duplicaciones y conflictos. La calidad de los datos puede ser deficiente en general. Se necesitan datos completos, coherentes y precisos.
Sin datos de alta calidad en el patrimonio de datos de Azure, el valor empresarial de Azure se ve perjudicado, quizás de forma crítica. La solución pasa por crear una base para la gobernanza y la administración de datos que pueda generar y proporcionar una fuente veraz de datos de confianza y de alta calidad. Microsoft Purview y MDM de Profisee funcionan conjuntamente para formar esta plataforma empresarial.
Microsoft Purview cataloga todos los orígenes de datos e identifica cualquier información confidencial, así como el linaje. Proporciona al arquitecto de datos un lugar para considerar los estándares de datos adecuados que se deben imponer en todos los datos. Microsoft Purview se centra en la gobernanza para buscar, clasificar y definir directivas y estándares. Las tareas para aplicar directivas y estándares, catalogar orígenes de datos y corregir los datos deficientes corresponden a las tecnologías de administración de datos maestros (MDM).
MDM de Profisee está diseñado para aceptar datos maestros de cualquier origen. A continuación, MDM de Profisee correlaciona, combina, estandariza, verifica, corrige y sincroniza los datos entre sistemas. Este proceso garantiza que los datos integren correctamente y satisfagan las necesidades de los sistemas descendentes, como las aplicaciones de inteligencia empresarial y aprendizaje automático. La plataforma integradora de Profisee aplica los estándares de gobernanza en varios silos de datos.
Mejor juntos
Microsoft Purview y MDM de Profisee funcionan mejor juntos. Cuando se integran, simplifican las tareas de administración de datos y garantizan que todos los sistemas funcionen para aplicar los mismos estándares. MDM de Profisee publica su modelo de datos maestros en Microsoft Purview, donde puede participar en la gobernanza. A continuación, Microsoft Purview comparte los resultados de la gobernanza, como un catálogo de datos y la información del glosario. Profisee puede revisar la salida y aplicar los estándares. Al funcionar de forma conjunta, Microsoft Purview y Profisee crean una sinergia natural que va más allá de las ofertas independientes.
Por ejemplo, tras catalogar los orígenes de datos empresariales, podrá determinar que los datos maestros están presentes en varios sistemas. Los datos maestros son los datos que definen una entidad de dominio. Los datos maestros pueden ser, entre otros, datos de clientes, productos, activos, ubicaciones, proveedores, pacientes, hogares, elementos de menú e ingredientes. Resolver definiciones diferentes y correlacionar y combinar estos datos entre sistemas es crítico para poder usarlos de forma que tenga sentido. Para que sean eficaces, deben combinarse, validarse y corregirse en MDM de Profisee, mediante definiciones de gobernanza, conclusiones y conocimientos detallados en Microsoft Purview. De este modo, Microsoft Purview y MDM de Profisee forman una base para la gobernanza y la administración de datos, y maximizan el valor empresarial de los datos en Azure.
La alternativa es usar cualquier información que se pueda obtener. Pero al adoptar este enfoque, corre el riesgo de generar resultados engañosos que puedan perjudicar a su negocio. En cambio, si se usan datos maestros de alta calidad, se eliminan los problemas habituales relacionados con la calidad de los datos. A continuación, el sistema proporciona información sólida que puede usar para impulsar el negocio, independientemente de las herramientas que use para el análisis, el aprendizaje automático y la visualización. Los datos maestros bien mantenidos son un aspecto clave en la creación de una base de datos sólida y de confianza.
Al usar MDM de Profisee con Microsoft Purview, tendrá las siguientes ventajas:
- Una base técnica común. Profisee tienen su origen en las tecnologías de Microsoft. Profisee y Microsoft usan herramientas, bases de datos e infraestructuras comunes, por lo que la solución de Profisee resulta familiar a cualquier persona que trabaje con las tecnologías de Microsoft. De hecho, durante muchos años, MDM de Profisee se desarrolló a partir de Microsoft Master Data Services. Ahora Master Data Services está llegando al final de su ciclo de vida, y Profisee es la principal solución de actualización y sustitución.
