Hispanopedia Wiki
Articulo de referencia

Gestión de datos

El ciclo de vida de los datos La gestión de datos comprende todas las disciplinas relacionadas con el manejo de datos como un recurso valioso; es la práctica de gestionar los da...

Hispanopedia WikiContenido en espanolLectura gratuita
El ciclo de vida de los datos

La gestión de datos comprende todas las disciplinas relacionadas con el manejo de datos como un recurso valioso; es la práctica de gestionar los datos de una organización para que puedan ser analizados para la toma de decisiones . [ 1 ]

Concepto

El concepto de gestión de datos surgió paralelamente a la evolución de la tecnología informática. En la década de 1950, con la creciente popularidad de los ordenadores, las organizaciones comenzaron a afrontar el reto de organizar y almacenar datos de forma eficiente. Los primeros métodos se basaban en tarjetas perforadas y clasificación manual, procesos laboriosos y propensos a errores. La introducción de los sistemas de gestión de bases de datos en la década de 1970 marcó un hito importante, al permitir el almacenamiento y la recuperación estructurados de datos. [ 2 ]

En la década de 1980, los modelos de bases de datos relacionales revolucionaron la gestión de datos, enfatizando la importancia de los datos como un activo y fomentando una mentalidad centrada en los datos en los negocios. Esta época también vio el auge de las prácticas de gobernanza de datos, que priorizaron la organización y regulación de los datos para garantizar la calidad y el cumplimiento. Con el tiempo, los avances tecnológicos, como la computación en la nube y el análisis de macrodatos, han perfeccionado aún más la gestión de datos, convirtiéndola en una piedra angular de las operaciones comerciales modernas. [ 3 ] [ 4 ]

A partir de 2025La gestión de datos abarca una amplia gama de prácticas, desde el almacenamiento y la seguridad de los datos hasta el análisis y la toma de decisiones, lo que refleja su papel fundamental en el impulso de la innovación y la eficiencia en todos los sectores. [ 5 ] [ 6 ]

Temas en Gestión de Datos

El Cuerpo de Conocimientos de Gestión de Datos (DMBoK), desarrollado por la Asociación de Gestión de Datos (DAMA), describe las áreas clave de conocimiento que sirven de base para las prácticas modernas de gestión de datos, sugiriendo un marco para que las organizaciones gestionen los datos como un activo estratégico. [ 6 ]

Gobernanza de datos

La gobernanza de datos se refiere a las políticas, los procedimientos y los estándares que garantizan una gestión coherente y responsable de los datos en toda la organización. En el ámbito empresarial, la gobernanza implica alinear a las partes interesadas de las distintas unidades de negocio, definir la propiedad de los datos y cuantificar los beneficios de una mejor calidad de los mismos. Los marcos de gobernanza eficaces suelen incluir funciones de administración de datos, protocolos de escalamiento y comités de supervisión interfuncionales para mantener la confianza y la responsabilidad en el uso de los datos.

Arquitectura de datos

La arquitectura de datos consiste en modelos, políticas, reglas y estándares que rigen qué datos se recopilan y cómo se almacenan, organizan, integran y utilizan en los sistemas de datos y en las organizaciones. [ 7 ] Los datos suelen ser uno de los diversos dominios de la arquitectura que forman los pilares de una arquitectura empresarial o arquitectura de soluciones . [ 8 ]

La arquitectura de datos se centra en el diseño de la estructura general de los sistemas de datos. Garantiza que los flujos de datos sean eficientes y que los sistemas sean escalables, adaptables y estén alineados con las necesidades del negocio.

Modelado y diseño de datos

Esta área se centra en la creación de modelos que representen lógicamente las relaciones entre los datos. Es fundamental tanto para el diseño de bases de datos como para garantizar que los datos estén estructurados de forma que faciliten el análisis y la elaboración de informes.

Almacenamiento y operaciones de datos

Se ocupa del almacenamiento físico de datos y su gestión diaria. Esto incluye desde centros de datos tradicionales hasta soluciones de almacenamiento en la nube, garantizando un procesamiento de datos eficiente.

Integración e interoperabilidad de datos

Garantiza que los datos de diversas fuentes se puedan compartir y combinar sin problemas en múltiples sistemas, lo cual es fundamental para un análisis exhaustivo y la toma de decisiones.

Gestión de documentos y contenidos

Se centra en la gestión de datos no estructurados, como documentos, contenido multimedia y otros tipos de contenido, garantizando que se almacenen, clasifiquen y sean fácilmente recuperables.

