Formación DAMA España
Home » Formación » Oferta formativa
Formación DAMA España
Desde el primer momento, el capítulo español de DAMA International ha comprendido la importancia de generar conocimiento en torno al framework DAMA. Por ello, consideramos necesario promover la formación como vía de crecimiento y financiación del capítulo.
Promovemos y fomentamos los cursos oficiales de DAMA International a través de sus REP (Registered Education Provider), así como los de otras instituciones y universidades, bajo un estricto control de contenidos y su alineación con el framework de DAMA España.
Fruto de esta estrategia nace el curso Data Management Fundamentals.
Acuerdos y colaboraciones
Es noticia de estos días la firma de un acuerdo con la Universidad de Castilla-La Mancha. Seguimos colaborando con otras entidades formativas y trabajamos para generar más cursos, ya que la demanda sigue siendo alta en nuestro país.
¿Por qué este curso?
El curso de Data Management Fundamentals nace de la inquietud de algunos miembros de DAMA España por facilitar la cultura del dato dentro de las empresas. Analizando diferentes frameworks, se ha diseñado un recorrido formativo que abarca todas las áreas del Data Management, permitiendo a las empresas mejorar el conocimiento de sus activos empresariales.
Es un curso diseñado e impartido por profesionales para profesionales y para estudiantes con perfiles STEM que deseen ampliar sus conocimientos y llegar al mundo empresarial con la preparación necesaria.
¿Quién lo realiza?
El curso está promovido y organizado por la Universidad de Castilla-La Mancha, la Universidad de Mondragón (Mondragon Unibertsitatea) y diferentes profesionales asociados a DAMA España. Son estos profesionales quienes, a través de las distintas sesiones y especialidades que componen el curso, transfieren su experiencia profesional y sus conocimientos aplicados del Data Management en diversos sectores empresariales.
Estos conocimientos constituyen una base sólida para la profesionalización del sector y el acceso a las certificaciones existentes en el mercado.
Claustro docente
Profesionales certificados y con experiencia contrastada en las diferentes áreas del Data Management.
Contenidos del curso
Data Management Process
Se habla mucho de transformación digital como «proyecto», pero en realidad se trata de un proceso continuo que necesita la Data Governance, al igual que otros aspectos relacionados con los datos (Data Quality, Data Analyzing, Data Architecture, Data Modelling, etc.).
Estamos en la era de los metadatos. La Inteligencia de Negocio ha cristalizado la estrategia (pasando de «qué» hacer a «cómo» hacerlo), y la Data Virtualization ha permitido liberar los datos de vínculos físicos. La Data Governance focalizará sus esfuerzos en los metadatos. Ya no importa solo la cantidad de datos que podamos tratar ni cómo lo hacemos; necesitamos saber qué dicen esos datos y quién decide que digan algo. Los datos son activos empresariales, no algo que solo descansa en el departamento de TI. Hay que romper los reinos, feudos y taifas de datos. Hay que liberarlos para que se transformen en información útil para la empresa.
Estructura y roles del Data Management
El modelo operativo es un punto de partida para mejorar las prácticas de gestión y gobernanza de datos. Para desplegarlo, hay que hacerse ciertas preguntas: ¿cómo puede repercutir en la organización actual? ¿cómo debe evolucionar con el tiempo?
Entender la empresa para entender sus datos es un proceso fundamental antes de ponerse manos a la obra. Por ello, conviene indagar antes de iniciar cualquier proceso de Data Management: ¿cuál es el papel de los datos en la organización? ¿qué procesos clave son impulsados por los datos? ¿cómo se definen y comprenden las necesidades de datos? ¿hasta qué punto se reconoce la función de los datos en la estrategia de la organización?
Big Data & Data Science
Los conceptos de Big Data y Data Science están íntimamente ligados a la evolución tecnológica, que nos ha permitido generar, almacenar y analizar no solo grandes volúmenes de datos, sino también datos con gran variedad y a enorme velocidad. Big Data se considera una colección considerable de datos con dificultades para ser almacenada en bases de datos tradicionales, procesada en servidores estándar o analizada con aplicaciones habituales.
Gracias al paradigma Big Data, la estadística aplicada se ha potenciado utilizando estas fuentes de información para descubrir patrones, pasando a denominarse Data Science. Integra diferentes métodos para analizar todo tipo de datos con el objetivo de encontrar respuestas a preguntas que surgen durante el proceso exploratorio.
