Importancia del big data en un gestor documental para las entidades públicas de Colombia*

Introducción

En Colombia, la tecnología ha evolucionado vertiginosamente y ha impactado la producción documental y el manejo de la información a través de diferentes herramientas, dentro de las cuales se pueden mencionar los sistemas de gestión de documentos electrónicos (SGDE) y los sistemas de gestión de documentos electrónicos de archivo (SGDEA), también conocidos como gestores documentales. Teniendo en cuenta el volumen exponencial de la información y el crecimiento de datos generados en las entidades públicas, se puede considerar que los archivos —independientemente de su soporte— son parte fundamental de toda empresa, puesto que almacenan la memoria de la organización. Por consiguiente, las entidades del Estado están obligadas a disponer de su información, así como a desarrollar programas tecnológicos que les permitan recuperarla, identificarla, soportarla, almacenarla y protegerla.

De acuerdo con lo anterior, se identifica la necesidad de administrar adecuadamente grandes volúmenes de datos. Al consultar fuentes primarias, se encontró que el desarrollo de herramientas tecnológicas es una preocupación cotidiana en cada sector de la economía y el desarrollo social. Aunque las tecnologías diseñan programas o herramientas, necesitan trabajo colaborativo para ejecutar este tipo de labores, en este caso, la gestión documental.

En este orden de ideas, se considera necesario que en los gestores documentales se incorpore la tecnología del big data, de una forma que permita a estos procesar, identificar, almacenar, analizar y describir enormes cantidades de datos (estructurados, no estructurados y semiestructurados). El objetivo de este estudio fue analizar la importancia del big data como una solución para el análisis, la transformación, la recuperación y la conservación de la información a partir de la interpretación de las evidencias encontradas.

Importancia del big data

Según Puyol (2015), “el término big data fue usado por primera vez en un artículo de los investigadores de la NASA Michael Cox y David Ellsworth. Ambos afirmaron que el ritmo de crecimiento de los datos empezaba a ser un problema para los sistemas informáticos actuales. Esto se denominó el problema del big data” (p. 1).

Según el Documento Conpes 3920, Política Nacional de Explotación de Datos (big data), en Colombia “desde hace aproximadamente veinte años se identificó la necesidad de emplear las Tecnologías de la Información y las Comunicaciones para aumentar la eficiencia en el desarrollo de los procesos y la gestión gubernamental” (Departamento Nacional de Planeación, 2018, p. 3). Esto se debe a que las reglas para la gestión de documentos electrónicos y la conformación de expedientes fueron definidas recientemente por el Archivo General de la Nación mediante el Acuerdo 003 de 2015.

A principios de la década del 2000, la inmensa cantidad de datos generados por diversas fuentes, principalmente derivados de la masificación de los dispositivos móviles, hicieron que los medios tradicionales de almacenamiento y procesamiento creados en los años 80 para la recolección selectiva de datos estructurados resultaran insuficientes. Por esto, la primera definición que varios autores otorgaron al término big data fue “conjunto de datos cuyo tamaño va más allá de la capacidad de captura, almacenado, gestión y análisis de las herramientas de base de datos” (López, 2012, p. 3).

En 2005 estuvo disponible al público el primer software diseñado específicamente para atender los retos de almacenar y explotar los datos digitales que se encontraban en audios, videos y textos no estructurados. La aparición de nuevas formas de almacenamiento, procesamiento, análisis y visualización permitió superar el reto tecnológico que dio origen al término big data. Según el Departamento Nacional de Planeación (2018):

Ahora, el reto consiste en definir las condiciones para aprovechar los datos como insumo central de la economía digital, impulsado desde el sector público, así como mitigar los riesgos que puedan derivarse de la explotación de datos, para garantizar la protección de los ciudadanos en este contexto. Por lo expuesto, actualmente la explotación de datos corresponde a la generación de valor social y económico mediante el aprovechamiento para la creación de nuevos bienes, servicios, procesos, así como para el mejoramiento de los existentes. (p. 27)

