{"id":62237,"date":"2021-12-02T09:36:01","date_gmt":"2021-12-02T09:36:01","guid":{"rendered":"https:\/\/dataladder.com\/medicion-de-la-calidad-de-los-datos-cuando-hay-que-preocuparse\/"},"modified":"2022-03-03T16:29:03","modified_gmt":"2022-03-03T16:29:03","slug":"medicion-de-la-calidad-de-los-datos-cuando-hay-que-preocuparse","status":"publish","type":"post","link":"https:\/\/dataladder.com\/es\/medicion-de-la-calidad-de-los-datos-cuando-hay-que-preocuparse\/","title":{"rendered":"Medici\u00f3n de la calidad de los datos: \u00bfCu\u00e1ndo hay que preocuparse?"},"content":{"rendered":"\n

En marzo de 2017, el Rescue 116 se estrell\u00f3 contra un obst\u00e1culo de 282 pies<\/a>: la isla de Blackrock, frente a la costa del condado de Mayo. Las investigaciones posteriores revelaron que el operador de helic\u00f3pteros del CHC Ireland no contaba con un sistema \u00abformalizado, normalizado, controlado o peri\u00f3dico\u00bb. Debido a ello, en la base de datos utilizada por el operador para revisar las rutas de vuelo faltaban detalles sobre la isla de Blackrock. Se inform\u00f3 de que la tripulaci\u00f3n no fue advertida de este obst\u00e1culo en su ruta de vuelo hasta que estuvieron a 13 segundos de \u00e9l. Lo peor es que se registr\u00f3 una queja sobre esta inexactitud de la base de datos de los guardacostas irlandeses 4 a\u00f1os antes del incidente, pero no se tom\u00f3 ninguna medida correctiva.<\/p>\n\n\n\n

En un mundo en el que todas las acciones se basan en los datos (independientemente de que este hecho se reconozca oficialmente o no), estos incidentes demuestran que el coste de la mala calidad de los datos est\u00e1 muy subestimado. Pero el mayor reto que se encuentra durante la evaluaci\u00f3n de la calidad de los datos es la falta de medidas r\u00e1pidas y oportunas que puedan alertar a las partes interesadas cuando la calidad de sus datos est\u00e9 por debajo de un umbral aceptable.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Diez dimensiones de la evaluaci\u00f3n de la calidad de los datos<\/strong><\/h3>\n\n\n\n

En pocas palabras, la calidad de los datos est\u00e1 garantizada cuando los datos pueden utilizarse para el fin previsto sin que se produzcan errores. La calidad de los datos suele medirse con estas diez dimensiones cr\u00edticas:<\/a><\/p>\n\n\n\n

<\/div>\n\n\n\n
\"\"<\/figure>\n\n\n\n
<\/div>\n\n\n\n

Pero a menudo se cuestiona con qu\u00e9 rapidez se pueden medir estas dimensiones -y a qu\u00e9 nivel- para poder alertar a tiempo a los equipos sobre el deterioro de la calidad de los datos y su impacto en los costes de explotaci\u00f3n de los mismos.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Medici\u00f3n del viernes por la tarde (FAM) – Evaluaci\u00f3n r\u00e1pida de la calidad de los datos<\/strong><\/h3>\n\n\n\n

Tom Redman propuso el m\u00e9todo de medici\u00f3n de los viernes por la tarde (FAM)<\/a>, que aborda de forma r\u00e1pida y contundente la cuesti\u00f3n: \u00bfDebo preocuparme por la calidad de los datos?<\/p>\n\n\n\n

Este m\u00e9todo proporciona un m\u00e9todo de c\u00e1lculo r\u00e1pido y eficaz que puede completarse en aproximadamente una hora un viernes por la tarde, cuando el ritmo de trabajo ha disminuido, de ah\u00ed su nombre. Este m\u00e9todo permite evaluar la calidad de los datos semanalmente, de modo que se pueden levantar las banderas rojas antes de que la situaci\u00f3n se vaya de las manos. Seg\u00fan la FAM, la calidad de los datos puede medirse de la siguiente manera:<\/p>\n\n\n\n

<\/div>\n\n\n\n

Paso 1: Reunir datos recientes<\/strong><\/h4>\n\n\n\n

Comience por recopilar datos de muestra de las actividades m\u00e1s recientes relacionadas con los datos que se produjeron en su departamento. Por ejemplo, para el departamento de ventas, pueden ser las \u00faltimas 100 entradas de registros en su CRM. Aqu\u00ed puede utilizar los datos creados o utilizados recientemente. Una vez que tenga esos 100 registros, seleccione entre 10 y 15 elementos de datos o atributos, es decir, la informaci\u00f3n m\u00e1s importante de esos registros.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Paso 2: Marcar los registros defectuosos y sin defectos<\/strong><\/h4>\n\n\n\n

Invite a un par de personas de su equipo que tengan conocimientos sobre los datos en cuesti\u00f3n y p\u00eddales que se re\u00fanan con usted durante dos horas. Revise los registros seleccionados y sus atributos, y marque todos los valores en los que encuentre un error de calidad de datos (es decir, el valor es nulo, inv\u00e1lido, est\u00e1 mal escrito, etc.).<\/p>\n\n\n\n

Esta actividad no suele llevar mucho tiempo, ya que los errores de calidad de los datos ser\u00e1n en su mayor\u00eda evidentes. Pero podr\u00eda haber un peque\u00f1o n\u00famero de registros que requieran discusiones m\u00e1s profundas entre los miembros del equipo para analizar los problemas de calidad de los datos.<\/p>\n\n\n\n