Almacenamiento de datos, inteligencia empresarial y análisis de datos.

Consiste en consolidar datos en repositorios que permitan realizar análisis, generar informes y obtener información valiosa para el negocio.

Almacenamiento de datos

En informática , un almacén de datos (DW o DWH), también conocido como almacén de datos empresarial (EDW), es un sistema utilizado para la elaboración de informes y el análisis de datos , y es un componente fundamental de la inteligencia empresarial . [ 9 ] Los almacenes de datos son repositorios centrales de datos integrados de diversas fuentes. Almacenan datos actuales e históricos organizados de forma optimizada para el análisis de datos, la generación de informes y el desarrollo de conocimientos a partir de los datos integrados. [ 10 ] Están diseñados para que los analistas y gerentes los utilicen para facilitar la toma de decisiones organizacionales. [ 11 ]

Inteligencia empresarial

La inteligencia empresarial (BI) consiste en estrategias, metodologías y tecnologías utilizadas por las empresas para el análisis de datos y la gestión de información empresarial para fundamentar las estrategias y operaciones comerciales. [ 12 ] [ 13 ] Las funciones comunes de las tecnologías de BI incluyen informes , procesamiento analítico en línea , análisis , desarrollo de paneles , minería de datos , minería de procesos , procesamiento de eventos complejos , gestión del rendimiento empresarial , evaluación comparativa , minería de texto , análisis predictivo y análisis prescriptivo .

almacén de datos

Un data mart es un patrón de estructura/acceso específico de los entornos de almacenamiento de datos . El data mart es un subconjunto del almacén de datos que se centra en una línea de negocio, departamento, área temática o equipo específico. [ 14 ] Mientras que los almacenes de datos tienen una profundidad a nivel empresarial, la información en los data marts se refiere a un solo departamento. En algunas implementaciones, cada departamento o unidad de negocio se considera propietario de su data mart, incluyendo todo el hardware , software y datos . [ 15 ] Esto permite que cada departamento aísle el uso, la manipulación y el desarrollo de sus datos. En otras implementaciones donde se utilizan dimensiones conformadas, esta propiedad de la unidad de negocio no se aplica a dimensiones compartidas como cliente, producto, etc.

Análisis de datos

El análisis de datos es el proceso de inspeccionar, limpiar , transformar y modelar datos con el objetivo de descubrir información útil, fundamentar conclusiones y apoyar la toma de decisiones . [ 16 ] El análisis de datos tiene múltiples facetas y enfoques, abarcando diversas técnicas bajo una variedad de nombres, y se utiliza en diferentes dominios de negocios, ciencia y ciencias sociales. [ 17 ] En el mundo empresarial actual, el análisis de datos juega un papel importante para hacer que las decisiones sean más científicas y ayudar a las empresas a operar de manera más efectiva. [ 18 ] Se utiliza ampliamente en campos como la analítica empresarial, la atención médica y la inteligencia artificial para extraer información significativa de los datos.

minería de datos

La minería de datos es el proceso de extraer y encontrar patrones en conjuntos de datos masivos que involucran métodos en la intersección del aprendizaje automático , la estadística y los sistemas de bases de datos . [ 19 ] La minería de datos es un subcampo interdisciplinario de la informática y la estadística con el objetivo general de extraer información (con métodos inteligentes) de un conjunto de datos y transformar la información en una estructura comprensible para su uso posterior. [ 19 ] [ 20 ] [ 21 ] [ 22 ] La minería de datos es el paso de análisis del proceso de " descubrimiento de conocimiento en bases de datos " o KDD. [ 23 ] Además del paso de análisis bruto, también involucra aspectos de bases de datos y administración de datos, preprocesamiento de datos , consideraciones de modelos e inferencia , métricas de interés, consideraciones de complejidad , posprocesamiento de estructuras descubiertas, visualización y actualización en línea . [ 19 ]

Ciencia de datos

La ciencia de datos es un campo académico interdisciplinario [ 24 ] que utiliza estadística , computación científica , métodos científicos , procesamiento, visualización científica , algoritmos , programación (como Python, SQL y R) y sistemas para extraer o extrapolar conocimiento de datos potencialmente ruidosos, estructurados o no estructurados . [ 25 ] Un científico de datos es un profesional que crea código de programación y lo combina con conocimientos estadísticos para resumir datos. [ 26 ]