- Colaboración entre desarrolladores y desarrollo conjunto. Los desarrolladores de Profisee y Microsoft Purview colaboran ampliamente para garantizar que sus respectivas soluciones se complementen bien. El resultado de esta colaboración es una integración perfecta que satisface las necesidades del cliente.
- Implementaciones y ventas conjuntas. Profisee cuenta con más implementaciones de MDM en Azure, y conjuntamente con Microsoft Purview, que cualquier otro proveedor de MDM. Puede adquirir Profisee a través de Azure Marketplace. En el año fiscal 2023, Profisee será el único proveedor de MDM con una certificación de asociado de Microsoft de nivel superior con una infraestructura como servicio (IaaS), contenedores como servicio (CaaS) o una oferta de software como servicio (SaaS) en Azure Marketplace.
- Implementación rápida y de confianza. Uno de los aspectos críticos del software empresarial es una implementación rápida y de confianza. Según la plataforma Gartner Peer Insights, Profisee es el proveedor de MDM que cuenta con más implantaciones realizadas en menos de 90 días.
- Varios dominios. Profisee propone un enfoque de MDM que emplea de forma inherente varios dominios. No hay limitaciones en cuanto al número de dominios de datos maestros que se pueden crear. Este diseño encaja bien con aquellos clientes que buscan modernizar su patrimonio de datos. Un cliente puede empezar con un número limitado de dominios, pero en última instancia podrá maximizar la cobertura de dominios en todo el patrimonio de datos. Esta cobertura de dominio se corresponde con la cobertura de gobernanza de datos.
- Ingeniería diseñada para Azure. Profisee se ha diseñado para ser nativo de nube, con opciones de implementación tanto de SaaS como de IaaS o CaaS administrado en Azure.
Posibles casos de uso
Para ver una lista detallada de los casos de uso de MDM de esta solución, consulte Casos de uso de MDM más adelante en este artículo. Los casos de uso de MDM clave incluyen los siguientes ejemplos de venta al por menor y fabricación:
- Consolidación de datos de clientes para el análisis.
- Perspectiva integral, coherente y accesible de los datos de productos, como el nombre, la descripción y las características de cada producto.
- Establecimiento de datos de referencia para aumentar de forma coherente las descripciones de los datos maestros. Por ejemplo, los datos de referencia incluyen listas de países o regiones, monedas, colores, tamaños y unidades de medida.
Estas soluciones de MDM también son útiles para las organizaciones financieras que dependen en gran medida de los datos para llevar a cabo actividades críticas, como la presentación de informes dentro de los plazos establecidos.
Integración de MDM con Microsoft Purview
En el diagrama siguiente se muestra con detalle la integración de MDM de Profisee en Microsoft Purview. Para admitir esta integración, el subsistema de gobernanza de Profisee proporciona integración bidireccional con Microsoft Purview, que consta de dos flujos:
- La publicación de metadatos de la solución se produce cuando los modeladores de datos realizan cambios en el modelo de datos maestros, las estrategias de coincidencia y los artefactos secundarios relacionados. Estos cambios se publican sin problemas en Microsoft Purview a medida que se producen. Al publicar estos cambios, se sincronizan los metadatos relacionados con el modelo de datos maestros y la solución. Como resultado, el Catálogo de datos de Microsoft Purview se rellena aún más y Microsoft Purview tiene un registro de este origen de datos crítico.
- Los detalles de gobernanza se devuelven y proporcionan a los administradores de datos y a los usuarios empresariales Estos detalles están disponibles a medida que los usuarios visualizan los datos, los enriquecen y corrigen los problemas de calidad de estos a través del portal de FastApp de Profisee.
Capacidades de integración de Microsoft Purview predeterminadas
El catálogo y el glosario de Microsoft Purview pueden ayudarle a maximizar la integración.
Diseño del modelo de datos maestros
Uno de los desafíos a la hora de preparar una solución de MDM es determinar qué son datos maestros y qué orígenes de datos usar para rellenar el modelo de datos maestros. Microsoft Purview puede ayudarle con este trabajo. Puede aprovechar la capacidad de examinar los orígenes de datos críticos y puede interactuar con los administradores de datos y expertos en la materia (SME). De este modo, puede enriquecer el Catálogo de datos de Microsoft Purview con información a la que luego puedan acceder los administradores para adaptar mejor el modelo de datos maestros a los sistemas de línea de negocio. Puede conciliar la terminología en conflicto. Mediante este proceso producirá un modelo de datos maestros que refleje de forma óptima la terminología y las definiciones que desee usar para la estandarización. También evitará los términos obsoletos y engañosos.