La administración pública en Colombia inició la investigación e implementación del big data. El Departamento Administrativo Nacional de Estadística, por ejemplo, adoptó una política interna para promover proyectos que integren big data de acuerdo con los avances mundiales. Para empezar, se implementó la estrategia smart data, que implica el uso riguroso de nuevas fuentes de información y el acceso a las grandes bases de datos con fines estadísticos, con el objetivo de desarrollar programas que beneficien a los ciudadanos (Perfetti, 2017). En todos los casos, los investigadores coinciden en que la información está disponible para producir bienestar y el ser humano es el único capaz de detectar su potencial y proyectar su uso.

En Colombia, estas herramientas de recuperación y análisis de la información ya se encuentran en el mercado; en la actualidad, existen varias empresas que ofrecen el big data para el análisis y procesamiento de datos. El primer paso se dio a comienzos de marzo de 2017 con el lanzamiento del Centro de Excelencia en Big Data y Data Analytics (Alianza CAOBA), el primero en el país de su género. Aunque hoy en día existen diversas empresas que prestan este servicio, no se conoce su número exacto. Por consiguiente, se puede afirmar que, si bien en el mercado hay algunos sistemas de gestión de documentos y modelos de big data, no se identifican registros exactos sobre empresas que fusionen las actividades y permitan un análisis en conjunto para un fin en común como la preservación.

Se puede afirmar que el primer paso para un correcto uso del big data en la gestión documental es la centralización e ingesta de información. Un ejemplo es el proyecto IDEZar (López et ál., 2004), con el que se buscó integrar los datos del Ayuntamiento de Zaragoza, España. La idea principal de esta herramienta fue facilitar el acceso y la explotación de información clave para generar una visión homogénea y simplificar nuevos diseños, servicios y aplicaciones. Para esto, lo primero que hicieron sus creadores fue identificar cada característica de los datos que se deben procesar para que todos tuvieran un mismo formato.

En este ejemplo, los datos y las directrices considerados para organizar la información se basaron en cinco componentes: nombres geográficos, unidades administrativas, redes de transporte, identificadores de propiedad y parcelas catastrales. Cada tema fue dividido en diferentes subtemas que ordenaron de manera más adecuada la información. Con los problemas identificados, establecieron como elemento principal un modelo de datos de referencia urbanos acompañado de procesos y herramientas de integración de información y servicios de red para su explotación. La implementación de un proceso de limpieza, alineamiento, aumentación y referencia permitió crear un modelo que procesara correctamente la información para tenerla en un mismo formato.

La experiencia y los hallazgos de este ejemplo se pueden implementar en la parte inicial del modelo aquí propuesto. En primer lugar, se debe hacer una correcta ingesta, integración y clasificación de la información, para luego realizar una búsqueda eficaz dentro del modelo big data. El siguiente paso es usar tecnología data lake, que permite trasladar la información procesada a un gran lago para su posterior almacenamiento en la nube; de esta forma, la tecnología big data podrá realizar su tarea específica, que es la búsqueda fácil y oportuna de la información.

A través de un mapeo sistemático, el data lake permite entender a la perfección el significado e identificar los problemas a enfrentar. Sobre el uso de esta herramienta y su implementación en el diseño y la transformación de datos, Aucancela et ál. (2018) afirman que:

La gestión de un data lake es muy importante para las estrategias de datos empresariales, ya que responden mejor a las realidades de los datos actuales: volúmenes y variedades, mayores expectativas de los usuarios y la rápida globalización de las economías. (p. 58)

Ahora bien, “la importancia del big data radica no solo en la facilidad de manejo del volumen de datos (como el nombre big data podría hacer presuponer), sino en la variedad de los mismos” (Duque-Jaramillo y Villa-Enciso, 2017, p. 5). Por consiguiente, esta tecnología es vital para el correcto funcionamiento e implementación de la herramienta, ya que además de recuperar y analizar la información, permitirá realizar una correcta gestión documental, donde prime la preservación y el almacenamiento de los documentos que hacen parte de una organización.

