Muchos proyectos de migración de datos se pasan del presupuesto asignado o de sus fechas límite por suponer erróneamente que los requerimientos son mínimos y que basta con tener rutinas sencillas codificadas a mano. Sin embargo, la migración de datos típicamente involucra a uno o más componentes estratégicos, como por ejemplo, la consolidación de sistemas fuente, la preparación para una nueva aplicación empresarial, o la consolidación o limpieza en preparación para la analítica empresarial. Y cuando los datos son datos fundamentales de producción, hasta los pequeños errores o retrasos pueden impedir o incluso cerrar operaciones y con ello, se puede llegar a una sustancial falla en la satisfacción al cliente y una importante pérdida de ingresos.Con su solución integral de datos de amplia funcionalidad, SAS Data Migration atiende estos temas, e incluye componentes confiables como SAS Enterprise Data Integration Server, una suite de herramientas de calidad de datos avanzados y todas las tecnologías SAS/ACCESS® para los sistemas de bases de datos empresariales como Oracle, Teradata, IBM DB2, Microsoft SQL Server, Netezza, HP Neoview, entre otros.

Philip Russom, analista de la industria y autor de “Integración de datos operativos, un nuevo horizonte para la administración de datos” (Operational Data Integration: A New Frontier for Data Management) del Instituto de Almacenamiento de Datos (TDWI, por sus siglas en inglés), señala que, “los proyectos de integración de datos operativos, como por ejemplo la migración, consolidación y actualización de bases de datos, han aumentado del 20 por ciento de todo el trabajo de integración en el 2004, al 50 por ciento en el 2008”. Agrega que, “estos son proyectos de suma importancia al apoyar aplicaciones fundamentales y procesos comerciales, además de que reducen los gastos de TI y ayudan a las empresas a realinearse para el futuro. No obstante, la integración de datos operativos generalmente se realiza con una mezcolanza de herramientas. Existe una necesidad real por productos de proveedores que atiendan de manera muy particular las necesidades de administración de datos en migraciones y otros proyectos de integración de datos operativos”, según Russom.

La solución Data Migration de SAS ofrece conectividad total y perfiles de datos, para que así las organizaciones puedan:

• Ingresar y evaluar fuentes de datos.
• Mejorar la consistencia, calidad y precisión de los datos que se van a migrar.
• Mejorar la eficiencia y reutilización con una administración centralizada de metadatos.
• Captar mediciones clave de migración para su análisis.
• Seleccionar varias opciones de latencia de datos, que incluyen por lotes, colas de mensajes y tiempo real.

“Por los grandes volúmenes de datos, a menudo de ambientes fragmentados sin formatos no estandarizados y temas en cuanto a la calidad de los datos, algunas organizaciones subestiman el esfuerzo necesario para migrar datos. Ahora SAS ofrece una solución confiable de integración de datos para asegurar que las migraciones sucedan en tiempo y exitosamente, además de una licencia de software más corta, orientada a proyectos”, dice Jim Davis, vicepresidente senior y director de mercadotecnia en SAS. SAS también ofrece servicios profesionales que incluyen recursos humanos suplementarios, tutoría, planeación para la migración o una solución completa de migración.

SAS Data Migration viene con una variedad de requerimientos en la duración de los proyectos y tiene una licencia de tres meses que puede renovarse dos veces. Para aquellos proyectos que sobrepasen los nueve meses, los costos de la licencia de migración pueden aplicarse a la licencia normal de 12 meses del SAS Enterprise Data Integration Server.

DataFlux hace posible que las organizaciones analicen, mejoren y controlen sus datos mediante una plataforma tecnológica integral de ampliamente galardonada. Con los productos de integración de datos y calidad de datos empresariales de DataFlux, las organizaciones pueden construir de manera más eficaz y eficiente un panorama unificado de sus clientes, productos, proveedores o cualquier otro tipo de activo que implique datos corporativos.

“DataFlux siempre ha subrayado la importancia fundamental de la calidad de los datos en cada operación empresarial: inteligencia de negocios, manejo de datos maestros, manejo de la relación con clientes y administración del gasto”, señala Tony Fisher, presidente y CEO de la empresa DataFlux. Añade que, “gracias a una base de datos limpios, donde se han eliminado duplicados, las compañías pueden confiar que su toma de decisiones está impulsada por información. Los datos son los activos más poderosos de una organización y tienen que verse como algo potente y fundamental para el éxito empresarial”.