En el siguiente extracto del diagrama más amplio se muestra este caso de uso de integración. En primer lugar, use las funciones de análisis del sistema de Microsoft Purview para ingerir metadatos desde los sistemas de línea de negocio. A continuación, los administradores de datos y los expertos en la materia preparan un catálogo y contactos sólidos. Luego, los modeladores de datos que trabajan con los servicios de modelado de MDM de Profisee pueden preparar y desarrollar el modelo de datos maestros. Este trabajo se ajusta a los estándares que se definen en Microsoft Purview.
A medida que los administradores de datos desarrollan el modelo, los servicios de modelado de la plataforma de MDM de Profisee publican los cambios que los servicios de gobernanza de MDM de Profisee reciben. A su vez, MDM de Profisee prepara y reenvía esos cambios a Microsoft Purview para su inclusión en el catálogo de datos actualizado. Estas incorporaciones realizadas al catálogo garantizan que las definiciones de datos maestros se incluyen en el patrimonio de datos más amplio y que se pueden regir y controlar de la misma manera que los metadatos del sistema de línea de negocio. Al asegurarse de que esta información se cataloga junta, está en una mejor posición para administrar las relaciones entre los datos maestros y los datos del sistema de línea de negocio.
Administración de datos
Las grandes empresas con patrimonios de datos proporcionalmente complejos y extensos pueden presentar desafíos para los administradores de datos, que son responsables de administrar y corregir los problemas a medida que surgen. Los dominios de datos clave pueden ser complejos, con muchos atributos desconocidos que solo comprenden los empleados con experiencia con conocimientos institucionales importantes. Mediante la integración de MDM de Profisee con Microsoft Purview, puede capturar estos conocimientos institucionales en Microsoft Purview y hacer que estén disponibles para su uso en MDM de Profisee. De este modo, se satisface en gran medida la necesidad de conocimiento de datos corporativos a la hora de administrar información crítica y urgente.
En la ilustración siguiente se muestra el flujo de información de Microsoft Purview a los administradores de datos que trabajan en el Portal de FastApp de Profisee. El servicio de datos de gobernanza se integra con Microsoft Purview y Microsoft Entra ID. Este servicio proporciona una funcionalidad de búsqueda. Los usuarios del portal de FastApp pueden usar esta funcionalidad para recuperar datos de gobernanza enriquecidos de las entidades y los atributos con los que trabajan.
Los servicios de gobernanza también resuelven los contactos recibidos de Microsoft Purview en sus detalles completos del perfil, que están disponibles en Microsoft Entra ID. Los detalles completos del perfil permiten a los administradores colaborar eficazmente con expertos y propietarios de datos, cuando trabajan para mejorar la calidad de los datos maestros.
El cuadro de diálogo Gobernanza de MDM de Profisee es la interfaz a través de la cual los administradores de datos y los usuarios interactúan con los detalles de nivel de gobernanza. Esta interfaz de usuario representa la información que se obtiene de Microsoft Purview para los usuarios. Con esta información, los usuarios pueden revisar los detalles que hay detrás de los datos desde los que se ha iniciado el cuadro de diálogo. Si la información proporcionada en el cuadro de diálogo Gobernanza no es suficiente, los usuarios pueden ir directamente a la experiencia de usuario de Microsoft Purview.
Los administradores de datos y los usuarios empresariales pueden acceder a tres tipos de recursos de datos de MDM de Profisee a través del portal de FastApp:
- Instancia de Profisee, que proporciona las propiedades de infraestructura de la instancia específica de la plataforma de MDM de Profisee que el usuario está viendo.
- Entidad de Profisee, que proporciona las propiedades de la entidad de datos maestros (la tabla) que el administrador o el usuario está viendo actualmente.
