{"id":63082,"date":"2020-05-22T00:00:00","date_gmt":"2020-05-22T04:00:00","guid":{"rendered":"https:\/\/dataladder.com\/no-adquiera-una-empresa-hasta-que-evalue-su-calidad-de-datos\/"},"modified":"2026-01-01T11:56:11","modified_gmt":"2026-01-01T16:56:11","slug":"no-adquiera-una-empresa-hasta-que-evalue-su-calidad-de-datos","status":"publish","type":"post","link":"https:\/\/dataladder.com\/es\/no-adquiera-una-empresa-hasta-que-evalue-su-calidad-de-datos\/","title":{"rendered":"No adquiera una empresa hasta que eval\u00fae su calidad de datos"},"content":{"rendered":"

Las fusiones y adquisiciones se producen cuando las empresas creen que son m\u00e1s valiosas juntas que cuando operan por separado. Las empresas unen fuerzas de trabajo, sistemas, infraestructura y datos para convertirse en una entidad nueva, m\u00e1s potente, m\u00e1s valiosa y m\u00e1s eficaz. Eso s\u00f3lo hasta que se dieron cuenta de que hab\u00edan pasado por alto o subestimado los problemas clave de los datos, la infraestructura inform\u00e1tica y los planes de integraci\u00f3n. De hecho, la mayor\u00eda de los planes de fusi\u00f3n y adquisici\u00f3n fracasan estrepitosamente debido a los problemas de integraci\u00f3n de datos.<\/p>\n

Ah\u00f3rrese el coste devastador de una fusi\u00f3n fallida. No adquiera una empresa hasta que eval\u00fae su infraestructura de datos y su adhesi\u00f3n a la calidad.<\/p>\n

\u00bfPor qu\u00e9 el \u00e9nfasis en la calidad de los datos?<\/b><\/h4>\n

En 2019, el valor de las operaciones mundiales de fusiones y adquisiciones se sit\u00faa en 3,9 billones de<\/a> d\u00f3lares. Ir\u00f3nicamente, otro informe concluye que hasta el 90% de las fusiones<\/a> no cumplen sus objetivos.<\/p>\n

Aunque hay muchos factores que influyen en este fracaso (la mayor\u00eda de ellos son subjetivos a la cultura, el presupuesto, la infraestructura, etc. de la empresa), hemos visto que la falta de diligencia debida en los datos es la raz\u00f3n m\u00e1s com\u00fan del fracaso de la migraci\u00f3n.<\/p>\n

El problema de la calidad de los datos no es nuevo. Sin embargo, a medida que el mundo avanza hacia el aprovechamiento de los grandes datos para tomar decisiones importantes, es imperativo que las empresas comprendan los riesgos de descuidar la calidad de los datos. La mayor\u00eda de las empresas se centran en la calidad de los datos como una preocupaci\u00f3n posterior a la migraci\u00f3n, pero, este enfoque puede ralentizar considerablemente el proceso de fusi\u00f3n y adquisici\u00f3n; si no lo convierte en un fracaso por completo.<\/p>\n

Aparte de una fusi\u00f3n fallida, hay otros retos t\u00edpicos que se encuentran cuando no se hace hincapi\u00e9 en la calidad de los datos. Estos son:<\/p>\n