Se debe tener en cuenta la importancia que tiene en la actualidad el big data. Para sacar más provecho de las características de esta herramienta, es necesario entender que “a pesar de que el término big data se asocia principalmente con cantidades de datos exorbitantes, se debe dejar de lado esta percepción, pues big data no va dirigido solo a gran tamaño, sino que abarca tanto volumen como variedad de datos y velocidad de acceso y procesamiento” (Hernández-Leal et ál., 2017, p. 3).

De acuerdo con lo anterior, es importante mencionar que big data se define como una gran cantidad de datos, sean o no estructurados, que pueden ser recuperados para obtener información. Se trata también de una tendencia que se está imponiendo en el mundo para el análisis de grandes volúmenes de datos que, justamente por su gran volumen, no pueden ser tratados en los software habituales y deben ser procesados en una herramienta que los organice en el menor tiempo posible con los resultados esperados.

En Colombia, gracias a los avances tecnológicos y el desarrollo de plataformas digitales, “hoy es posible hacer más de 320 trámites en línea [...] el 78 % de las empresas y el 50 % de los ciudadanos afirman haber interactuado con plataformas del Gobierno en línea” (Minuto30.com, 2013). Por consiguiente, se deduce que el modelo big data que se implemente en cualquier entidad beneficiará a todos los interesados, puesto que permitirá recuperar de forma oportuna cualquier tipo de información.

El uso del big data en la archivística es muy importante, dado que un sistema de gestión de documentos electrónicos contiene todos los datos y la información de una organización, de acuerdo con su estructura funcional y los servicios que presta al ciudadano, y su función básica siempre será el almacenamiento, procesamiento y recuperación de información (Colmenares, 2016, p. 12).

Ahora bien, el objetivo más importante en las organizaciones es generar cultura frente a la gestión documental y el manejo adecuado de la información, ya que esta es el área que realmente requiere un cambio estratégico. Este proceso de construir un negocio guiado por el procesamiento de la información involucra el desarrollo de habilidades que permitan no solo la captura de la data, sino también el establecimiento de relaciones con los objetivos corporativos propuestos.

Por otro lado, se evidenció que la gestión documental en Colombia supera una optimización de procesos y una correcta administración de la información. Se puede decir que ha contribuido a la transparencia en la gestión pública y privada, la conservación del patrimonio documental y cultural, y la protección del medio ambiente por medio de lineamientos de digitalización y preservación de la información.

Según la Ley 594 de 2000, Ley General de Archivos, la gestión documental está definida como el “conjunto de actividades administrativas y técnicas tendientes a la planificación, manejo y organización de la documentación producida y recibida por las entidades, desde su origen hasta su destino final, con el objeto de facilitar su utilización y conservación” (Congreso de la República, 2000, p. 2).

Se considera que los documentos son de vital importancia para el desarrollo de una entidad, dado que proporcionan la información necesaria para el correcto funcionamiento de su administración, la optimización de los procesos, el desarrollo de sus actividades y el mejoramiento continuo. Por esto, es imperativo que las entidades implementen un gestor documental o sistema de gestión de documentos electrónicos de archivo (SGDEA), que es un software encargado de controlar y organizar los documentos electrónicos, tanto las evidencias de la ejecución de las actividades del negocio como los documentos de valor informativo (tabla 1).

El análisis de la información permite realizar búsquedas retrospectivas y recuperar cada documento cuando se necesita (Corral, 2015), mientras que la recuperación de la información se refiere al proceso para obtener de un fondo documental los documentos relacionados con determinada demanda de información por parte de un usuario (Saiz, 2013). De acuerdo con el artículo 21 de la Ley 594 de 2000, las entidades del Estado deben empezar a organizar e implementar sistemas tecnológicos para un adecuado servicio. Estas entidades empezaron a desarrollar dicha gestión con procesos de organización archivísticos para tener un orden lógico en cada serie documental.

