1. Exactitud: ¿Refleja el valor la realidad?
La precisión se refiere a si el valor almacenado representa correctamente la entidad o el suceso del mundo real. El cargo de un contacto puede estar perfectamente formateado y, aun así, ser inexacto si la persona ha cambiado de puesto. La página web de una empresa puede ser sintácticamente válida y, aun así, pertenecer a la organización equivocada.
La precisión suele requerir una comparación con una fuente fiable. En los campos de gran impacto, mantén el contexto de la fuente o una fecha de verificación para que el equipo pueda comprender por qué se considera fiable ese valor.
2. Integridad: ¿Están presentes todos los valores necesarios?
La «exhaustividad» mide si se han rellenado los campos necesarios para el flujo de trabajo previsto. Debe definirse en función de los campos obligatorios, y no de todas las columnas posibles.
Un fichero de prospección puede considerarse completo cuando incluye el nombre de la empresa, la página web, el nombre, los apellidos, el cargo, el correo electrónico directo y la URL de LinkedIn. En función del proyecto, puede ser necesario incluir el sector, la ubicación, el número de empleados o campos de investigación personalizados.
3. Coherencia: ¿Los valores equivalentes siguen las mismas reglas?
La coherencia se refiere a si los datos se representan de manera uniforme en todos los registros y sistemas. Surgen problemas cuando un conjunto de datos utiliza abreviaturas de estados mientras que otro utiliza los nombres completos, cuando las etiquetas del sector utilizan varias taxonomías, o cuando una misma empresa tiene nombres canónicos diferentes en distintas herramientas.
Las normas de normalización mejoran la coherencia. Decide qué formato es el de referencia antes de fusionar datos o elaborar informes, en lugar de aplicar normas diferentes cada vez.
4. Actualidad: ¿Son los datos lo suficientemente recientes como para tomar la decisión?
La actualidad depende del contexto. El nombre legal de una empresa puede seguir siendo útil durante años, mientras que un cargo de contacto o un indicador tecnológico pueden quedar obsoletos rápidamente. La cuestión no es si los datos son nuevos, sino si están lo suficientemente actualizados para la tarea en cuestión.
Utiliza fechas de verificación y reglas de actualización para los campos que cambian con frecuencia. Da prioridad a las tareas de actualización en aquellas áreas en las que los valores obsoletos suponen un coste real, como la captación de clientes, el enrutamiento, el cumplimiento normativo o la migración.
5. Validez: ¿Se ajusta el valor a la regla establecida?
La validez mide si un valor se ajusta al formato, tipo, rango o regla permitidos. Algunos ejemplos son una fecha que sigue el formato esperado, un campo de estado que contiene un valor autorizado o un recuento de empleados que sea numérico y no negativo.
A menudo es más fácil automatizar la validez que la exactitud. Un valor puede ser válido sin ser cierto, por lo que las comprobaciones de validez no deben considerarse una prueba de exactitud.
6. Unicidad: ¿Se controlan los registros duplicados?
La singularidad evalúa si una entidad o un identificador aparece más veces de las previstas. Las cuentas duplicadas en el CRM, los contactos repetidos, los registros de productos duplicados y los dominios de empresa repetidos pueden distorsionar los recuentos y dar lugar a trabajo duplicado.
Las reglas de unicidad requieren una estrategia adecuada. Los duplicados exactos son fáciles de detectar. Los casi duplicados que incluyen abreviaturas, filiales, dominios alternativos o variaciones de nombres pueden requerir la resolución de entidades y el criterio humano.
Utiliza las seis dimensiones como un cuadro de mando, no como una lista de comprobación
Las seis dimensiones resultan útiles cuando se vinculan a normas cuantificables. Un equipo podría hacer un seguimiento de la cumplimentación de los campos obligatorios, la tasa de duplicados, el porcentaje de registros verificados dentro de un plazo determinado o los errores de validez por campo.
No se debe dar la misma importancia a todas las dimensiones por defecto. Un conjunto de datos utilizado con fines de divulgación puede dar mayor importancia a la precisión y la puntualidad. Un proyecto de migración puede dar prioridad a la coherencia, la validez y la unicidad. El uso previsto debe determinar el umbral de calidad.
- Exactitud: correcta en comparación con la realidad
- Integridad: se han introducido todos los valores obligatorios
- Coherencia: los datos equivalentes siguen las mismas convenciones
- Actualidad: lo suficientemente actual para el uso previsto
- Validez: se ajusta a las normas establecidas
- Exclusividad: se controlan los duplicados no deseados
Common questions
¿Cuáles son las seis dimensiones de la calidad de los datos?
Un conjunto muy utilizado es el formado por la precisión, la exhaustividad, la coherencia, la puntualidad, la validez y la unicidad.
¿Solo hay seis dimensiones de calidad de los datos?
No. Los marcos varían. IBM señala que no existe un estándar universal, aunque estos seis gozan de una amplia aceptación y constituyen una base práctica para la evaluación.
¿Cuál es la diferencia entre precisión y validez?
La validez se refiere a si un valor se ajusta a la regla o al formato definidos. La exactitud se refiere a si el valor refleja la realidad. Un valor con el formato correcto puede ser válido, pero seguir siendo inexacto.
¿Qué aspecto de la calidad de los datos es el más importante?
Depende del flujo de trabajo. Las dimensiones más importantes son aquellas relacionadas con las decisiones, las automatizaciones, la elaboración de informes o los riesgos operativos que permite gestionar el conjunto de datos.
Final thoughts
La calidad de los datos no se reduce a una sola puntuación. Un conjunto de datos puede estar completo pero ser inexacto, tener un formato válido pero estar desactualizado, o estar actualizado pero estar lleno de duplicados. Un marco de referencia ampliamente utilizado evalúa seis dimensiones: precisión, exhaustividad, coherencia, actualidad, validez y unicidad. IBM señala que no existe un estándar universal para todos los marcos de calidad de datos, pero estas seis dimensiones siguen siendo ampliamente adoptadas en la práctica.
Need help improving your business data?
DataDabble can research, clean, enrich, and maintain the records your team depends on.
