Transformar la gestión de datos de investigación para una mayor innovación
El descubrimiento depende de los datos. Es lo que impulsa la investigación, pone a prueba nuestras ideas e impulsa avances en ciencia e ingeniería. Un conjunto de datos bien elaborado puede desbloquear un nuevo medicamento, revelar patrones climáticos ocultos o exponer conocimientos sobre el comportamiento humano que remodelan las políticas públicas. Los datos pueden ser muy sensibles o de acceso abierto, atemporales o efímeros, irreproducibles o desechables, o estructurados o caóticos.
Las instituciones de investigación enfrentan tanto oportunidades como complejidad cuando se trata de aprovechar los datos de manera efectiva. No gestionarlo adecuadamente puede provocar un estancamiento del progreso, un desperdicio de recursos y una colaboración limitada.
Los datos sólo se vuelven valiosos cuando se usan y, cuando se reutilizan, pueden llegar a ser aún más valiosos. Las instituciones que quieran maximizar sus inversiones en investigación necesitan un enfoque de gestión estratégica que equilibre la preservación, la accesibilidad y la seguridad y, al mismo tiempo, satisfaga las necesidades de las partes interesadas.
El diluvio de datos
Gestionar, transferir y gestionar múltiples copias y versiones de enormes conjuntos de datos requiere muchos recursos y es costoso. Muchos archivos de datos carecen de mecanismos eficientes para distinguir archivos duplicados y originales, rastrear conjuntos de datos activos versus abandonados, administrar historiales de versiones o automatizar el retiro.
Además, los investigadores a menudo carecen de la capacitación, el tiempo y la motivación para desarrollar y mantener prácticas disciplinadas de almacenamiento de datos, lo que crea dificultades para los administradores de datos en el futuro. Proporcionar a los investigadores herramientas y flujos de trabajo transparentes e intuitivos permite una integración perfecta de las mejores prácticas en sus procesos existentes con un mínimo esfuerzo, lo que hace que todo el proceso curatorial sea más eficiente.
A medida que los datos de investigación crecen exponencialmente en volumen, variedad y velocidad, las prácticas de gestión tradicionales que dependen en gran medida de esfuerzos individuales y departamentales ad hoc y dispersos están fallando significativamente. Los datos quedan enterrados en carpetas anidadas con convenciones de nomenclatura crípticas. Los administradores de almacenamiento crean espacio constantemente sin tener visibilidad de lo que están eliminando o su importancia. Los científicos de datos pasan hasta el 80% de su tiempo luchando con datos en lugar de realizar investigaciones reales.
El enfoque de «conservar todo» que funcionó con gigabytes se vuelve financiera y operativamente insostenible a escala de petabytes. Sin embargo, la alternativa de decidir qué eliminar parece como apostar por descubrimientos potencialmente innovadores.
La gestión de datos de investigación va mucho más allá del simple aprovisionamiento de almacenamiento. Las instituciones deben invertir en curación, migración e infraestructura y al mismo tiempo abordar los requisitos de gobernanza, cumplimiento y resiliencia. Los costos pueden aumentar fácilmente debido al uso indebido de los datos, a la mala interpretación y a la exposición legal al publicarlos, desalentando así el intercambio de datos.