    \n
  1. Costes crecientes debido a los datos deficientes: <\/b>Tras la migraci\u00f3n, las empresas suelen acabar gastando millones de d\u00f3lares en la contrataci\u00f3n de cient\u00edficos de datos o analistas y especialistas para solucionar los problemas de calidad de los datos. Cada a\u00f1o se gastan m\u00e1s de 250 d\u00f3lares s\u00f3lo para contratar y retener el talento para la gesti\u00f3n de la calidad de los datos. Si a\u00f1adimos otros gastos causados por el incumplimiento de los objetivos, la fragmentaci\u00f3n de los datos y la amenaza de sanciones, infracciones, etc., tenemos millones de d\u00f3lares en ingresos perdidos. La mera diversidad y complejidad de la infraestructura de datos es suficiente para provocar la ca\u00edda de una empresa en t\u00e9rminos de costes, reputaci\u00f3n y p\u00e9rdida de oportunidades.<\/li>\n
  2. Losdatos duplicados como reto cr\u00edtico:<\/b> Aunque los datos sucios o desordenados son un reto, no son tan peligrosos como los datos duplicados. De hecho, la duplicaci\u00f3n de datos es el reto m\u00e1s preocupante en cuanto a la calidad de los datos. Los duplicados pueden conducir a una percepci\u00f3n incorrecta del rendimiento empresarial con las partes interesadas, los socios comerciales, los clientes y los proveedores. Aparte de la percepci\u00f3n y el an\u00e1lisis err\u00f3neos, los pagos duplicados pueden costar a las empresas entre el 0,5% y el 0,1% de los pagos anuales de facturas. Esto se traduce en 1 mill\u00f3n de d\u00f3lares en pagos duplicados en una empresa con 1.000 millones de d\u00f3lares en cuentas a pagar.<\/li>\n
  3. El problema de las fuentes de datos dispares:<\/b> Las organizaciones apenas cuentan con una fuente de verdad \u00fanica o unificada en lo que respecta a los datos, concretamente los datos de los clientes, que en el caso de las fusiones y adquisiciones son oro. Las distintas fuentes de datos no s\u00f3lo var\u00edan en cuanto a su formato o estructura, sino tambi\u00e9n en cuanto a la informaci\u00f3n. Por ejemplo, las ventas y el marketing pueden estar almacenando dos conjuntos diferentes de informaci\u00f3n sobre los clientes, lo que conduce a una comprensi\u00f3n fragmentada de la audiencia. Las fuentes de datos dispares son las principales causas de la duplicaci\u00f3n de datos y su resoluci\u00f3n requiere un esfuerzo descomunal. Tendr\u00e1 que consolidar los datos de todas las fuentes, eliminar los duplicados m\u00e1s ocultos, limpiar los datos, reestructurarlos y ajustarlos al nuevo sistema. S\u00f3lo esto lleva meses, si no a\u00f1os, de esfuerzo. Las empresas a menudo asumen err\u00f3neamente que s\u00f3lo se necesitan 6 meses para limpiar los datos, pero en esencia, se necesitan a\u00f1os de esfuerzo desperdiciado. Los problemas de calidad de los datos se convierten en un problema persistente, que las empresas gastan millones de d\u00f3lares en rectificar.<\/li>\n
  4. Seguridad de datos y cumplimiento:<\/b> Es importante comprobar si la empresa que desea adquirir practica una \u00e9tica de datos segura o si cumple con las leyes de datos locales y globales. A menos que haya realizado la auditor\u00eda necesaria en los procesos empresariales y el cumplimiento de las leyes de datos, se arriesga a sanciones y demandas judiciales.<\/li>\n
  5. Revisi\u00f3n de los procesos de gesti\u00f3n de datos de la empresa: <\/b>\u00bfC\u00f3mo gestiona y mantiene los datos la empresa? \u00bfCu\u00e1les son las normas de datos<\/a> empleadas y c\u00f3mo perciben la calidad de los datos? Se puede aprender mucho cuando se habla con los l\u00edderes de la organizaci\u00f3n sobre su comprensi\u00f3n de la calidad de los datos. Es muy probable que una organizaci\u00f3n que no sea consciente de la calidad de los datos o que no est\u00e9 alineada con ella se lo transmita al departamento de TI, que probablemente hablar\u00e1 de todas las grandes ambiciones que tiene con la infraestructura de la nube, los lagos de datos, los nuevos sistemas de ERP y otras jergas extravagantes, pero no tendr\u00e1 un plan para resolver los problemas de calidad de los datos. Seg\u00fan nuestra experiencia con las empresas de la lista Fortune 500, casi todas responsabilizan al departamento de TI de los problemas de datos. Ya sean datos de los clientes o de los usuarios de la empresa, la extracci\u00f3n y transformaci\u00f3n de los datos para su uso siempre ha reca\u00eddo en el departamento de TI. Desgraciadamente, el departamento de TI no es el verdadero propietario de los datos de los clientes, ni tampoco conoce la finalidad de los mismos. Si una empresa no puede darle una respuesta correcta sobre sus pr\u00e1cticas de gesti\u00f3n de la calidad de los datos, es posible que quiera asegurarse de que los problemas de datos se resuelven, \u00abantes\u00bb de la fusi\u00f3n.<\/li>\n<\/ol>\n

    C\u00f3mo evaluar la calidad de los datos antes de una fusi\u00f3n<\/b><\/h4>\n

    Con demasiada frecuencia, las organizaciones dedican importantes recursos humanos a solucionar los problemas de calidad de los datos tras una fusi\u00f3n. A continuaci\u00f3n, se aplican cambios adicionales sin resolver los problemas de calidad de los datos. Las organizaciones, especialmente los adquirentes activos, necesitan implementar un proceso de evaluaci\u00f3n de la calidad de los datos antes de adquirir empresas.<\/p>\n

    He aqu\u00ed una lista simplificada, pero eficaz, de preguntas que puede plantear para determinar el nivel de seriedad de la organizaci\u00f3n respecto a los problemas de calidad de los datos.<\/p>\n