Gestión de metadatos

Gestiona datos sobre datos, incluyendo definiciones, origen y uso, para mejorar la comprensión y la usabilidad de los activos de datos de la organización. [ 27 ]

Gestión de la calidad de los datos

La calidad de los datos no es solo una cuestión técnica, sino un factor estratégico clave para la confianza, el cumplimiento normativo y la toma de decisiones. Los datos de alta calidad facilitan la elaboración de informes coherentes, el cumplimiento de las regulaciones y la confianza del cliente. Los programas de gestión de datos empresariales suelen definir métricas de calidad como la precisión, la granularidad y la puntualidad, y las vinculan a los resultados del negocio.

Gestión de datos de referencia y datos maestros

Los datos de referencia comprenden códigos y valores estandarizados para una interpretación coherente en todos los sistemas. La gestión de datos maestros (MDM) gobierna y centraliza los datos críticos de una organización, garantizando una fuente de información unificada y fiable que respalda la toma de decisiones eficaz y la eficiencia operativa.

seguridad de los datos

La seguridad de los datos se refiere a un conjunto integral de prácticas y tecnologías diseñadas para proteger la información y los sistemas digitales contra el acceso, uso, divulgación, modificación o destrucción no autorizados. Incluye el cifrado, los controles de acceso, la monitorización y las evaluaciones de riesgos para mantener la integridad, la confidencialidad y la disponibilidad de los datos.

Privacidad de datos

La privacidad de datos implica salvaguardar la información personal de las personas, asegurando que su recopilación, almacenamiento y uso cumplan con el consentimiento, las normas legales y los principios de confidencialidad. Se centra en proteger los datos sensibles contra el uso indebido o el acceso no autorizado, respetando al mismo tiempo los derechos de los usuarios.

La gestión de datos como fundamento de la gestión de la información.

La distinción entre datos y valor derivado se ilustra mediante la "escalera de la información" o el modelo DIKAR.

El diagrama muestra el modelo DIKAR: Datos, Información, Conocimiento, Acción, Respuesta. Un modelo que ilustra la relación entre datos, información y conocimiento.
El modelo DIKAR: Datos, Información, Conocimiento, Acción, Respuesta. Un modelo que muestra la relación entre datos, información y conocimiento.

El modelo "DIKAR" significa Datos, Información, Conocimiento, Acción y Resultado. Es un marco de trabajo que se utiliza para cerrar la brecha entre los datos brutos y los resultados prácticos. El modelo enfatiza la transformación de datos en información, que luego se interpreta para generar conocimiento. Este conocimiento guía las acciones que conducen a resultados medibles. DIKAR se aplica ampliamente en estrategias organizacionales, ayudando a las empresas a alinear sus procesos de gestión de datos con la toma de decisiones y los objetivos de rendimiento. Al centrarse en cada etapa, el modelo garantiza que los datos se utilicen eficazmente para impulsar decisiones informadas y lograr los resultados deseados. Es particularmente valioso en entornos impulsados ​​por la tecnología. [ 28 ]

La «escalera de la información» ilustra la progresión desde los datos (hechos brutos) hasta la información (datos procesados), el conocimiento (información interpretada) y, finalmente, la sabiduría (conocimiento aplicado). Cada paso añade valor y contexto, lo que permite una mejor toma de decisiones. Enfatiza la transformación de datos no estructurados en información útil para su uso práctico. [ 29 ]

Gestión de datos en la investigación

En investigación, la gestión de datos se refiere al proceso sistemático de manejar los datos a lo largo de su ciclo de vida. Esto incluye actividades como la recopilación, organización, almacenamiento, análisis y compartición de datos para garantizar su precisión, accesibilidad y seguridad. Un Plan de Gestión de Datos (PGD) es un documento estructurado que describe cómo se recopilarán, organizarán, almacenarán, compartirán y conservarán los datos de investigación durante y después de un proyecto de investigación. Sirve como guía para asegurar que los datos se manejen de manera responsable, permanezcan accesibles y estén protegidos contra pérdidas o uso indebido.

Una gestión eficaz de los datos también implica la creación de un plan de gestión de datos (PGD), que aborde cuestiones como las consideraciones éticas, el cumplimiento de las normas reglamentarias y la preservación a largo plazo. Una gestión adecuada mejora la transparencia y la reproducibilidad de la investigación, así como el uso eficiente de los recursos, lo que contribuye en última instancia a la credibilidad y el impacto de los resultados de la investigación. Es una práctica fundamental en todas las disciplinas para garantizar la integridad y la usabilidad de los datos tanto durante como después de un proyecto de investigación.

