Definición de Limpieza de Datos
Limpieza de Datos es el proceso de detectar y corregir errores, inconsistencias e inexactitudes en un conjunto de datos para que la información sea confiable y útil. En términos prácticos, responde preguntas como: ¿están los valores formateados de manera consistente?, ¿hay registros duplicados o incompletos? y ¿contiene cada campo lo que se supone que debe contener? Las actividades típicas incluyen corregir errores tipográficos, estandarizar formatos, completar valores faltantes, eliminar duplicados y corregir registros que violan reglas definidas.
¿Cómo se relaciona la limpieza de datos con PIM o MDM?
Todo sistema de PIM y MDM depende de datos limpios para funcionar correctamente. La limpieza es lo que transforma la entrada cruda y desordenada de múltiples fuentes en registros consistentes que pueden ser confiables y compartidos. Sin ella, los datos de baja calidad se propagan a través de sistemas conectados, socavando el Disco de Oro y produciendo errores en cada canal que consume los datos. La limpieza funciona junto con la calidad de datos, la estandarización y la deduplicación, cada una de las cuales aborda una parte específica del esfuerzo general.
¿Cuál es la diferencia entre limpieza de datos y enriquecimiento de datos?
Los términos están relacionados pero son distintos: la limpieza de datos corrige lo que ya existe, eliminando errores e inconsistencias para hacer que los datos existentes sean precisos, mientras que el enriquecimiento de datos añade nueva información de fuentes externas o complementarias para hacer que los datos sean más completos. La limpieza mejora la calidad; el enriquecimiento aumenta el valor. Un proceso de datos sólido generalmente aplica ambos, limpiando los registros primero y luego enriqueciéndolos.