Con la evolución de la era informática, las instituciones, empresas, científicos y personas en general se ven abocados a consultar información de forma reiterativa para solucionar diferentes conflictos en el desarrollo de su profesión o su vida cotidiana. En este contexto, los SGDEA surgen como medios tecnológicos en los que se puede almacenar información electrónica en forma estructurada y eliminar así el ruido informacional del lenguaje natural, para recuperar la información en el momento en que se requiera, satisfacer la necesidad informacional y disminuir los tiempos de respuesta.

Metodología

El estudio fue de tipo exploratorio cualitativo, en el que se determinaron las características y la situación actual frente a la deseada. Esta investigación partió de una revisión sistemática de la literatura, que es una metodología para identificar las investigaciones y los documentos existentes más relevantes sobre un tema (Beltrán, 2005). Esta metodología permitió un acercamiento a todos los elementos de la investigación como paso previo en la construcción del modelo para la integración de la gestión documental con la tecnología big data.

Una revisión sistemática de la literatura es una metodología en la que se identifican, analizan e interpretan las evidencias encontradas con base en una pregunta inicial (Kitchenham y Charters, 2007), que para el presente artículo fue: ¿es importante la implementación del big data como solución para el análisis y la recuperación de la información dentro de un SGDEA en las entidades públicas en Colombia? No se debe dejar de lado el mapeo sistemático que, si bien es una metodología muy similar a la ya mencionada, resalta la importancia de utilizar fuentes y estudios primarios en el área a investigar para identificar el objeto sobre un tema (Kitchenham y Charters, 2007).

El objetivo principal de esta metodología es encontrar respuestas y evidencias sobre la información que ya existe, para llegar a una conclusión en la que se menciona si en el mundo se ha desarrollado una herramienta que atienda esta necesidad, contemple estas características y contribuya en el correcto desarrollo y funcionamiento de la gestión documental en las entidades públicas de Colombia. En la tabla 2 se pueden observar las características de la investigación con la metodología de revisión sistemática.

La búsqueda y selección de artículos se realizó en la base de datos Redalyc y en el banco de proyectos de la Universidad Militar Nueva Granada, a partir de términos y frases cortas como, por ejemplo, “gestor documental”, “big data en la gestión documental en Colombia” y “gestión documental en las entidades públicas de Colombia”. Luego, se revisaron y seleccionaron los artículos más relevantes como referencias para el desarrollo del tema. Por otro lado, se realizaron consultas en las páginas de entidades públicas de Colombia relacionadas con los lineamientos en materia de gestión documental para evidenciar si existía un desarrollo o lineamiento al respecto de la implementación del big data en un gestor documental.

Resultados y discusión

A partir de la exploración que se realizó en los procesos de gestión documental, informativos y administrativos de algunas entidades públicas en Colombia, se evidenció que no se ha desarrollado un proyecto similar que implemente big data en un gestor documental y, a su vez, contribuya con el análisis, la recuperación, el almacenamiento y la preservación de la información localizada en ellos. Por otra parte, entre los resultados de la investigación se identificó que puede desarrollarse una herramienta big data (figura 1) y determinar los aspectos técnicos más importantes que se deben tener en cuenta para su diseño:

Dentro del sector de tecnologías de la información y la comunicación, big data es una referencia a los sistemas que manipulan grandes conjuntos de datos. Las dificultades más habituales en estos casos se centran en la captura, almacenamiento, búsqueda, compartición, análisis y visualización. (Pérez, 2015, p. 4)

Primero, se debe determinar la fuente (formatos) de cada entidad, así como la tecnología para capturar y centralizar la información. Luego, se convierten los archivos a un formato binario llamado BSON, usado en el almacenamiento y transferencias de bases de datos. En este caso, se debe contratar un servidor para hacer consultas masivas y análisis de los datos de la información de la entidad. Data WareHouse es la tecnología que se puede emplear, pues permite almacenar los datos de forma jerárquica por medio de carpetas que facilitan una búsqueda rápida y eficiente a la hora de consultar la información.