¿Por qué es relevante para la investigación? [ 30 ]

  • ayuda a los investigadores a organizar y gestionar sus datos correctamente a lo largo del estudio.
  • garantiza que los datos se almacenen de forma segura y permanezcan accesibles cuando sea necesario.
  • Promueve la transparencia y la honestidad al mostrar cómo se manejan y comparten los datos.
  • mejora la calidad y la fiabilidad de los resultados de la investigación
  • previene la pérdida de datos y reduce posibles problemas éticos o legales.
  • facilita que otros investigadores reutilicen los datos para estudios futuros.
  • aumenta el impacto general y la credibilidad de la investigación.

Big Data

El big data se refiere a la recopilación y el análisis de conjuntos masivos de datos. Si bien el big data es un fenómeno reciente, la necesidad de datos para la toma de decisiones se remonta a principios de la década de 1970 con la aparición de los sistemas de apoyo a la decisión (DSS). Estos sistemas pueden considerarse la primera etapa de la gestión de datos para el apoyo a la decisión. [ 31 ]

Resultados financieros y económicos

Los estudios indican que las transacciones de los clientes representan un aumento del 40 % en los datos recopilados anualmente, lo que significa que los datos financieros tienen un impacto considerable en las decisiones empresariales. Por lo tanto, las organizaciones modernas están utilizando análisis de big data para identificar de 5 a 10 nuevas fuentes de datos que pueden ayudarlas a recopilar y analizar datos para mejorar la toma de decisiones. Jonsen (2013) explica que las organizaciones que utilizan tecnologías analíticas promedio tienen un 20 % más de probabilidades de obtener mayores retornos en comparación con sus competidores que no han introducido ninguna capacidad analítica en sus operaciones. Además, IRI informó que la industria minorista podría experimentar un aumento de más de 10 mil millones de dólares cada año como resultado de la implementación de tecnologías analíticas modernas. Por lo tanto, se puede proponer la siguiente hipótesis: Los resultados económicos y financieros pueden influir en cómo las organizaciones utilizan las herramientas de análisis de datos.