- Atributo de Profisee, que proporciona las propiedades del atributo (como el campo o la columna) en las que está interesado el usuario.
En la ilustración siguiente se muestra dónde pueden ver los usuarios que trabajan en el portal de FastApp los detalles de gobernanza de cada uno de estos tipos de recursos. Los detalles de nivel de instancia se pueden encontrar en el menú Ayuda. Puede acceder a los detalles de la entidad desde el encabezado de zona de página, que contiene una cuadrícula de entidades. Para ver los detalles de los atributos, vaya al formulario asociado a la cuadrícula de entidades. Acceda a los detalles de las etiquetas asociadas al atributo.
Para ver información de resumen, mantenga el puntero sobre el icono de gobernanza, como Microsoft Purview. Seleccione el icono para mostrar el cuadro de diálogo de gobernanza completo:
Para ir a la experiencia de usuario completa de Microsoft Purview, seleccione el icono de gobernanza en el encabezado del cuadro de diálogo. Si selecciona el icono, accederá a Microsoft Purview en el contexto del recurso que esté visualizando en ese momento. A continuación, podrá desplazarse fácilmente por Microsoft Purview en función de lo que necesite descubrir.
Procesamiento de MDM
La eficacia de una solución de MDM está en los detalles.
Modelado de datos
El núcleo de la solución de MDM es el modelo de datos subyacente. Representa la definición de los datos maestros en la empresa. El desarrollo de un modelo de datos maestros implica las siguientes tareas:
- Identifique en la infraestructura de sus sistemas los elementos de los datos de origen, ya que son críticos para las operaciones de su empresa y fundamentales para analizar el rendimiento.
- Enriquezca el modelo con elementos obtenidos de otros orígenes de terceros que representan datos más útiles, precisos y de confianza.
- Establezca una propiedad clara y permisos relacionados con los elementos del modelo de datos. De este modo se garantiza que la visibilidad y la administración de cambios se tengan en cuenta en el diseño del modelo.
La gobernanza de datos proporciona una base fundamental de soporte:
- El catálogo de datos de gobernanza, el diccionario, el glosario y los recursos de apoyo son fuentes de información de gran valor para los administradores de datos de gobernanza. Estos recursos ayudan a los administradores a determinar qué incluir en el modelo de datos maestros. También ayudan a determinar la propiedad y las clasificaciones de datos confidenciales en Microsoft Purview. Puede reforzar la terminología en el modelo. Mediante este procedimiento, puede establecer un léxico oficial para la empresa. La integración de terminología permite que el modelo de datos maestros traduzca los términos intrincados usados en distintos sistemas de origen al lenguaje aprobado de la empresa.
- Los sistemas de terceros suelen ser un origen de datos maestros independiente y diferente de los sistemas de línea de negocio. Es fundamental agregar elementos al modelo para capturar la información que estos sistemas agregan a los datos y para reflejar estos orígenes de información en el catálogo de datos.
- Puede usar la propiedad de los datos y el acceso a estos, como se identifica en el catálogo de gobernanza, para aplicar los permisos de administración de cambios y acceso en la solución de MDM. Por lo tanto, debe ajustar las directivas y necesidades corporativas a las herramientas que se usan para administrar los datos maestros.
Carga de los datos de origen
Lo idóneo es que los distintos sistemas de línea de negocio carguen los datos en el modelo de datos maestros sin apenas cambios ni transformaciones. El objetivo es disponer de una versión centralizada de los datos tal y como existen en el sistema de origen. Debe haber la menor pérdida de fidelidad posible entre el sistema de origen y el repositorio de datos maestros. Al limitar la complejidad del proceso de carga, el linaje se simplifica. Y, si usa tecnología como las canalizaciones de Azure Data Factory, la solución de gobernanza puede inspeccionar el flujo. Entonces la solución podrá identificar las relaciones entre el sistema de origen y el modelo de datos maestros. En concreto, la solución puede extraer datos de sistemas de origen mediante cualquiera de los más de 100 conectores pregenerados y una puerta de enlace REST.
