saltar al contenido
Structured Data, Structured Data Strategy, document-based discovery, QDMA Framework, QDMA, data sources, collection strategy, data extraction, Strategy

Datos estructurados está en todas partes en estos días. El Foro Económico Mundial estima que para fines de 2025, la cantidad de datos generados en todo el mundo cada día alcanzará los 463 exabytes. Para poner ese número en perspectiva, todas las palabras pronunciadas por humanos cabrían en aproximadamente 5 exabytes. Esta revolución masiva de datos se ha infiltrado en casi todas las facetas de nuestras vidas, incluida la sala del tribunal. 

En muchos casos, como Fact Crashing™, hemos descubierto que priorizar los datos estructurados puede proporcionar una importante ventaja de procedimiento, táctica e incluso estratégica. Sin embargo, puede ser difícil determinar una estrategia de datos estructurados apropiada para una investigación legal. Las razones de esta dificultad son numerosas y pueden incluir cualquier combinación de los siguientes desafíos:

  • Sabe que los datos pueden ser útiles, pero no conoce las fuentes en las que se encuentran.
  • Sabe qué fuentes necesita, pero no sabe cómo acceder a ellas.
  • Sabe cómo acceder a los datos, pero no sabe cómo analizarlos estratégica y eficazmente.

Algunos equipos legales son reacios a incluir cualquier tipo de datos estructurados en su estrategia de caso, optando por confiar en las vías más cómodas de descubrimiento basado en documentos.

Sin embargo, los datos estructurados pueden proporcionar la información que necesita su caso, a menudo a un costo menor y en menos tiempo.

El Marco QDMA

En iDS, nos enorgullecemos de crear soluciones únicas para desafíos complejos: es que hacemos. El equipo de iDS de expertos consultivos ha desarrollado el marco QDMA para empoderar a los clientes con todo el valor de los datos estructurados. Es una tarea compleja dividida en cuatro pasos simples: preguntas, datos, modelo y análisis.

Paso 1: Preguntas

El mejor lugar para comenzar implica desarrollar una lista de preguntas del caso: eso, si supiera las respuestas, proporcionaría una narrativa convincente para respaldar o defenderse de las acusaciones de un caso. En otras palabras: ¿tengo un problema y, de ser así, qué tan grande es? En un caso típico de salarios y horas, por ejemplo, las preguntas pueden incluir:

  • ¿Con qué frecuencia mis empleados trabajan por la noche y los fines de semana?
  • ¿Veo evidencia de actividad antes/después de los punch outs?
  • ¿Cuántos días mis empleados no tuvieron un descanso para almorzar?

Documentar estas preguntas ayuda a definir los objetivos del caso y proporciona la base necesaria para continuar el viaje de QDMA.

Paso 2: Datos

Una vez que haya definido las preguntas relevantes, el siguiente paso es averiguar qué fuentes de datos contienen la información que necesita para responderlas, generalmente alineando cada pregunta con una fuente de datos relevante. Siguiendo con nuestro ejemplo de salarios y horas, podemos identificar nuestras fuentes de datos de destino para incluir:

  • Datos de entrada/salida del reloj de tiempo
  • Datos de compensación de nómina
  • Registros de pase de credencial
  • Inicio/cierre de sesión de la computadora

A partir de aquí, desarrollamos una estrategia de recopilación para cada fuente que incluye:

  • puntos de contacto de TI
  • Matices/limitaciones conocidas
  • mecanismo de transferencia
  • Prioridad de recogida

Una vez que se han recopilado los datos, es tentador saltar y comenzar a analizarlos. Pero no tan rápido: debemos prepararlo para el análisis.

Paso 3: Modelo

En un mundo perfecto, cada fuente de datos está bien formateada, normalizada y es fácil de comparar con otras fuentes. Sin embargo, este nunca es el caso. El modelado y la preparación de datos nos preparan para el análisis posterior. En otras palabras, necesitamos tomar manzanas y naranjas y convertirlas en manzanas y manzanas.

Este tipo de modelado puede tomar muchas formas e incluye procesos como:

  • Limpieza general de datos y formateo de tipos de datos
  • Estandarización de zonas horarias y unidades
  • Normalización de entidades y alias entre fuentes (p. ej., John Smith, Jsmith y Smith.John)

Una vez que los datos se han modelado adecuadamente, el equipo de expertos consultores de iDS puede analizarlos con mayor confianza y mayor eficiencia.

Paso 4: Análisis

Finalmente, la parte divertida: el análisis. Aquí es donde realmente nos ensuciamos las manos y exploramos nuestras fuentes de datos ingeridos, buscando cosas como tendencias, patrones y anomalías. Como el PASOS iDS™ marco, hacemos referencia a los procesos que hemos logrado anteriormente para impulsar el éxito en cada compromiso. Comenzamos evaluando hasta qué punto nuestros datos respaldan o refutan cada pregunta/afirmación. Una vez que hayamos realizado este análisis, ahora podemos volver a nuestros clientes con un informe organizado o una visualización que pueda responder:

  • ¿Tengo un problema?
  • ¿Como es de grande?
  • ¿Quien esta implicado?
  • ¿Qué periodos de tiempo abarca?
  • ¿Es aislado o sistémico?

El marco QDMA de iDS maximiza la eficiencia para la extracción de datos coherente y oportuna, lo que garantiza que sus datos sean un activo y no un pasivo.

Resultados óptimos de QDMA

La introducción de datos estructurados en su estrategia legal es un proceso complejo que puede conducir al descubrimiento de datos cruciales para su caso. Dentro del marco QDMA de iDS, desglosamos todo lo que necesita para llevarlo a un resultado exitoso basado en datos en la sala del tribunal. Además, iDS ha desarrollado una plataforma de análisis de datos patentada, xIOT, que se alinea perfectamente con nuestro enfoque QDMA.

Para obtener más información sobre cómo los expertos en consultoría de iDS pueden proporcionar soluciones personalizadas para todas sus necesidades de datos estructurados, póngase en contacto con nosotros hoy.


iDS proporciona soluciones de datos de consulta a corporaciones y bufetes de abogados de todo el mundo, lo que les otorga una ventaja decisiva, tanto dentro como fuera de la sala del tribunal. Nuestros expertos en la materia y estrategas de datos se especializan en encontrar soluciones a problemas de datos complejos, lo que garantiza que los datos se puedan aprovechar como un activo y no como un pasivo.

es_ESES