Véase también

Referencias

  1. ↑ "¿Qué es la gestión de datos? Importancia y desafíos | Tableau" . www.tableau.com . Consultado el 4 de diciembre de 2023 .
  2. ↑ Foote, Keith D. (19 de febrero de 2022). "Una breve historia de la gestión de datos" . DATAVERSITY . Recuperado el 21 de septiembre de 2025 .
  3. ↑ Redman, Thomas C. (2008). Data Driven: Profiting from Your Most Important Business Asset . Harvard Business Press. ISBN 9781422119129.
  4. ↑ Pearce, Guy (30 de agosto de 2023). "Tres lecciones de 100 años de gestión de datos" . ISACA Journal . 4. Recuperado el 21 de septiembre de 2025 .
  5. ↑ Kramer, Robert (20 de marzo de 2025). "El estado de la gestión de datos empresariales a principios de 2025" . Forbes . Consultado el 8 de abril de 2025 .
  6. 1 2 DAMA International (2024). DAMA-DMBOK: Cuerpo de Conocimientos de Gestión de Datos (2.ª ed. revisada). Technics Publications. ISBN  9781634622349.
  7. ↑ Diccionario de Negocios - Arquitectura de Datos Archivado el 30/03/2013 en Wayback Machine ; TOGAF 9.1 - Fase C: Arquitecturas de Sistemas de Información - Arquitectura de Datos
  8. ↑ ¿Qué es la arquitectura de datos? GeekInterview, 28/01/2008, consultado el 28/04/2011.
  9. ↑ Dedić, Nedim; Stanier, Clare (2016). "Una evaluación de los desafíos del multilingüismo en el desarrollo de almacenes de datos". En Hammoudi, Slimane; Maciaszek, Leszek; Missikoff, Michele M. Missikoff; Camp, Olivier; Cordeiro, José (eds.). Actas de la 18.ª Conferencia Internacional sobre Sistemas de Información Empresarial . Conferencia Internacional sobre Sistemas de Información Empresarial, 25-28 de abril de 2016, Roma, Italia (PDF) . Vol. 1. SciTePress. pp. 196-206 . doi : 10.5220/0005858401960206 . ISBN   978-989-758-187-8Archivado (PDF) del original el 22 de mayo de 2018 .
  10. ↑ "¿Qué es un almacén de datos? | Conceptos clave | Amazon Web Services" . Amazon Web Services, Inc. Consultado el 13 de febrero de 2023 .
  11. ↑ Rainer, R. Kelly; Cegielski, Casey G. (1 de mayo de 2012). Introducción a los sistemas de información: Facilitando y transformando los negocios, 4.ª edición ( edición Kindle). Wiley. págs. 127 , 128, 130, 131, 133. ISBN   978-1118129401.
  12. ↑ Dedić N. y Stanier noC. (2016). «Medición del éxito de los cambios en las soluciones de inteligencia empresarial existentes para mejorar los informes de inteligencia empresarial» (PDF) . Medición del éxito de los cambios en las soluciones de inteligencia empresarial existentes para mejorar los informes de inteligencia empresarial. Lecture Notes in Business Information Processing . Vol. 268. Springer International Publishing. pp. 225–236 . doi : 10.1007/978-3-319-49944-4_17 . ISBN   978-3-319-49943-7. S2CID 30910248 . Icono de acceso cerrado
  13. ↑ "¿Qué es la inteligencia empresarial (BI)? | IBM" . IBM . 9 de agosto de 2021.
  14. ↑ "¿Qué es un Data Mart?" . IBM . 21/10/2021 . Consultado el 16/12/2024 .
  15. ↑ Inmon, William (18 de julio de 2000). "Data Mart no es lo mismo que Data Warehouse" . DMReview.com . Archivado del original el 20 de abril de 2011.
  16. ↑ "Transformando datos no estructurados en información útil" , Big Data, Minería y Analítica , Auerbach Publications, 12 de marzo de 2014, págs. 227–246 , doi : 10.1201/b16666-14 , ISBN  978-0-429-09529-0, consultado el 29 de mayo de 2021
  17. ↑ «Las múltiples facetas de las funciones de correlación» , Técnicas de análisis de datos para científicos físicos , Cambridge University Press, 2017, págs. 526–576 , doi : 10.1017/9781108241922.013 , ISBN  978-1-108-41678-8, consultado el 29 de mayo de 2021
  18. ↑ Xia, BS, & Gong, P. (2015). Revisión de la inteligencia empresarial mediante el análisis de datos. Benchmarking , 21 (2), 300-311. doi : 10.1108/BIJ-08-2012-0050
  19. 1 2 3 SIGKDD (30-04-2006). "Plan de estudios de minería de datos: una propuesta" . kdd.org ( Association for Computing Machinery ). Archivado del original el 14-10-2013 . Recuperado el 27-01-2014 .
  20. ↑ Clifton, Christopher (2010). "Encyclopædia Britannica: Definición de minería de datos" . Archivado del original el 5 de febrero de 2011. Recuperado el 9 de diciembre de 2010 .
  21. ↑ Hastie, Trevor ; Tibshirani, Robert ; Friedman, Jerome (2009). "Los elementos del aprendizaje estadístico: minería de datos, inferencia y predicción" . Archivado del original el 10 de noviembre de 2009. Recuperado el 7 de agosto de 2012 .
  22. ↑ Han, Jaiwei ; Kamber, Micheline; Pei, Jian (2011). Minería de datos: conceptos y técnicas (3.ª ed.). Morgan Kaufmann. ISBN  978-0-12-381479-1.
  23. ↑ Fayyad, Usama ; Piatetsky-Shapiro, Gregory ; Smyth, Padhraic (1996). "De la minería de datos al descubrimiento de conocimiento en bases de datos" (PDF) . Archivado (PDF) del original el 9 de octubre de 2022. Recuperado el 17 de diciembre de 2008 .
  24. ↑ Donoho, David (2017). "50 años de ciencia de datos" . Journal of Computational and Graphical Statistics . 26 (4): 745– 766. doi : 10.1080/10618600.2017.1384734 . S2CID 114558008 . 
  25. ↑ Dhar, V. (2013). "Ciencia de datos y predicción" . Communications of the ACM . 56 (12): 64– 73. doi : 10.1145/2500499 . S2CID 6107147. Archivado del original el 9 de noviembre de 2014. Recuperado el 2 de septiembre de 2015 . 
  26. ↑ Davenport, Thomas H.; Patil, DJ (octubre de 2012). "Científico de datos: el trabajo más atractivo del siglo XXI" . Harvard Business Review . 90 (10): 70– 76, 128. PMID 23074866. Recuperado el 18 de enero de 2016 . 
  27. ↑ "Documentación y metadatos | Gestión de datos" . datamanagement.hms.harvard.edu . Consultado el 18 de marzo de 2026 .
  28. ↑ ologbosere, oluwatosin; Akeem, Amodu (2021). "Visión general crítica de la gestión de la información, el modelo DIKAR y la tecnología en el siglo XXI". Revista internacional de gestión empresarial y tecnología . 5 (1): 35– 39. doi : 10.1108/eum0000000007150 .
  29. ↑ Savoie, Michael J (2016). "2 La escalera de la información". Construyendo sistemas de información exitosos : cinco mejores prácticas para garantizar la eficacia y la rentabilidad organizacional (2.ª ed.). Nueva York: Business Expert Press. ISBN   9781631574658OCLC 960738491​​ 
  30. ↑ Coates, Heather (2014). Coble, Zach; Ho, Adrian (eds.). "Garantizar la integridad de la investigación: El papel de la gestión de datos en las crisis actuales" . College and Research Libraries News . 75 (11). Association of College and Research Libraries: 598– 601. doi : 10.5860/crln.75.11.9224 . hdl : 1805/5521 .
  31. ↑ Watson, Hugh J.; Marjanovic, Olivera (2013). "Big Data: La cuarta generación de gestión de datos". Business Intelligence Journal; Seattle . 18 (3): 4– 8.

