La calidad de datos, o data quality, expresa hasta qué punto la información es adecuada para un uso concreto. Se evalúa mediante condiciones como exactitud, completitud, validez, consistencia, unicidad y actualización, teniendo en cuenta la decisión o el proceso que depende de ella.
Mejorarla requiere acordar qué debe cumplir la información, comprobarlo y actuar sobre los problemas detectados. Una carga terminada correctamente puede contener datos equivocados; un conjunto que supera una prueba de formato puede seguir siendo inadecuado para el análisis previsto.
Esta guía explica cómo evaluar los datos, definir reglas, preparar la información y mantener controles de calidad durante su uso. Está dirigida a responsables de negocio, datos y tecnología que necesitan decidir qué información es suficientemente fiable y cómo corregir sus limitaciones.
Contenido de la guía
¿Qué significa tener datos de calidad?
Un conjunto tiene la calidad necesaria cuando permite realizar su uso previsto bajo condiciones conocidas. El nivel requerido puede cambiar entre tareas: observar una tendencia comercial y enviar una factura individual plantean necesidades distintas de detalle, exactitud y actualización.
Por eso conviene empezar por preguntas concretas: ¿para qué se utilizará la información?, ¿qué error cambiaría la decisión?, ¿cuánto retraso puede tolerarse? Las respuestas permiten acordar controles y priorizar correcciones.
La definición de data quality de IBM sitúa la adecuación al propósito junto a las dimensiones de evaluación. El artículo sobre por qué importa la calidad de datos en la empresa desarrolla su relación con la operación y la confianza de los usuarios.
La relación entre calidad de datos y calidad de las decisiones requiere examinar también cómo se interpreta la evidencia. Un dato fiable ayuda, pero no garantiza por sí solo una decisión acertada.
Relación con gobierno e integración de datos
El gobierno del dato asigna autoridad para acordar reglas, resolver discrepancias y aceptar excepciones. La gestión de calidad convierte esas expectativas en comprobaciones, seguimiento y acciones de mejora.
La integración de datos debe aplicar los controles en el recorrido entre fuentes y consumidores. Una transformación puede corregir un problema y crear otro si se aplica sin entender su significado.
Dimensiones para evaluar la calidad de los datos
Las dimensiones permiten describir problemas distintos. El marco de calidad de datos del Gobierno británico utiliza seis: completitud, unicidad, consistencia, oportunidad, validez y exactitud. No deben confundirse entre sí.
- Exactitud. Correspondencia del dato con la realidad que pretende representar.
- Completitud. Presencia de la información necesaria dentro del alcance evaluado.
- Validez. Cumplimiento de formatos, tipos, rangos o reglas definidos.
- Consistencia. Ausencia de contradicciones entre representaciones o relaciones que deberían coincidir.
- Unicidad. Ausencia de duplicados según la entidad y el nivel de detalle acordados.
- Oportunidad y actualización. Disponibilidad de información suficientemente reciente para el momento de uso.
¿Cómo distinguir los problemas en la práctica?
Una fecha puede ajustarse al patrón esperado y, aun así, ser incorrecta porque se intercambiaron día y mes. En ese caso pasa una prueba de formato, pero no representa el hecho correctamente.
Un campo puede estar completo y contener una categoría inventada para evitar un valor vacío. Una tabla puede tener todos los identificadores únicos y no incluir operaciones que nunca llegaron del origen.
La unicidad también depende del nivel de detalle. Si cada fila corresponde a una línea de pedido, repetir el identificador del pedido en varias filas es esperable. La clave de evaluación podría necesitar pedido y número de línea.
Estos ejemplos muestran por qué un único porcentaje no describe todos los riesgos. Cada uso requiere comprobaciones específicas y resultados que permanezcan visibles.
Integridad y calidad de datos
La integridad se utiliza en contextos de bases de datos, protección y gestión con matices diferentes. En un control concreto, debe especificarse qué se verifica: relaciones entre registros, restricciones, modificaciones o coherencia del contenido.
La introducción a la integridad y comprobación de datos desarrolla estos conceptos. Una protección contra modificaciones no demuestra por sí sola que el valor original fuera correcto.
¿Cómo realizar un diagnóstico de calidad de datos?
El diagnóstico parte de un uso y un conjunto delimitados. Deben identificarse el consumidor, los campos necesarios y las consecuencias de un error. El examen de la información disponible precede a la fijación de umbrales.
El perfilado de datos, o data profiling, permite explorar características como valores ausentes, distribuciones, formatos y frecuencias. Ayuda a formular preguntas y reglas; una distribución inusual no es automáticamente un error.
- Delimitación del alcance. Sistemas, periodo, población y nivel de detalle.
- Revisión de definiciones. Qué representa cada campo y cuándo puede faltar legítimamente.
- Exploración de datos. Valores vacíos, categorías, rangos, repeticiones y relaciones.
- Contraste de una muestra. Comprobación de casos con fuentes o personas capaces de validar el hecho.
- Clasificación de limitaciones. Distinción entre errores confirmados, excepciones válidas y casos todavía no evaluables.
- Priorización por impacto. Relación de cada problema con la tarea afectada y su alcance.
Cuando se utiliza una muestra, debe quedar explicado cómo se seleccionó y qué permite concluir. Un resultado observado en un grupo de registros no debe presentarse como una comprobación completa de toda la población.
Recurso descargable: la guía del modelo de madurez de datos ayuda a situar esta evaluación dentro de las capacidades que necesita la organización.