¿Qué es la gestión del ciclo de vida de los datos (DLM)?

Un buen proceso de DLM proporciona estructura y organización a los datos de una empresa, lo que permite alcanzar objetivos clave dentro del proceso, como la seguridad y la disponibilidad de los datos.

Estos objetivos son cruciales para el éxito empresarial y su importancia aumenta con el tiempo. Las políticas y procesos de DLM permiten a las empresas prepararse para las devastadoras consecuencias de una vulneración o pérdida de datos o para un fallo del sistema.

Una buena estrategia de DLM da prioridad a la protección de datos y la recuperación ante desastres, especialmente a medida que aumenta el número de ciberdelincuentes dado el rápido crecimiento de los datos. De este modo, en caso de desastre, ya se dispone de un plan eficaz de recuperación de datos, lo que reduce algunos de los efectos devastadores para el balance final y la reputación general de una marca.

La gestión del ciclo de vida de la información (ILM) suele utilizarse indistintamente con la gestión del ciclo de vida de los datos, y aunque también forma parte de una práctica de gestión de datos, es distinta de la DLM.

La gestión del ciclo de vida de los datos supervisa los datos a nivel de archivo; es decir, gestiona los archivos en función de su tipo, tamaño y antigüedad. La ILM, por su parte, gestiona los datos individuales de un archivo, lo que garantiza su exactitud y su actualización oportuna. Esto incluye la información del usuario, como direcciones de correo electrónico o saldos de cuentas.

El ciclo de vida de un dato consta de una serie de fases a lo largo de su vida útil. Cada fase se rige por un conjunto de políticas que maximizan el valor de los datos durante cada etapa del ciclo de vida. La DLM adquiere cada vez más importancia a medida que aumenta el volumen de datos que se incorporan a los flujos de trabajo empresariales. 

Fase 1: Creación de datos

Un nuevo ciclo de vida de datos comienza con su recopilación, pero las fuentes de datos son abundantes. Pueden variar desde aplicaciones web y móviles, dispositivos de Internet de las cosas (IoT), formularios, encuestas y mucho más. Aunque los datos pueden generarse de diversas formas, la recopilación de todos los datos disponibles no es necesaria para el éxito de su empresa. La incorporación de nuevos datos debe evaluarse siempre en función de su calidad y relevancia para su negocio.

Fase 2: Almacenamiento de datos

Los datos también pueden diferir en la forma en que están estructurados, lo que repercute en el tipo de almacenamiento de datos que utiliza una empresa. Los datos estructurados tienden a aprovechar bases de datos relacionales, mientras que los no estructurados suelen recurrir a bases de datos NoSQL o no relacionales. Una vez identificado el tipo de almacenamiento para el conjunto de datos, se puede evaluar la infraestructura para detectar cualquier vulnerabilidad en la seguridad y los datos pueden someterse a diferentes tipos de proceso de datos, como el cifrado y la transformación de datos, para proteger a la empresa de ciberdelincuentes. Este tipo de organización de datos también garantiza que los datos confidenciales cumplan los requisitos de privacidad y gobierno de las políticas gubernamentales, como el RGPD, lo que permite a las empresas evitar las costosas multas derivadas del incumplimiento este tipo de normativas.

Otro aspecto de la protección de datos es la redundancia. Una copia de cualquier dato almacenado puede actuar como copia de seguridad en situaciones como el borrado o la corrupción de datos, lo que sirve de protección en caso de alteraciones accidentales de los datos y otras más deliberadas, como los ataques de malware.

Fase 3: Intercambio y uso de datos

Durante esta fase, los datos pasan a estar a disposición de los usuarios empresariales. La DLM permite a las organizaciones definir quién puede utilizar los datos y con qué fin. Una vez que los datos están disponibles, pueden aprovecharse para una serie de análisis, desde análisis exploratorios básicos y visualizaciones de datos hasta técnicas más avanzadas de minería de datos y machine learning. Todos estos métodos desempeñan un papel en la toma de decisiones empresariales y la comunicación a las distintas partes interesadas.

Además, el uso de los datos no se limita necesariamente al uso interno. Por ejemplo, los proveedores de servicios externos podrían utilizar los datos para fines como análisis de marketing y publicidad. Los usos internos incluyen procesos y flujos de trabajo empresariales cotidianos, como paneles de control y presentaciones.

Fase 4: Archivo de datos

Al cabo de cierto tiempo, los datos dejan de ser útiles para las operaciones cotidianas. Sin embargo, es importante mantener copias de los datos de la organización a los que no se accede con frecuencia para posibles litigios y necesidades de investigación. Si fuese necesario, los datos archivados pueden restaurarse en un entorno de producción activo.

La estrategia de DLM de una organización debe definir claramente cuándo, dónde y durante cuánto tiempo deben archivarse los datos. En esta fase, los datos se someten a un proceso de archivado que garantiza la redundancia.

Fase 5: Eliminación de datos

En esta etapa final del ciclo de vida, los datos se purgan de los registros y se destruyen de forma segura. Las empresas eliminan los datos que ya no necesitan para crear más espacio de almacenamiento para los datos activos. Durante esta fase, los datos se eliminan de los archivos cuando superan el periodo de retención exigido o dejan de tener un propósito significativo para la organización.

La gestión del ciclo de vida de los datos tiene varios beneficios importantes, como:

• Mejora de los procesos: los datos desempeñan un papel crucial a la hora de impulsar las iniciativas estratégicas de una organización. La DLM ayuda a mantener la calidad de los datos a lo largo de su ciclo de vida, lo que a su vez permite mejorar los procesos y aumentar la eficiencia. Una buena estrategia de DLM garantiza que los datos disponibles para los usuarios sean precisos y fiables, lo que permite a las empresas maximizar el valor de sus datos.

• Control de costes: un proceso de DLM da valor a los datos en cada etapa de su ciclo de vida. Una vez que los datos dejan de ser útiles para los entornos de producción, las organizaciones pueden aprovechar una serie de soluciones para reducir costes, como el data backup y la replicación y el archivado de datos. Por ejemplo, pueden trasladarse a un almacenamiento menos costoso situado en el entorno local, en la nube o en un almacenamiento adjunto de red.

• Usabilidad de los datos: con una estrategia de DLM, los equipos de TI pueden desarrollar políticas y procedimientos que garanticen que todos los metadatos se etiquetan de forma coherente para mejorar la accesibilidad cuando sea necesario. El establecimiento de políticas de gobierno aplicables garantiza el valor de los datos durante todo el tiempo que sea necesario retenerlos. La disponibilidad de datos limpios y útiles aumenta la agilidad y eficiencia de los procesos de la empresa.

• Conformidad y gobierno: cada sector industrial tiene sus propias normas y reglamentos para la conservación de datos, y una estrategia sólida de DLM ayuda a las empresas a mantenerse conformes. La DLM permite a las organizaciones gestionar los datos con mayor eficiencia y seguridad, sin dejar de cumplir las leyes de privacidad de datos relativas a los datos personales y los registros de la organización.