¿Qué es la vinculación de registros?
El procedimiento de recoger todos los datos asociados a una misma persona y dispersos en los múltiples conjuntos de información, y colocarlos en un solo lugar se identifica como vinculación de registros. Este procedimiento de vinculación de registros es significativo en una situación en la que no se dispone de identificadores sobre la base de un único individuo. En estas circunstancias, la vinculación de los registros se lleva a cabo con el uso de una técnica probabilística o cualquier otra que sea capaz de comparar estadísticas de identificación personal, por ejemplo, el nombre y la dirección, que también pueden implicar la posibilidad de error o pueden cambiar con el tiempo.
Comparación detallada de las estrategias utilizadas en la vinculación de registros
La vinculación de registros se lleva a cabo principalmente en un entorno organizativo o comercial. Es necesario para eliminar los registros idénticos de un conjunto de registros con información de personas. Los métodos utilizados en la vinculación de registros se sitúan en un rango entre las estrategias probabilísticas y las deterministas. Una estrategia probabilística hace uso de una serie de campos entre los conjuntos de información para determinar las probabilidades de similitudes entre ambos registros de datos. Estas probabilidades se ilustran como peso o puntuación de probabilidad que se considera para cada conjunto de información mientras se comparan. En caso de que la puntuación final de un par de registros sea superior a un umbral de coincidencia definido, se considera que son los registros que están asociados a la misma persona. Por lo tanto, la estrategia probabilística concuerda con la imprevisibilidad entre los conjuntos de información con similitudes perdidas. Esto significa que tiene la capacidad de relacionar registros de información con errores en los campos de vinculación. Por otro lado, las estrategias deterministas para la vinculación de registros van desde las simples conexiones de bases de datos mediante un identificador de entidad fiable hasta la vinculación algorítmica por pasos más compleja. Esto también implica pruebas adicionales para permitir la diferencia entre los registros de datos, que son similares. Esto significa que no depende de una similitud idéntica del identificador de la entidad. Los métodos de vinculación probabilística son comparativamente más potentes frente a los errores y, en consecuencia, proporcionan una mejor calidad de vinculación de registros que las técnicas deterministas. Las estrategias probabilísticas también son más flexibles en una situación en la que es necesario vincular los registros con grandes volúmenes de información.
¿Qué es la limpieza de datos?
Para establecer el nivel óptimo de excelencia de los enlaces, se han puesto en marcha una serie de estrategias de normalización y limpieza de datos en el ámbito operativo de la vinculación de registros. Estos métodos son frecuentes en los paquetes de software de vincul ación de registros y se utilizan habitualmente en todas las unidades de vinculación de registros. Una fase de limpieza de datos suele liderar el proceso de vinculación de registros, independientemente del método de vinculación que se utilice.
La limpieza de datos se identifica ocasionalmente con la depuración o normalización de datos. Se asocia a la modificación, eliminación o cambio de campos en función de sus valores. Estos nuevos valores mejorarán la calidad de la información y, por tanto, la harán más valiosa para el procedimiento de vinculación de registros. El aumento de la excelencia de los registros primarios de información se traduce en un mayor nivel de calidad del procedimiento de vinculación. Un mayor volumen de datos de identificación personal aumenta ampliamente la validez de los resultados de la vinculación.
La limpieza de datos se ha identificado como una de las formas fundamentales de mejorar la calidad de la vinculación de los registros en una situación en la que no se dispone de estadísticas personales intensamente clasificadas. La limpieza de datos es una de las etapas cruciales en el procedimiento de vinculación de registros que puede suponer la mayor parte de la lucha de la vinculación de registros en sí. Los conjuntos de datos con una mayor solidez permiten mejorar los resultados de la vinculación de registros.
Estrategias de limpieza de datos
Cuando se trata de la vinculación de registros, se utiliza una amplia gama de métodos de limpieza de datos. Algunas estrategias de limpieza de datos tratan de aumentar el número de variables separando los campos de texto libre. Otras estrategias de limpieza de datos simplemente persiguen cambiar las variables en una ilustración particular sin hacer ningún cambio en la información real. Se prevé que algunas de las otras técnicas adicionales modifiquen los datos de los campos. Esto puede hacerse eliminando los valores no válidos, alterando los valores o asignando valores a los campos vacíos.
Limpieza de datos y calidad de la vinculación de los registros
En un marco de vinculación de registros, el objetivo de la limpieza de datos es mejorar la excelencia de la vinculación. Esto incluye minimizar el número de todos esos dos registros, que se clasifican erróneamente como asociados a una sola persona y todos esos dos registros que se colocan erróneamente como no relacionados con una sola persona. Estos errores se suelen identificar como falsos positivos y falsos negativos, respectivamente. En ausencia de una limpieza de datos, es posible que no se descubra un número de registros realmente coincidentes debido a que las cualidades relevantes pueden no ser adecuadamente iguales.
Las estrategias de limpieza de datos suelen minimizar la incoherencia entre los dos valores del campo en cuestión. Al eliminar los apodos, se encontrará una colección más reducida de nombres entre los registros de información. Del mismo modo, al eliminar las disimilitudes por la puntuación, se eliminará otra incoherencia. Esto lleva a encontrar un gran volumen de similitudes apropiadas, como se preveía.
La limpieza de datos es un proceso valioso por su capacidad de mejorar la calidad de la vinculación de los registros. La limpieza de datos incorpora una amplia gama de técnicas que se adaptan a situaciones concretas. Esto incluye el uso de un nuevo algoritmo, que identifica y corrige la mayoría de los tipos de error y las complicaciones previstas. El algoritmo es capaz de limpiar los datos junto con el tratamiento de todas las inexactitudes y discrepancias en los registros de información o los valores de los campos especificados. A la hora de utilizar estas técnicas, es importante tener mucho cuidado. La importancia de obtener datos con mayor calidad es más importante que el tiempo necesario para procesar un gran volumen de datos. Por lo tanto, el objetivo principal es mantener datos de alta calidad. Como parte integrante del proceso de vinculación de registros, se puede reconocer que la limpieza de datos va a mejorar la calidad general.
