Mdqv: entorno big data para el intercambio de datos maestros asegurando su calidad

• Autores: Bibiano Rivas García
• Directores de la Tesis: Ismael Caballero Muñoz-Reja (dir. tes.), Manuel A. Serrano Martín (codir. tes.)
• Lectura: En la Universidad de Castilla-La Mancha ( España ) en 2019
• Idioma: español
• Tribunal Calificador de la Tesis: Rafael Martínez Gasca (presid.), Ignacio García Rodríguez de Guzmán (secret.), María Teresa Gómez López (voc.)
• Programa de doctorado: Programa de Doctorado en Tecnologías Informáticas Avanzadas por la Universidad de Castilla-La Mancha
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Informática
• Enlaces
  • Tesis en acceso abierto en: TESEO
• Resumen

  • Las organizaciones y aplicaciones intercambian Datos Maestros durante sus procesos de negocio. Durante dicho intercambio puede suceder que ocurran errores en la comunicación entre las organizaciones, o que los datos compartidos entre dichas organizaciones no estén descritos usando el mismo vocabulario de términos y esto puede provocar problemas de Calidad de Datos. Por tanto, es necesario mantener un nivel adecuado de Calidad de Datos para prevenir estos problemas. En este sentido, si se añadiese información sobre los niveles de Calidad en los Mensajes de Datos Maestros, las organizaciones podrían ser conscientes de los niveles de Calidad de sus Datos que tienen los datos en los que están basando sus decisiones. ISO 8000-1x0 es una familia de estándares que recoge las buenas prácticas para el intercambio de Datos Maestros entre organizaciones y donde se define cómo deben ser los Mensajes de Datos Maestros.

    En esta Tesis Doctoral se proporciona un marco de trabajo basado en ISO 8000-1x0 para gestionar aspectos de calidad de datos en el intercambio de los datos maestros; la solución incluye una arquitectura de servicios que satisface los requisitos de ISO 8000 referentes al intercambio de Datos Maestros que es capaz de medir la Calidad de los mismos añadiendo dicho resultado en los Mensajes de Datos Maestros mediante el soporte de tecnologías Big Data que facilitan el procesamiento cuando las organizaciones se enfrenten a grandes volúmenes de datos.

    Esta Tesis ha sido validada dentro del Proyecto CIEN LPS-BIGGER como parte de un módulo de calidad de datos en una aplicación Big Data para el análisis de la congruencia sociotécnica en las factorías software que ha sido auditado por el CDTI y finalizado en octubre de 2018