Enriquecimiento y normalización de los datos
Una vez que cargue los datos de origen en el modelo, puede ampliarlo pulsando en orígenes enriquecidos de datos de terceros. Puede usar estos sistemas para mejorar los datos que obtenga de los sistemas de línea de negocio. También puede usar estos sistemas para aumentar los datos de origen con información que los haga más útiles para los consumidores posteriores. Por ejemplo:
- Puede usar servicios de verificación de direcciones, como Bing, para corregir y mejorar las direcciones del sistema de origen. Estos servicios pueden estandarizar y agregar información faltante crucial para la geolocalización y la entrega de correo.
- Los servicios de información de terceros, como Dun y Bradstreet, pueden proporcionar datos generales o específicos del sector. Puede usar estos datos para ampliar el valor del registro maestro. En concreto, puede agregar información que no estaba disponible o que estaba en conflicto en los distintos sistemas de línea de negocio.
La infraestructura de publicación y suscripción de Profisee facilita la integración de sus propios orígenes de terceros en la solución, cuando sea necesario.
La capacidad de comprender los orígenes y el significado que hay detrás de estos datos es tan importante para los datos de terceros como para los sistemas de línea de negocio internos. Mediante la integración del modelo de datos maestros en el catálogo de datos de gobernanza, puede administrar las relaciones entre los orígenes internos y externos de datos al tiempo que enriquece el modelo con detalles de gobernanza.
Validación y administración de la calidad de los datos
Después de cargar y enriquecer los datos, es importante comprobar la calidad y el cumplimiento de los estándares que se establecen a través de los procesos de gobernanza. De nuevo, Microsoft Purview puede ser una fuente enriquecida de información de estándares. Puede usar Microsoft Purview para controlar las reglas de calidad de datos que la solución de MDM aplica. MDM de Profisee también puede publicar reglas de calidad de datos como recursos en el catálogo de gobernanza. Las reglas pueden estar sujetas a revisión y aprobación, lo que ayuda a proporcionar supervisión de arriba a abajo de los estándares de calidad asociados a sus datos maestros. Las reglas están vinculadas a entidades y atributos de datos maestros, y esos atributos se pueden rastrear hasta el sistema de origen. Por todo ello, puede establecer la causa principal de la mala calidad de los datos procedentes de los sistemas de su línea de negocio.
Los administradores de datos son expertos en su dominio empresarial. Los administradores pueden usar el catálogo de gobernanza de datos de Microsoft Purview para abordar los problemas que ponga de manifiesto la solución de datos maestros. El catálogo facilita que los administradores comprendan y resuelvan los problemas de calidad a medida que surgen. Con el respaldo de expertos y propietarios de datos, los administradores pueden abordar los problemas de calidad de los datos de forma rápida y precisa.
Coincidencia y supervivencia
Con datos de origen enriquecidos y de alta calidad, ahora puede generar un registro maestro que represente la información más precisa en los distintos sistemas de línea de negocio. En la ilustración siguiente se muestra cómo culminan todos los pasos en datos de alta calidad que están listos para usarlos en el análisis empresarial. Puede sincronizar estos datos en cualquier momento en el patrimonio de datos.
El motor de búsqueda de coincidencias de MDM de Profisee genera un registro maestro como parte del proceso de permanencia. Las reglas de permanencia rellenan de forma selectiva el registro maestro con la información que se ha elegido en los sistemas de origen.
El subsistema de seguimiento de auditoría e historial de MDM de Profisee realiza un seguimiento de los cambios que hacen los usuarios. Este subsistema también realiza un seguimiento de los cambios que realizan los procesos del sistema, como la permanencia. La coincidencia y la permanencia permiten realizar un seguimiento del flujo de información desde los registros de origen hasta el maestro. MDM de Profisee dispone de un registro del sistema de origen responsable de un registro de origen específico. Además, ya sabe cómo se rellena el registro maestro a partir de registros de origen dispares. Por tanto, puede lograr el linaje de datos desde el análisis hasta los datos de origen a los que se hace referencia en esos informes.
Casos de uso de MDM
Aunque hay varios casos de uso para MDM, hay un pequeño número de casos de uso que cubren la mayoría de las implementaciones de MDM reales. Estos casos de uso se centran en un solo dominio, pero no es probable que se creen solo a partir de ese dominio. Incluso la mayoría de estos casos de uso específicos incluyen varios dominios. En cada caso de uso, MDM cumple el objetivo de proporcionar una perspectiva integral o unificada de los tipos de datos esenciales.