Cuando haya marcado estas discrepancias en todos los registros, ya puede a\u00f1adir una nueva columna en el conjunto de datos de muestra denominada \u00ab\u00bfRegistro perfecto?\u00bb, y rellenar los valores de la columna en funci\u00f3n de si se ha encontrado un error para un registro o no. Al final, puede sumar y calcular el n\u00famero de registros defectuosos y sin defectos marcados en el conjunto de datos de la muestra.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n
<\/div>\n\n\n\n

Paso 3: Medir la calidad de los datos en porcentaje<\/strong><\/h4>\n\n\n\n

Ahora, es el momento de poner las cosas en perspectiva y obtener resultados concluyentes. Digamos que, de los \u00faltimos 100 registros que su equipo cre\u00f3 o utiliz\u00f3, s\u00f3lo 62 resultaron ser completamente perfectos, mientras que el resto de 38 ten\u00edan uno o m\u00e1s errores de calidad de datos. Una tasa de error del 38% en un conjunto de datos recogidos\/utilizados recientemente es una se\u00f1al de alarma y confirma que su departamento tiene un problema de calidad de datos.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Paso 4: Ponderar la regla de los diez (RoT) para calcular el coste de la mala calidad de los datos<\/strong><\/h4>\n\n\n\n

El m\u00e9todo no termina aqu\u00ed. Adem\u00e1s, calcula el coste estimado de la mala calidad de los datos para que su equipo -y los ejecutivos de nivel C- puedan comprender el impacto de los datos deficientes. Este c\u00e1lculo de costes tiene en cuenta la regla de los diez: Cuesta diez veces m\u00e1s completar una unidad de trabajo cuando los datos est\u00e1n defectuosos, en comparaci\u00f3n con cuando son perfectos.<\/p>\n\n\n\n

As\u00ed, por ejemplo, si el coste de una sola unidad de trabajo es de 1 d\u00f3lar cuando los datos son perfectos, el coste total puede calcularse como:<\/p>\n\n\n\n

Coste total<\/strong> = (62$1) + (38$1*10) = 62$ + 380$ = 442<\/strong><\/p>\n\n\n\n

Esto muestra c\u00f3mo los registros de datos defectuosos acaban costando unas cuatro veces m\u00e1s<\/strong>, en comparaci\u00f3n con si los datos fueran perfectos. Ahora que sabe que tiene un problema de calidad de datos y el coste de su impacto, puede tomar medidas correctivas para solucionar estos errores.<\/p>\n\n\n\n

\"\"<\/figure><\/div>\n\n\n\n
<\/div>\n\n\n\n

Implementaci\u00f3n de FAM con DataMatch Enterprise – El mejor software de calidad de datos de su clase<\/strong><\/h3>\n\n\n\n

El m\u00e9todo FAM ha demostrado ser un m\u00e9todo muy rentable y eficaz en t\u00e9rminos de tiempo, ya que da resultados en una reuni\u00f3n de dos horas entre dos o tres miembros del equipo. Sin embargo, este tiempo puede reducirse a s\u00f3lo 3-5 minutos con la participaci\u00f3n de un solo miembro del equipo, utilizando una herramienta de software de calidad de datos de autoservicio.<\/p>\n\n\n\n

DataMatch Enterprise (DME)<\/a> es una completa herramienta de gesti\u00f3n de la calidad de los datos que emplea una serie de algoritmos estad\u00edsticos para perfilar, limpiar, cotejar y desduplicar sus datos. Viene con amplias capacidades de perfilado<\/a> que crean un informe instant\u00e1neo de 360 de la calidad de sus datos mediante la identificaci\u00f3n de valores en blanco, formatos y tipos de datos incorrectos, patrones no v\u00e1lidos y otras estad\u00edsticas descriptivas.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Etiquetado autom\u00e1tico de registros perfectos e imperfectos en cuesti\u00f3n de segundos<\/strong><\/h4>\n\n\n\n

En lugar de identificar y marcar manualmente las discrepancias presentes en su conjunto de datos; con el ISD, su equipo puede generar por s\u00ed solo un informe que etiquete y numere los registros perfectos e imperfectos en s\u00f3lo unos segundos, incluso con un tama\u00f1o de muestra tan grande como 2 millones de registros.<\/p>\n\n\n\n

El rendimiento de DataMatch Enterprise en un conjunto de datos que contiene 2M de registros se registr\u00f3 de la siguiente manera:<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"\"<\/figure>\n\n\n\n
<\/div>\n\n\n\n

Generaci\u00f3n y filtrado de perfiles de calidad de datos detallados <\/strong><\/h4>\n\n\n\n

A continuaci\u00f3n se muestra un perfil de muestra generado con el ISD en menos de 10 segundos para unos 2000 registros: <\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n
<\/div>\n\n\n\n

Este conciso perfil de datos destaca los detalles del contenido y la estructura de todos los atributos de datos elegidos. Adem\u00e1s, tambi\u00e9n se puede navegar hacia aspectos espec\u00edficos, como la lista de aquellos registros del 12% a los que les falta el segundo nombre del contacto. <\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n
<\/div>\n\n\n\n

Lo que sigue – De la evaluaci\u00f3n de la calidad de los datos a la fijaci\u00f3n de la calidad de los datos<\/strong><\/h3>\n\n\n\n

Las funciones y capacidades del ISD no terminan con la evaluaci\u00f3n de la calidad de los datos, sino que est\u00e1 dise\u00f1ado para utilizar los resultados de la evaluaci\u00f3n para solucionar los problemas de calidad de los datos:<\/p>\n\n\n\n