Saltar al contenido

Guías · · 3 min de lectura

Una definición por métrica: lo que conserva de un proyecto de datos

La analítica y el BI convierten los datos en cifras en las que sus equipos están de acuerdo: damos a cada métrica una definición, un responsable y pruebas que se ejecutan con cada actualización.

Por Etheon

En esta página

La analítica y el BI convierten los datos en cifras en las que sus equipos están de acuerdo: damos a cada métrica una definición, un responsable y pruebas que se ejecutan con cada actualización, y construimos los informes y paneles que leen sus equipos.

¿Qué hace que sus equipos puedan confiar en un informe?

«Informes en los que nadie confía» es una de las necesidades de nuestra página de Servicios, y lleva a Datos: un solo conjunto de pipelines y definiciones detrás de cada informe. Una definición y un responsable para cada métrica, y pruebas que se ejecutan con cada actualización, antes de que nadie lea una cifra.

¿Con qué viene una métrica?

Con su definición, su responsable, su fuente, su actualización y sus pruebas. Este es el formato, sobre una ilustración (no cifras de un cliente): clientes activos semanales, clientes con al menos un pedido en la semana, contados una sola vez.

Parte

Ejemplo

Responsable

Finanzas

Fuente

fct_orders

Actualización

Diaria, antes de la jornada laboral

Pruebas

No vacía, una fila por semana

¿Quién ve qué?

La gobernanza de datos decide quién puede ver qué datos, dónde se guardan y durante cuánto tiempo. El acceso se concede por rol, limitado a lo que necesita cada rol, y cada acceso queda registrado:

  • Los analistas ven pedidos, eventos y agregados completos, con la identidad del cliente y el texto de los tickets enmascarados.
  • Los ingenieros de datos ven cada conjunto de datos para construir y corregir los pipelines, con la identidad del cliente enmascarada.
  • Los agentes de soporte ven pedidos y tickets para responder a un cliente; los nombres y correos están enmascarados, y cada consulta queda registrada.
  • Los modelos de ML leen pedidos y eventos para aprender, con el texto de los tickets enmascarado y sin identidad del cliente.
  • Los paneles de dirección muestran solo agregados: totales y tendencias, sin el registro de ningún cliente concreto.

Los datos personales se enmascaran donde no se necesitan, y la conservación y la eliminación siguen un calendario.

¿Dónde se almacenan nuestros datos?

En la región que usted elija. Sus datos y sus copias de seguridad permanecen en esa región.

¿Y los datos con los que aprende un modelo?

Se versionan con el modelo. Los datos para ML son los datos con los que sus modelos aprenden y se prueban. Etiquetamos conjuntos de datos para la tarea del modelo, anonimizamos los datos personales antes de etiquetar y versionamos cada conjunto de datos con el modelo que entrena, para que cualquier resultado pueda rastrearse hasta sus datos.

¿Qué conserva?

Cada métrica y cada conjunto de datos vienen con su definición. Usted conserva:

  • Las definiciones de las métricas, en el formato anterior.
  • Un mapa de accesos por rol.
  • Reglas de conservación y eliminación.
  • Registros de acceso que sus auditores pueden leer.
  • Conjuntos de datos etiquetados, con sus versiones vinculadas a cada modelo.
  • Un registro de cómo se creó cada conjunto.

¿Entrenan modelos con nuestros datos?

Nunca entrenamos modelos con sus datos sin su consentimiento expreso. Sus datos permanecen aislados de los de otros clientes. Cómo los tratamos está en Confianza, y nuestro acuerdo de tratamiento de datos es público.

Lo que conserva se ilustra en nuestra página de Datos, con quién ve qué al lado. Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Publicado
Categoría
Guías
Tiempo de lectura
3 min de lectura

Más noticias. Qué más ha lanzado Etheon.

Empiece con Etheon

Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Datos

Pipelines, plataformas y BI

Explorar Datos

Índice de investigación

Cada artículo, hito y lanzamiento de nuestro Lab.

Ver toda la investigación