Lecturas adicionales

  • Sebastian-Coleman, Laura (2018). Navegando por el laberinto: Una guía ejecutiva para la gestión de datos . Nueva York: Morgan Kaufmann. ISBN 9781634623759.
  • Asociación de Gestión de Datos (2024). Henderson, Deborah; Earley, Susan; Bradley, Chris (eds.). DAMA-DMBOK: Cuerpo de Conocimientos de Gestión de Datos (2.ª  ed. revisada). Basking Ridge, Nueva Jersey: Technics Publications. ISBN 9781634622349.
  • Gordon, Keith; BCS, The Chartered Institute for IT (2022). Principios de gestión de datos: Facilitando el intercambio de información (3.ª  ed.). Swindon: BCS, The Chartered Institute for IT. ISBN 9781780175911.
  • Asociación de Gestión de Datos (DAMA) . dama.org . Consultado el 8 de abril de 2025. Asociación para profesionales de la gestión de datos, que ofrece asesoramiento sobre las mejores prácticas y la certificación profesional.
  • "dataversity.net" . Consultado el 8 de abril de 2025. Sitio web que proporciona recursos de aprendizaje sobre temas relacionados con los datos .
  • "Grupo de trabajo sobre gestión de datos de investigación del área médica de Longwood" . Universidad de Harvard . Consultado el 8 de abril de 2025. Grupo de trabajo que promueve las mejores prácticas en la gestión de datos de investigación .
  • "Gestión de datos" . Information Week . Consultado el 8 de abril de 2025. Sitio web de noticias sobre gestión de datos .
  • "Data Driven Daily" . datadrivendaily.com . Consultado el 25 de abril de 2025. Sitio web especializado en contenido para profesionales de datos .
Lecturas relacionadas
6 articulos
Esquema de disciplinas académicasEsquema de disciplinas académicasUna disciplina académica o campo de estudio es una rama del conocimiento que se enseña e investiga como parte de la educación superior . La discipl...DatosEstos son algunos de los diferentes tipos de datos: Geográficos, Culturales, Científicos, Financieros, Estadísticos, Meteorológicos, Naturales, Tra...Toma de decisionesDiagrama de flujo de muestra que representa un proceso de decisión ante una lámpara que no se enciende En psicología , la toma de decisiones (tambi...Asociación de Gestión de DatosAsociación de Gestión de DatosLa Data Management Association ( DAMA ), anteriormente conocida como Data Administration Management Association , es una organización global sin fi...Dominio de la arquitecturaDominio de la arquitecturaEn la arquitectura empresarial, un dominio arquitectónico ofrece una visión general de una empresa o sistema. Se trata de una representación parcia...Arquitectura empresarialArquitectura empresarialLa arquitectura empresarial ( EA ) es una función empresarial relacionada con las estructuras y los comportamientos de una empresa, especialmente l...