Datos del cliente
La consolidación u la estandarización de los datos de los clientes para su análisis es el caso de uso más común de MDM. Las organizaciones capturan datos de clientes en un número creciente de sistemas y aplicaciones. Se producen registros duplicados de datos de clientes. Estos datos duplicados se encuentran en las aplicaciones y contienen incoherencias y discrepancias. La mala calidad de los datos de los clientes limita el valor de las soluciones de análisis modernas. Los síntomas incluyen los siguientes desafíos:
- Es difícil responder a preguntas empresariales básicas, como "¿Quiénes son nuestros principales clientes?" y "¿Cuántos clientes nuevos tenemos?" Responder a estas preguntas requiere un esfuerzo manual significativo.
- Tiene información del cliente que falta o no es precisa, lo que dificulta la acumulación o la obtención de detalles de los datos.
- No puede verificar o identificar de forma única a un cliente en los límites de la organización y del sistema. Como resultado, no puede analizar los datos de los clientes en los sistemas o unidades de negocio.
- Tiene información de baja calidad de la inteligencia artificial y el aprendizaje automático debido a datos de entrada de mala calidad.
Datos de producto
Los datos de los productos suelen estar diseminados en varias aplicaciones empresariales, como las de planificación de recursos empresariales (ERP), administración del ciclo de vida de los productos (PLM) o comercio electrónico. Por lo tanto, es difícil conocer el catálogo total de productos que tienen definiciones incoherentes para propiedades como el nombre, la descripción y las características del producto. Las distintas definiciones de datos de referencia complican esta situación. Los síntomas incluyen los siguientes desafíos:
- Incapacidad de ofrecer diferentes rutas de acumulación y obtención de detalles con jerarquías alternativas para el análisis de los productos.
- En casos de productos terminados o inventario de materiales, tiene dificultades para evaluar el inventario de productos y los proveedores establecidos. También tiene productos duplicados, lo que produce un exceso de inventario.
- Es difícil racionalizar los productos debido a definiciones conflictivas. Esta situación hace que falte información o que esta sea inexacta en los análisis.
Datos de referencia
En el contexto del análisis, los datos de referencia existen como varias listas de datos. Estas listas se suelen usar para describir otros conjuntos de datos maestros. Por ejemplo, los datos de referencia incluyen listas de países o regiones, monedas, colores, tamaños y unidades de medida. Los datos de referencia incoherentes conducen a errores obvios en el análisis en el flujo descendente. Los síntomas son:
- Varias representaciones del mismo valor. Por ejemplo, el estado de Georgia se indica como GA y Georgia, por lo que resulta difícil agregar datos y explorarlos en profundidad de forma coherente.
- Dificultad para optimizar los datos en los sistemas debido a la imposibilidad de cotejar o asignar los valores de los datos de referencia entre sistemas. Por ejemplo, el color rojo se representa como R en el sistema de ERP y como Rojo en el sistema de PLM.
- Dificultad para establecer números entre organizaciones debido a diferencias en los valores de datos de referencia establecidos que se usan para clasificar los datos.
Datos financieros
Las organizaciones financieras dependen en gran medida de los datos de actividades críticas como los informes mensuales, trimestrales y anuales. Las organizaciones con varios sistemas de finanzas y contabilidad suelen tener los datos financieros en varios libros generales, que se deben consolidar para generar informes financieros. MDM puede proporcionar un lugar centralizado para asignar y administrar cuentas, centros de costos, entidades comerciales y otros conjuntos de datos financieros. A través del lugar centralizado, MDM proporciona una vista consolidada de estos conjuntos de datos. Los síntomas incluyen los siguientes desafíos:
- Dificultad para agregar los datos financieros entre varios sistemas en una vista consolidada
- Falta de procesos para agregar y asignar nuevos elementos de datos en los sistemas financieros.
- Retrasos en la producción de los informes financieros de final de período.
