Definición de Dimensiones de Calidad de Datos
Las dimensiones de calidad de datos son las características individuales utilizadas para describir y medir qué tan bueno es un conjunto de datos, como si es preciso, completo y actual. En lugar de juzgar la calidad de datos simplemente como "buena" o "mala," las dimensiones la desglosan en cualidades específicas que pueden verificarse, medirse y mejorarse por separado.
¿Cuáles son las principales dimensiones de calidad de datos?
Los diferentes marcos utilizan listas ligeramente diferentes, pero seis dimensiones aparecen en la mayoría de ellos:
- Precisión: los datos describen correctamente el hecho del mundo real. La dirección registrada de un cliente es la dirección donde realmente vive.
- Integridad: toda la información requerida está presente. Un registro de producto que no tiene peso o descripción es incompleto.
- Consistencia: la misma información coincide en todos los registros y sistemas. Un proveedor no debe tener una cuenta bancaria en el sistema ERP y una diferente en la herramienta de compras.
- Actualidad: los datos están al día y disponibles cuando se necesitan. Una lista de precios que no se ha actualizado desde hace un año no cumple con esta prueba, incluso si era correcta en ese momento.
- Validez: los datos siguen el formato y las reglas esperadas. Las fechas son fechas reales, las direcciones de correo contienen una "@," y los códigos de país provienen de una lista aprobada.
- Unicidad: cada entidad del mundo real se registra una sola vez. El mismo cliente no debe aparecer como tres registros separados.
Algunos marcos añaden otros, como integridad referencial (los enlaces entre registros están intactos, por ejemplo, cada pedido se refiere a un cliente que existe) y relevancia (los datos son realmente útiles para su propósito).
¿Por qué son útiles las dimensiones?
Las dimensiones proporcionan a los equipos un lenguaje compartido para describir problemas de datos. Decir "los datos de clientes son malos" no señala una solución, pero decir "los datos de clientes tienen 95% de integridad pero tienen muchos duplicados" muestra exactamente dónde enfocarse. Las dimensiones también ayudan a las organizaciones a establecer objetivos claros, rastrear el progreso con el tiempo y asignar la solución correcta al problema correcto: los duplicados requieren deduplicación, mientras que los datos obsoletos requieren actualizaciones regulares.
¿Cómo se miden las dimensiones de calidad de datos?
Cada dimensión generalmente se convierte en una o más reglas medibles, con resultados expresados como porcentaje o cantidad. Por ejemplo, la integridad se puede medir como la proporción de registros con todos los campos requeridos completados, y la unicidad como el número de duplicados sospechosos. Estos controles a menudo se ejecutan a través del perfilado de datos, y los resultados comúnmente se resumen en un cuadro de mando o panel que se revisa regularmente.
Algunas dimensiones son más difíciles de medir que otras. La validez se puede verificar automáticamente contra reglas de formato, pero la precisión a menudo requiere comparar datos contra una fuente externa, como una base de datos de direcciones postales, o confirmarla directamente con el cliente o proveedor.
¿Todas las dimensiones son igualmente importantes?
No. Qué dimensiones importan más depende de cómo se usen los datos. Para una dirección de entrega, la precisión y la actualidad son críticas; para un informe financiero, la consistencia e integridad pueden ser más importantes. Las dimensiones también pueden cambiar con el tiempo: los datos que eran precisos cuando se ingresaron pueden volverse obsoletos a través del deterioro de datos, por lo que la calidad generalmente se monitorea continuamente en lugar de verificarse una sola vez.