Data Architecture
El ámbito de la Arquitectura del Dato puede resultar confuso para quienes no están familiarizados con él. Los marcos arquitectónicos de datos son valiosos porque permiten a los no arquitectos comprender los diferentes niveles y enfoques de la gestión de datos dentro de la organización (conceptual, lógico y físico) y para los distintos dominios de información.
La Arquitectura de Datos es fundamental para la gestión de datos, ya que las organizaciones, al tener más datos de los que las personas pueden comprender, necesitan representar estos activos en diferentes niveles de abstracción para que puedan entenderse y tomarse decisiones al respecto.
El objetivo de la Arquitectura de Datos es ser un puente entre la estrategia empresarial y la ejecución tecnológica, impulsando las necesidades de toda la empresa y permitiendo la estandarización e integración consistente de los datos a lo largo de todo su ciclo de vida.
Document and Content Management
La gestión del contenido y la documentación generada en un proceso de Data Management es el pegamento que da sentido a todo el trabajo realizado, aportando el orden necesario para que pueda ser reutilizado y accesible por toda la organización.
Se centra en asegurar la integridad de toda la información generada en torno a cualquier rama de la gestión de datos, así como el acceso apropiado a ella. Es especialmente relevante cuando se dispone de una mezcla de fuentes estructuradas y no estructuradas, para lograr una homogeneización en el almacenamiento de los datos.
Data Ethics
La transparencia en el uso de los datos personales, además de ser un requisito legal, constituye una oportunidad para crear confianza con nuestros clientes y, por tanto, añadir valor.
La ética en el tratamiento de datos tiene que ver con cómo los obtenemos, almacenamos, administramos, usamos y disponemos de ellos. Gestionar los datos de manera ética es necesario para el éxito a largo plazo de cualquier organización. Para los profesionales de la gestión de datos, la ética es una cuestión de responsabilidad social.
Crear una cultura ética implica introducir una gobernanza adecuada, incluidos controles que garanticen que los resultados del procesamiento de datos sean éticos y no violen la confianza ni la dignidad humana.
Data Governance
El Gobierno del Dato es el eje central de toda estrategia de gestión de datos. Su función es guiar el resto de funciones de gestión, con un ojo puesto en cada una de las áreas incluidas en el marco DAMA. Su propósito es asegurar que los datos se gestionan adecuadamente, conforme a las políticas y mejores prácticas definidas.
Mientras que el objetivo general de la gestión de datos es asegurar que una organización obtiene valor de sus datos, el Gobierno del Dato se focaliza en cómo se toman las decisiones sobre los datos y cómo se espera que las personas y los procesos se comporten en relación con ellos.
El Gobierno del Dato se define como el ejercicio de autoridad y control (planificación, monitorización y aplicación) sobre la gestión de los activos de datos, convirtiéndose en la palanca de cambio necesaria para que la organización se transforme hacia un modelo data-driven.
Data Integration and Interoperability
Cuando hablamos de datos, pensamos en disponer de los datos correctos en la aplicación que usamos, pero raramente nos preguntamos dónde se generaron. En la mayoría de los casos, han sido generados en sistemas o bases de datos distintos de los que usamos para consumirlos. Si además ese mismo dato puede ser requerido en otro sistema diferente, la cuestión se complica: ¿dónde se origina, por dónde pasa, cómo evoluciona, dónde se consume?
La Integración de Datos y la Interoperabilidad nos proporcionan las reglas, procesos y mejores prácticas para asegurar que el camino que siguen los datos a través de diferentes sistemas en una organización se realiza de manera organizada y correcta, garantizando que los datos adecuados sean consumidos donde y cuando se necesitan.
Master and Reference Data
Al trabajar con datos, probablemente no utilizaremos todos los de una organización, pero sí necesitaremos Datos Maestros y de Referencia. Una de las actividades fundamentales es asegurar que estos datos sean correctos, únicos y consistentes.
Para ello, debemos entender y diferenciar entre datos maestros y de referencia, así como entre unos y otros, ya que cada tipo requiere cuidados específicos. También debemos saber cómo organizar y asegurar la unicidad, integridad y correcta evolución de estos datos a lo largo de su ciclo de vida, así como una estructura adecuada para su gestión.
Data Modelling and Design
Nos adentraremos en el arte del modelado de datos, comprendiendo los diferentes modelos implicados específicamente en soluciones de Data Warehouse. Conoceremos las actividades y pasos necesarios para comprender los requerimientos analíticos del negocio, que nos permitirán diseñar modelos con altas capacidades.
Estas necesidades implican la definición de dimensiones con sus entidades y jerarquías, y su relación a través de tablas de hechos que permiten medir y evaluar el comportamiento de los fenómenos a analizar. Conoceremos los principales modelos existentes, sus ventajas e inconvenientes, y la necesidad de un buen modelo de datos.