Es importante tener en cuenta que con este modelo se busca analizar y recuperar la información, con el fin de organizarla, transformarla y almacenarla de manera ágil y oportuna, mejorando los tiempos de respuesta de acuerdo con las consultas. Para ello, proponemos la tecnología data lake.

Un data lake es un repositorio de datos de bajo costo que permite almacenar datos estructurados, no estructurados y semiestructurados. La tecnología que permite la implementación de un data lake es Hadoop, una plataforma de software que permite escribir con facilidad y ejecutar aplicaciones que procesan ingentes cantidades de datos, lo que obliga a los analistas de datos a investigar su implementación (Aucancela et ál., 2018). Un data lake es un enorme repositorio de datos en bruto, que contiene datos multiestructurados para realizar los análisis necesarios, incluso antes de que se definan. Su propósito es tener una plataforma donde se pueden realizar rutinas de preparación de datos y creación de perfiles en el sistema. Funciona como un almacenamiento de datos operacional, que facilita el acceso a la información antes de su almacenamiento.

Según Aucancela et ál. (2018), la arquitectura de un data lake es “plana centrada en los datos, que almacena grandes volúmenes de datos en varios formatos, es decir, datos sin procesar [...] Básicamente, en un data lake los datos ingresan por procesamiento en lotes o procesamiento en tiempo real. Cada entidad de datos en una laguna está asociada con un identificador único y un conjunto de metadatos extendidos” (p. 55). Estos forman un catálogo de datos que es utilizado por los consumidores (científicos de datos, analistas de negocios) para crear esquemas específicos de acuerdo con sus necesidades. En este caso, el data lake ejerce un rol de proveedor, es decir, proporciona datos y análisis como servicio (DaaS).

Un data lake tiene como función la ingesta de información basada en una herramienta que permita hacerlo antes de su almacenamiento definitivo (gobernanza de los datos). En este punto se clasifica la información y se eliminan los elementos que no sirvan para la entidad; así, se pueden establecer las reglas necesarias para identificar y clasificar la información de manera correcta según los filtros determinados. Esta herramienta permite retener y almacenar la información de manera temporal para poder hacer uso de ella, de forma que el usuario o la entidad puedan tomar decisiones y procesar la información en un formato estandarizado.

El acceso a la información dentro del data lake se puede realizar por medio de consultas o extracciones. Es importante contar con usuarios experimentados en el manejo de la herramienta y parámetros de seguridad que permitan un manejo adecuado, para no poner en riesgo la información tratada.

Centralizadores e ingesta de la información

También conocida como integración de datos, la estrategia ETL (extract, transform, load) permite la extracción de uno o varios sistemas de fuentes, su transformación (reformateo y limpieza) y su carga (al data lake u otra tecnología escogida). Las herramientas para lograr su integración suelen tener una serie de desafíos (figura 2) que requieren la definición de parámetros. Dado que se encontrará información dispersa e incompatible, las fases de diseño son importantes a la hora de su implementación (Rayón, 2016).

Almacenamiento en la nube

Después de transformar la información y usar la tecnología data lake, se necesita un espacio virtual que permita almacenarla. Esto se puede solucionar mediante el almacenamiento en la nube, “que permite acceder los documentos desde cualquier lugar a través de la red” (Morales, 2014, p. 275).

El almacenamiento en la nube es una forma económica y de fácil acceso, mantenimiento y manejo. Es un nuevo modelo tecnológico que consiste en almacenar muchos datos en varios servidores virtuales que son administrados por terceros. Estos proveedores gestionan y operan grandes centros de datos y los usuarios finales compran o alquilan espacio dentro de sus servidores según sus necesidades. Los operadores de dichos centros virtualizan los recursos de acuerdo con los requerimientos de los usuarios para que, a su vez, ellos puedan utilizar el servicio para el almacenamiento de sus datos (Goyas y Vargas, 2014).

