Entity Information Life Cycle For Big Data

Tratado técnico y metodológico centrado en la gestión de la identidad de entidades (clientes, empresas, productos y ubicaciones) y el gobierno de datos maestros (Master Data Management o MDM) en entornos de Big Data. Los doctores John R. Talburt y Yinle Zhou orientan la obra a arquitectos de datos, ingenieros de integración, científicos de datos y estudiantes de posgrado que cuenten con una base sólida en modelos relacionales, calidad de datos y procesamiento de grandes volúmenes, y que necesiten resolver problemas de reconciliación de identidades a gran escala sin ambigüedad.

El núcleo conceptual del libro es el ciclo de vida CSRUD (Capture, Store, Share, Update, Dispose / Resolve and Retrieve) adaptado a la velocidad y variedad del Big Data. A partir de él, los autores desarrollan con rigor matemático la teoría de enlace de registros de Fellegi-Sunter, las métricas de integridad como el índice de Talburt-Wang (TWI), y las técnicas de particionado y bloqueo (blocking) para atajar la explosión combinatoria al comparar pares de registros. También analizan el problema de la clausura transitiva en clústeres distribuidos mediante algoritmos iterativos no recursivos, el diseño de estructuras de identidad (EIS) orientadas a atributos o a registros, y la adecuación a las normas internacionales de calidad de datos maestros de la familia ISO 8000 (en particular la ISO 8000-110).

Para facilitar el aprendizaje, el texto combina formalismos teóricos con demostraciones y ejercicios guiados mediante OYSTER, un motor de resolución de identidades de código abierto implementado en Java con archivos ejecutables y conjuntos de datos de prueba. Su gran valor reside en proporcionar una base matemática y arquitectónica agnóstica de productos concretos para resolver la duplicidad y fragmentación de información corporativa. No cubre frameworks modernos de streaming como Apache Flink o Spark Structured Streaming, pero resulta indispensable para asimilar la disciplina algorítmica y los estándares de gobernanza que sustentan cualquier proyecto serio de MDM.