Consideraciones
Estas consideraciones implementan los pilares del marco de buena arquitectura de Azure, que es un conjunto de principios guía que se pueden usar para mejorar la calidad de una carga de trabajo. Para más información, consulte Marco de buena arquitectura de Microsoft Azure.
Tenga en cuenta estos factores al elegir una solución de administración de datos para su organización.
Confiabilidad
La confiabilidad garantiza que la aplicación pueda cumplir los compromisos contraídos con los clientes. Para más información, consulte Resumen del pilar de fiabilidad.
Profisee se ejecuta de forma nativa en Azure Kubernetes Service (AKS) y Azure SQL Database. Ambos servicios ofrecen funcionalidades listas para admitir la alta disponibilidad.
Seguridad
La seguridad proporciona garantías contra ataques deliberados y el abuso de datos y sistemas valiosos. Para más información, consulte Introducción al pilar de seguridad.
Profisee autentica a los usuarios mediante OpenID Connect, que implementa un flujo de autenticación de OAuth 2.0. La mayoría de las organizaciones configuran MDM de Profisee para autenticar a los usuarios con Microsoft Entra ID, lo que garantiza que se puedan aplicar las directivas empresariales para la autenticación.
Optimización de costos
La optimización de costos trata de buscar formas de reducir los gastos innecesarios y mejorar las eficiencias operativas. Para más información, vea Información general del pilar de optimización de costos.
Los costos de ejecución constan de una licencia de software y del consumo de Azure. Para obtener más información, póngase en contacto con Profisee.
Eficiencia del rendimiento
La eficiencia del rendimiento es la capacidad de la carga de trabajo para escalar con el fin de satisfacer de manera eficiente las demandas que los usuarios hayan ejercido sobre ella. Para obtener más información, vea Resumen del pilar de eficiencia del rendimiento.
MDM de Profisee se ejecuta de forma nativa en AKS y SQL Database. Puede configurar AKS para escalar y reducir MDM de Profisee verticalmente y en las funciones empresariales. Puede implementar Azure SQL Database en numerosas configuraciones para equilibrar el rendimiento, la escalabilidad y los costos.
El escalado dinámico es inherente a la arquitectura nativa de la nube de Profisee, que usa microservicios y contenedores. Si ejecuta Profisee en un inquilino en la nube mediante Kubernetes, puede escalar y reducir verticalmente de forma dinámica en función de la carga. Con el servicio de SaaS de Profisee que se ejecuta en AKS, puede configurar grandes grupos de nodos para los pods. Estos grupos se escalan dinámicamente en función de la carga en el sistema en toda la infraestructura multiinquilino.
Para obtener información detallada sobre cómo implementar Profisee y Microsoft Purview en AKS, consulte Microsoft Purview: integración de MDM de Profisee.
Implementación de este escenario
MDM de Profisee es un servicio de Kubernetes empaquetado. Puede implementar MDM de Profisee como PaaS en el inquilino de Azure, en cualquier otro inquilino en la nube o en el entorno local. También puede implementar MDM de Profisee como SaaS hospedado y administrado por Profisee.
Colaboradores
Microsoft mantiene este artículo. Originalmente lo escribió el siguiente colaborador.
Autor principal:
- Gaurav Malhotra | Director de administración de grupo PM
Para ver los perfiles no públicos de LinkedIn, inicie sesión en LinkedIn.
Pasos siguientes
- Conozca las funcionalidades del conector de copia REST en Data Factory.
- Más información sobre la ejecución de Profisee de forma nativa en Azure.
- Obtenga información sobre cómo implementar Profisee en Azure mediante una plantilla de Azure Resource Manager (plantilla de ARM).
- Consulte Plantillas de Azure Data Factory para Profisee.
Recursos relacionados
Guías de arquitectura:
- Extracción, transformación y carga (ETL)
- Selección de una tecnología de procesamiento por lotes en Azure
Arquitecturas de referencia:
- Administración de datos maestros con Profisee y Azure Data Factory
- Análisis de un extremo a otro con Azure Synapse
- Arquitectura de análisis moderno con Azure Databricks
- Análisis de macrodatos con seguridad de nivel empresarial mediante Azure Synapse
- Inteligencia empresarial automatizada
- Optimización del marketing con Machine Learning
- Inteligencia empresarial