Redacción
Tras las vacaciones, y con la llegada del mes de septiembre, muchas organizaciones revisan el estado de sus sistemas de información tras meses de acumulación constante de datos. Una gran parte de esos datos no se utiliza de forma activa, lo que encarece las operaciones, complica la toma de decisiones y eleva los riesgos de seguridad y cumplimiento. De acuerdo con Secoda, aproximadamente la mitad del volumen de datos almacenado es dark data —información recopilada y mantenida sin uso operativo—, con un impacto potencial de hasta 26 millones de dólares al año en almacenamiento.
Desde este diagnóstico, knowmad mood, multinacional tecnológica especializada en transformación digital, ha identificado cinco líneas de actuación para extraer valor de los activos de información, enmarcadas en su framework know4Data y con la vista puesta en la adopción de inteligencia artificial y automatización, así como en el refuerzo del cumplimiento normativo.
El primer paso en este camino para sacar provecho de los datos acumulados no es otro que detectar y eliminar datos obsoletos. Un estudio de Veritas estima que un tercio de la información empresarial es redundante, obsoleta o trivial (ROT), y que esta acumulación incrementa el gasto, introduce fricción en la operativa y añade exposición regulatoria.
La aplicación de políticas de retención y el análisis de patrones de uso permite distinguir qué contenidos deben archivarse o suprimirse de forma segura para recuperar eficiencia.
La depuración de duplicados y la mejora de la calidad del dato impacta directamente en los costes y la fiabilidad. IBM cifra en hasta quince millones de dólares anuales el coste de la mala calidad de los datos. Procedimientos de estandarización y herramientas automáticas de detección de duplicidades —planteados en el framework know4Data— contribuyen a elevar la consistencia, mejorar la trazabilidad y aumentar el valor analítico.
La gestión del ciclo de vida del dato, con políticas automatizadas, se presenta como un mecanismo de ahorro y control. Estudios recientes de MoldStud apuntan a reducciones de alrededor del 30% en costes de almacenamiento cuando se gobierna el dato desde su creación hasta su disposición final, lo que, además, optimiza recursos, minimiza riesgos y acelera la respuesta ante necesidades de análisis.
En paralelo, la adopción de arquitecturas modernas como Data Lakes y Data Fabrics resulta clave para manejar volúmenes heterogéneos y potenciar el despliegue de casos de uso avanzados. Salesforce estima que el 73% de los datos empresariales no se emplean en análisis y que el 95% de las compañías afronta dificultades con información no estructurada. Estas cifras subrayan la necesidad de infraestructuras capaces de integrar, gobernar y poner en valor el dato a escala.
Por último, la descentralización de la gestión y el tratamiento del dato como un activo estratégico amplía el alcance del gobierno del dato. Modelos como Data Mesh, que distribuyen la responsabilidad en dominios de negocio y tratan los datos como productos (data products), permiten, según McKinsey, acelerar el despliegue de nuevos casos de uso hasta un 90% y reducir el coste total de propiedad en torno a un 30%, con mejoras en calidad, trazabilidad y tiempo de puesta en producción.
En la compañía se incide en que acumular información no es suficiente. Su enfoque, sostienen, pasa por un “data detox” estructurado que combina eliminación de residuos digitales, estandarización, automatización de políticas y diseño de arquitecturas para que el dato esté listo para analítica avanzada y para cumplir con las exigencias regulatorias y de seguridad, con impacto directo en costes y riesgos.
