Data Cleansing del maestro de materiales

El servicio de data cleansing, o limpieza de datos maestros de los materiales, es fundamental para la gestión eficaz de Compras, Logística y Mantenimiento.

Un maestro de materiales bien gestionado no solo mejora la eficiencia operativa, sino que también garantiza que las decisiones se basen en información precisa y confiable.

Origen del problema

La necesidad de hacer Data Cleansing, es una señal que se están haciendo mal las cosas.

Actualmente, un base de datos de materiales de un ERP no se autogestiona ni se transforma por sí misma. Se trata de una base de datos que tiene una entrada llamada catalogación, y los datos creados permanecen sin alteración a no ser que alguien intencionalmente los cambie. Luego, la necesidad de limpiar o depurar datos, nace únicamente porque la entrada de información es deficiente.

El principal problema que se transforma en un dolor de cabeza, es la permanente aceptación que el error al ingresar o crear un dato, es aceptable. Con el tiempo, esa pérdida de calidad de los datos se transforma en algo inmanejable y una destrucción de valor para la gestión aguas abajo.

Segregación de Funciones

Existen claramente incentivos mal alineados cuando quien maneja y administra la entrada de datos, sea el mismo que se encarga de la limpieza de datos.

Calidad de los Datos

Si los datos no están adecuadamente creados, es muy complejo gestionar. La limpieza de datos implica la identificación y corrección de duplicados, complementar datos incompletos, limpiar sesgos, ordenar campos de información mal utilizados y re-impulsar la disciplina operacional en toda la cadena de la creación del dato.

Uso de tecnología

Actualmente, el manejo dinámico de información ha sido liberado y el procesamiento de datos está mutando rápidamente a un procesamiento de información, que incluye no sólo números o cadenas de símbolos, sino la interpretación de lenguaje natural, manejo de imágenes, manejo de sonidos, entre otros. Esta libertad para gestionar la información puede estar dejando obsoleto el proceso de "catalogar" toda vez que la clave de búsqueda ya no es necesariamente un código numérico o alfanumérico, sino un flujo de datos que generan patrones, los cuales permiten identificar en forma única un conjunto de información, tal como un ADN de información, sin duplicidades. Los motores de búsqueda pueden identificar actualmente desperdicios y separarla de la información limpia, luego el proceso de catalogación se empieza a hacer menos necesario, y la limpieza de datos es parte de los motores de búsqueda inteligentes, basados en IA.

Tomar decisiones

Gestionar información permite a tomar decisiones informadas y oportunas. La información más precisa e interpretable resulta crucial en tareas como la planificación de la producción, la gestión de la cadena de suministro, gestión de mantenimiento y la elaboración de informes financieros. El manejo de información está avanzando muy rápidamente hacia estados de mayor confianza y basadas en cadenas de entendimiento lógico y contexto, más que en datos numéricos. Seguir con procesos rígidos asociados a los estándares de los ERP de los 90s puede ser un gran error.

Cuando se piensa en un proceso de Data Cleansing, es bueno también pensar qué tipo de proceso se requiere. Uno basado en datos que se deteriora de tanto en tanto y que genera sesgos en las decisiones; o uno basado en información, que es capaz de detectar la información inútil, que es autogenerativa y basada en tecnología que actualmente está disponible hasta en un laptop.

Es necesario seguir catalogando y seguir limpiando los errores de catalogación, si hoy la tecnología es capaz de capturar información a través del ADN de las cadenas lógicas de datos?