Calidad de datos y métricas
Dimensiones de la calidad
- Completitud: ¿faltan valores?
- Exactitud: ¿reflejan la realidad?
- Consistencia: ¿no se contradicen entre sistemas?
- Puntualidad y unicidad.
Completitud
El porcentaje de registros con todos los campos necesarios. Los valores ausentes sesgan análisis y modelos, y su patrón a veces esconde información.
Exactitud y validez
¿Cada valor es correcto según reglas o la fuente de verdad? Un campo de edad con 150 años es inválido; detectarlo requiere reglas de dominio.
Consistencia
El mismo dato no debe contradecirse en distintos sitios. Si CRM dice un cliente activo y facturación dice cerrado, algo falla.
Puntualidad y actualidad
- El dato llega cuando se le necesita para la decisión.
- La antigüedad importa: un precio de hace un mes caduca.
- Frescura es una dimensión de calidad.
Duplicados e integridad referencial
Registros repetidos inflan métricas; referencias a entidades inexistentes rompen joins. Dedicarse a ellos es higiene básica.
Reglas de calidad medibles
Convertir expectativas en reglas comprobables: rango válido, formato de correo, clave foránea. Sin regla explícita no hay forma de medir.
Indicadores de calidad (DQI)
Métricas agregadas por conjunto o proceso, con umbrales y alarmas, que vigilan la salud del dato en producción, no solo al cargar.
Perfilado de datos
Explorar distribuciones, nulos y valores raros antes de nada. El perfilado revela sorpresas que desmontan supuestos ingenuos.
Calidad en la canalización
- Validar en la ingesta, no solo al final.
- Cortocircuitar lotes que incumplen reglas críticas.
- Observabilidad de la calidad como la del código.
Coste de la mala calidad
Decisiones erróneas, modelos deficientes, retrabajos y quebraderos de cabeza regulatorios. La mala calidad es una deuda que paga intereses.
Cultura de datos limpios
La calidad se logra con dueños responsables y reglas compartidas, no con parches puntuales. Es un compromiso continuo con el dato como producto.
Errores frecuentes
- Suponer que el dato está bien porque «siempre se ha usado así».
- Medir la calidad solo al cargar y olvidarse de ella en producción.
- Quejarse de que los datos están fatal sin convertirlo en reglas medibles.
Ejemplo resuelto: un cuadro de mando con cifras absurdas
Un informe de ventas muestra pedidos con fecha futura y clientes duplicados. El equipo perfila los datos, detecta valores nulos y duplicados, define reglas de validez por campo y añade una alerta que bloquea el lote cuando la completitud cae por debajo del umbral.
- perfilar distribuciones, nulos y valores raros de la fuente
- definir reglas de validez explícitas por campo
- validar los datos contra esas reglas en la ingesta
- medir indicadores de calidad con umbrales y alarmas
- corregir en el origen y vigilar en producción
¿Para qué sirve en la realidad?
Casi todo fallo visible de un modelo o de un cuadro de mando tiene detrás un problema de datos: medir la calidad con métricas concretas permite decidir con confianza, evitar retrabajos costosos y cumplir las exigencias regulatorias sobre la trazabilidad del dato.
La dimensión de calidad que comprueba que el mismo dato no se contradiga entre sistemas es:
Detectar valores ausentes no aporta información, porque un dato que falta es simplemente ruido.
Calidad
Toca una tarjeta para ver la respuesta.
Ordena el trabajo para asegurar calidad en la ingesta:
Arrastra cada ficha a su categoría (o tócala y luego toca la categoría). También puedes usar el teclado.
Calidad de datosGrado en que los datos reflejan correctamente el mundo real.
Une cada dimensión de calidad con lo que comprueba:
Calidad
- Calidad de datos
- Dimensiones
- completitud
- completitud
- exactitud
- Dimensiones
- consistencia
- perfilado
- rango válido
- indicadores
Validación de datosComprobar que los datos cumplen reglas y condiciones definidas antes de usarlos.
Tu cuadro de mando da cifras absurdas. Señala dos dimensiones de calidad que sospecharías y cómo las convertirías en reglas medibles.
Tu texto se guarda sólo en este dispositivo.
Comentarios
Inicia sesión para comentar.
Todavía no hay comentarios. Sé la primera persona en opinar.