La principal ventaja del almacenamiento en la nube es su disponibilidad desde cualquier medio con acceso a la red. Por ejemplo, con una conexión a internet se puede tener acceso a los archivos para descargarlos o modificarlos. No se requiere de un dispositivo físico para el almacenamiento y transporte de la información y esta se aloja en un sitio remoto (Díaz y Cleves, 2014). Por otro lado, la principal desventaja de este sistema es la seguridad de los datos almacenados, ya que un servicio público no puede garantizar la seguridad de la información y, si no se cuenta con una conexión veloz, el uso de la información en la nube puede ser difícil.

Conclusiones

Esta investigación permitió analizar el avance y los aportes de las tecnologías de la información, sobre todo en lo concerniente a su uso, aprovechamiento y evolución. Se analizaron diferentes fuentes de información con temáticas sobre el mejoramiento de la gestión documental en entidades públicas, que pueden servir para el desarrollo de trabajos posteriores en el área. Se evidenció que la tecnología está abarcando todos los ambientes del ser humano y se ha convertido en parte fundamental para el desarrollo de sus actividades.

Las técnicas del big data son una nueva oportunidad de negocio para quienes buscan generar oportunidades, retos y nuevas propuestas en esta área. El big data permite el almacenamiento de grandes cantidades de datos con cinco criterios: volumen, variedad, velocidad, veracidad y valor, que optimizan los procesos, garantizan la veracidad de la información y facilitan el acceso a ella.

El primer paso para un correcto uso del big data en la gestión documental es la centralización e ingesta de información. La integración de datos y la fusión o implementación de estas herramientas son consideradas totalmente viables en Colombia, como una combinación de tecnologías que debe ser desarrollada por un grupo de colaboradores expertos que hagan de esta una herramienta innovadora para responder a las necesidades descritas en este documento.

La organización de la información mediante estas tecnologías permite un manejo local para brindar información clave, clara y oportuna a la ciudadanía, en un tiempo de respuesta remoto, lo que demuestra que estas tecnologías traen grandes beneficios a la hora de conservar la información (Beltrán, 2005). En Colombia, la gestión documental se desarrolla en todas las actividades donde se requiere el manejo de documentación con valor importante. El big data puede ser la solución en los sistemas de gestión electrónica de archivo (SGDEA) de entidades públicas al aumentar la eficiencia en el manejo de la información y las comunicaciones.

Referencias

Notas

* Artículo de resultado de investigación

Notas de autor

** Universidad de Educación Superior de Celaya A. C. Doctorando en Administración. Semillero de investigación de la Corporación Universitaria Minuto de Dios. Bogotá, Colombia. CvLAC: https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000790982

*** Corporación Universitaria Minuto de Dios. Especialista en Gerencia de Proyectos. Semillero de investigación de la Corporación Universitaria Minuto de Dios. Bogotá, Colombia. CvLAC: https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001814023

**** Corporación Universitaria Minuto de Dios. Especialista en Gerencia de Proyectos. Semillero de investigación de la Corporación Universitaria Minuto de Dios. Bogotá, Colombia. CvLAC: https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001813823

***** Corporación Universitaria Minuto de Dios. Especialista en Gerencia de Proyectos. Semillero de investigación de la Corporación Universitaria Minuto de Dios. Bogotá, Colombia. CvLAC: https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001813788

Información adicional

Cómo citar este artículo: Vargas Guzmán, W. C., Moreno Cadena, A. C., Oñate Escálate, A. M., Sanabria Hivon, M. (2020). Importancia del big data en un gestor documental para las entidades públicas de Colombia. Signos, Investigación en sistemas de gestión, 13(1). https://doi.org/10.15332/24631140.6345

SIGNOS-Investigación en Sistemas de Gestión
ISSN: 2145-1389
Vol. 13
Num. 1
Año. 2021

Importancia del big data en un gestor documental para las entidades públicas de Colombia*

Wilson CamiloAna GabrielaAngélica MarcelaMaritza Vargas GuzmánMoreno CadenaOñate EscalanteSanabria Hivon
Corporación Universitaria Minuto de DiosCorporación Universitaria Minuto de DiosCorporación Universitaria Minuto de DiosCorporación Universitaria Minuto de Dios,ColombiaColombiaColombiaColombia