Data Quality
Todas las disciplinas de la gestión de datos contribuyen a mejorar su calidad. Las organizaciones que gestionan formalmente la calidad de sus datos tienen menos problemas que las que no lo hacen.
La gestión formal de la calidad requiere un equipo dedicado a un programa que gestione la calidad a lo largo de todo el ciclo de vida del dato. Para ello, se deben definir estándares y especificaciones que permitan realizar controles de calidad como parte del propio ciclo de vida, implementar procesos para medir, monitorear e informar sobre los niveles de calidad, realizar correcciones y, finalmente, identificar oportunidades de mejora en procesos y sistemas para dotar a los datos de la calidad que los consumidores necesitan.
Data Security
La relación entre la seguridad de los datos y los requerimientos regulatorios para su gobierno, propiedad y gestión se fortalece continuamente. La gestión de datos, su propiedad y gobierno se ocupan del qué, quién y cómo.
La adecuada implantación de programas de gestión y gobierno de datos crea nuevas líneas de defensa para los datos en riesgo: (1) identificar datos en riesgo; (2) localizar datos sensibles; (3) identificar a los usuarios de datos sensibles y garantizar la coherencia de los procesos de acceso; y (4) garantizar un acceso más seguro a los datos sensibles.
Conociendo esta relación, podremos validar si nuestros datos se rigen de forma consistente bajo una única visión. De lo contrario, una organización podría tener políticas inconsistentes o contradictorias, introduciendo nuevos riesgos.
Data Storage and Operations
Cuando hablamos de gobierno del dato, pensamos en modelado, master data, seguridad, roles, definiciones… pero a menudo olvidamos que para un gobierno correcto necesitamos tener perfectamente definido e identificado dónde almacenaremos nuestros datos y cómo realizaremos todas las operaciones, desde la definición del proyecto hasta la implementación, el mantenimiento y la disponibilidad.
Todo esto se realiza en almacenes o bases de datos, que han evolucionado debido a las nuevas necesidades surgidas con el Big Data, dando lugar fundamentalmente a bases de datos relacionales y NoSQL.
Abordaremos los diferentes aspectos a tener en cuenta para un proyecto, así como las operaciones necesarias en el día a día para asegurar el correcto funcionamiento y disponibilidad de los datos.
Data Warehouse and Business Intelligence
El Data Warehouse surgió en los años ochenta y continúa en auge debido a la necesidad de disponer de un almacén unificado para la correcta toma de decisiones, necesidad que crece y se complementa con los paradigmas del Big Data.
Nos adentraremos en las metas y principios del Data Warehouse, sus conceptos, enfoques de desarrollo y características. Compararemos las visiones de Kimball e Inmon, observaremos la importancia de un buen modelo de datos y los procesos implicados en el diseño, desarrollo y construcción de un Data Warehouse. Un recorrido por el fascinante mundo del Business Intelligence.
Metadata Management
La definición más común de metadatos —»datos sobre datos»— es engañosamente simple. El tipo de información que puede clasificarse como metadatos es muy amplio.
Los metadatos brindan información sobre procesos técnicos y comerciales, reglas y limitaciones de los datos, y estructuras lógicas y físicas. Describen los datos propiamente dichos (bases de datos, elementos de datos, modelos de datos), los conceptos que representan (procesos comerciales, sistemas de aplicación, infraestructura tecnológica) y las conexiones entre ellos.
Ayudan a una organización a comprender sus datos, sistemas y flujos de trabajo. Su gestión proactiva permite evaluar la calidad de los datos y son parte integrante de la gestión de bases de datos y otras aplicaciones. Los metadatos contribuyen a procesar, mantener, integrar, asegurar, auditar y gobernar otros datos.
Change Management
Cualquier proyecto o actividad derivada de la transformación digital que conlleve gestión de datos tiene tres aspectos principales a monitorizar: los procesos, la tecnología y las personas. Tanto los procesos como la tecnología los configuran las personas, que son el eslabón más débil de la cadena.
Lograr un alineamiento ordenado y efectivo entre todos los intervinientes en el proceso de gestión de información es el mayor reto para los profesionales del dato. Es necesario generar en ellos una urgencia por lograr los objetivos, así como hacerles partícipes de las ventajas del cambio tecnológico y de mentalidad en torno al dato.
En todo este proceso se lidia con todo tipo de perfiles, desde los más favorables hasta los más reacios al cambio. Necesitamos influir en estos últimos y apoyarnos en los primeros para alcanzar los objetivos.