Los cuadrantes mágicos de Gartner sirven para evaluar a proveedores dentro de ciertos mercados tecnológicos con base en lo completo de su visión y su capacidad para ejecutar. El Cuadrante Mágico usa quince criterios que van variando en influencia, y que sirven para posicionar a los proveedores con base en sus fortalezas comparativas. Estos criterios incluyen factibilidad en general, experiencia con el cliente, operaciones, entendimiento del mercado, innovación y producto / servicio.

Según el informe realizado por los analistas Ted Friedman y Andreas Bitterer, “las organizaciones se dan cuenta que la competencia en la calidad de los datos es fundamental para el éxito de importantes iniciativas como MDM, que se refiere al manejo de datos maestros (Master Data Management), gobernabilidad de la información, inteligencia empresarial (BI) y modernización informática. Este conocimiento ha elevado la demanda por información acerca de mejores prácticas, estructuras de la organización y tecnología para soportar la disciplina de la calidad de los datos”.

Acerca del Cuadrante Mágico, Magic Quadrant

El estudio “Magic Quadrant” es una marca registrada de Gartner, Inc. del 2009 y se reutiliza bajo permiso. El Magic Quadrant es la representación gráfica de un mercado y un periodo específico que ilustra el análisis de Gartner sobre la manera en que ciertos proveedores se miden contra los criterios para ese mercado, según las definiciones de la firma. Gartner no promociona a ningún fabricante, producto o servicio de los que aparecen en el Magic Quadrant ni aconseja a los usuarios de tecnologías a seleccionar sólo aquellos proveedores que figuren en el cuadrante de “Líderes”. El informe Magic Quadrant pretende ser únicamente una herramienta de investigación y no busca ser una guía específica de actuación. Gartner no se hace responsable de ninguna de las garantías expresas o implícitas, incluyendo cualquier garantía de comerciabilidad o buen estado para una propuesta en concreto en este estudio.

Este libro le muestra cómo crear e implementar modelos de las preguntas que surgen con mayor frecuencia acerca del tema de minería de datos para efectos de ventas, mercadotecnia, análisis de riesgos y manejo y soporte de la relación con clientes.

Además de experiencia y entendimiento del mundo cotidiano, el libro ofrece técnicas comprobadas de modelos que atienden esas preguntas específicas que le ayudarán a descubrir nuevas maneras ingeniosas de elevar sus ingresos y recortar gastos.

Se parte de lo básico para conocer cómo planear el menú y seleccionar los ingredientes adecuados – o formular las preguntas correctas y alistar los datos para el proceso de minería – justo antes de entrar en el negocio de crear la comida.

El libro presenta una buena cantidad de casos de estudio que detallan fuentes de datos disponibles para desarrollar modelos de objetivos y posteriormente conocer la manera de procesar, evaluar e implementarlos mediante un extenso y profundo caso de estudio extenso acerca de un modelo de valor para toda la vida creado para una campaña de correo directo de seguros de vida.

Una guía paso a paso que le ayudará a:

• Minar los datos de su compañía o buscar fuentes alternas para el proyecto.


• Seleccionar y transformar las variables al preparar datos con fines de creación de modelos.


• Comprobar y validar modelos de respuesta, activación y rentabilidad.


• Realizar análisis de clientes a través de perfiles y segmentación.


• Construir modelos para predecir el grado de respuesta, riesgo, rotación y valor de por vida.


• Usar modelos con fines de mercadotecnia en línea y soporte de clientes

Acerca del autor

Olivia Parr Rud cuenta con más de 25 años de experiencia en la industria de la mercadotecnia con bases de datos, con 15 años de énfasis en minería de datos, modelos y segmentación para distintos sectores empresariales que incluyen el de las tarjetas de crédito, los seguros, las telecomunicaciones, la hotelería, las ventas al detalle y por catálogo.

Como analista, desafió lo tradicional e inventó nuevas formas de aplicar la estadística a la mercadotecnia. Como gerente, fue mentor y guía de analistas para ayudarles a equilibrar sus habilidades técnicas con habilidades eficaces de comunicación y pensamiento creativo. Por otro lado, y en su papel de consultora, Olivia mezcla sus talentos de liderazgo, entrenamiento analítico y creatividad para aportar análisis y desarrollar soluciones para sus clientes en las áreas de adquisición, retención, riesgo y rentabilidad en general.

Es egresada de la carrera de matemáticas en Gettysburg College y cuenta con una maestría en sistemas de informática y decisiones de la Universidad del Estado de Arizona. Es integrante de Phi Kappa Phi National Honor Society y de Alpha Delta Iota National Honor Society, Decision Sciences.