{"id":63150,"date":"2019-07-29T00:00:00","date_gmt":"2019-07-29T04:00:00","guid":{"rendered":"https:\/\/dataladder.com\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/"},"modified":"2022-03-17T10:48:54","modified_gmt":"2022-03-17T10:48:54","slug":"que-significa-la-calidad-de-datos-para-su-almacen-de-datos","status":"publish","type":"post","link":"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/","title":{"rendered":"\u00bfQu\u00e9 significa la calidad de datos para su almac\u00e9n de datos?"},"content":{"rendered":"<p><span style=\"font-weight: 400;\">Los datos defectuosos son la causa de que muchos proyectos de almacenamiento de datos no den resultados; de hecho, la calidad de los datos en los almacenes de datos sigue siendo un reto importante para muchas empresas. La principal causa de los datos err\u00f3neos es la integraci\u00f3n de los datos de varios sistemas, pero esta integraci\u00f3n es la base de cualquier proyecto de almacenamiento de datos.<\/span><\/p>\n<p>\u00bfQu\u00e9 significa la calidad de datos en un almac\u00e9n de datos?<\/p>\n<p><span style=\"font-weight: 400;\">El prop\u00f3sito del almac\u00e9n de datos es construir una capa unificada que contenga datos de todas las fuentes de datos relevantes de la organizaci\u00f3n. Esto significa que hay que integrar los datos de m\u00faltiples sistemas y optimizarlos para el an\u00e1lisis y la inteligencia empresarial. Por lo tanto, el almac\u00e9n de datos no genera ning\u00fan dato propio y cualquier problema de calidad de los datos se encuentra en los sistemas de origen o surge como resultado de c\u00f3mo se interpretan los datos en los diferentes sistemas. El equipo de almacenamiento de datos debe asumir la responsabilidad de identificar estos problemas, idear formas de mejorar la calidad de los datos o conseguir el acuerdo de la empresa sobre determinados aspectos para que se consideren aceptables. Esto \u00faltimo puede parecer confuso, pero es fundamental para mantener un equilibrio entre el coste de mejorar la calidad de los datos y lo que la empresa est\u00e1 dispuesta a gastar. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Sin embargo, si se descuida la calidad de los datos, los usuarios del almac\u00e9n de datos tendr\u00e1n en sus manos datos inexactos e incompletos. Esto se traduce directamente en que sus datos no son representativos y en que los an\u00e1lisis son err\u00f3neos. Estos pueden ser los mismos an\u00e1lisis que utiliza la alta direcci\u00f3n para la toma de decisiones, y todos sabemos lo mal que lo hacen. <\/span><br \/>\n<span style=\"font-weight: 400;\">una sola decisi\u00f3n equivocada puede perjudicar a las empresas<\/span><br \/>\n<span style=\"font-weight: 400;\">.<\/span><\/p>\n<h2><span style=\"font-weight: 400;\">4 formas inmediatas de mejorar la calidad de los datos en su almac\u00e9n de datos<\/span><\/h2>\n<p><b>Rechazar el error<\/b><span style=\"font-weight: 400;\">: Tienes que decidir si quieres <a href=\"https:\/\/dataladder.com\/es\/que-es-la-exactitud-de-los-datos-por-que-es-importante-y-como-pueden-las-empresas-asegurarse-de-tener-datos-exactos\/\">precisi\u00f3n<\/a> o <a href=\"https:\/\/dataladder.com\/es\/como-identificar-los-datos-que-faltan-garantizar-la-integridad-de-los-datos-y-mantener-la-exactitud-de-los-mismos\/\">exhaustividad<\/a> en cualquier caso. Si la exactitud es m\u00e1s importante, puede rechazar cualquier registro que contenga dicho error, si su correcci\u00f3n requiere m\u00e1s esfuerzo del que su empresa est\u00e1 dispuesta a realizar.<\/span><\/p>\n<p><b>Aceptar el error<\/b><span style=\"font-weight: 400;\">: Si valora m\u00e1s la exhaustividad que la precisi\u00f3n, puede optar por ignorar el error y aceptar los registros con dichos errores en su almac\u00e9n de datos si considera que los errores son tolerables, decidiendo corregir el error cuando su equipo pueda encontrar los valores correctos m\u00e1s adelante.<\/span><\/p>\n<p><b>Corregir el error<\/b><span style=\"font-weight: 400;\">: Si tu equipo puede encontrar los valores correctos o el cambio de formato que solucionar\u00eda un error espec\u00edfico a un coste que puedes asumir, la elecci\u00f3n es obvia.<\/span><\/p>\n<p><b>Asignar valor por defecto<\/b><span style=\"font-weight: 400;\">: Si la exhaustividad es muy importante pero no se encuentra el valor correcto, puede asignar un valor por defecto para cada tipo de error para sustituir los datos err\u00f3neos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Independientemente de la acci\u00f3n que se tome, es fundamental que los usuarios del almac\u00e9n de datos entiendan las implicaciones de cada acci\u00f3n para que las tengan en cuenta en sus an\u00e1lisis.<\/span><\/p>\n<h1><span style=\"font-weight: 400;\">Enfoques de la gesti\u00f3n de la calidad de los datos<\/span><\/h1>\n<p><span style=\"font-weight: 400;\">Hemos visto que la calidad de los datos es un requisito clave en el almacenamiento de datos, pero en t\u00e9rminos pr\u00e1cticos, solucionar los problemas de calidad en el almac\u00e9n de datos es un proceso complejo. En esta secci\u00f3n se tratar\u00e1n los enfoques para implementar un marco de calidad de datos para el almac\u00e9n de datos, espec\u00edficamente:<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Comprensi\u00f3n de los datos de origen en el almac\u00e9n de datos<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Comprender las causas de los errores de calidad de los datos<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Reunir datos de diferentes fuentes para mejorar la calidad<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">A\u00f1adir valor a los datos para aumentar su utilidad<\/span><\/li>\n<\/ul>\n<h2><span style=\"font-weight: 400;\">Perfiles de datos: Comprender los datos de origen en el almac\u00e9n de datos<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Cuando se intenta mejorar algo, comprenderlo es el primer paso natural. El proceso de entender los datos existentes con respecto a c\u00f3mo se quiere que sean en su forma final se llama \u00abperfilado de datos\u00bb. Esto incluye profundizar en los datos de origen y comprender el contenido, la estructura y las cardinalidades. As\u00ed es como identificamos d\u00f3nde hay que aplicar los procesos de calidad de datos y qu\u00e9 enfoque elegir.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Con demasiada frecuencia, <a href=\"https:\/\/dataladder.com\/es\/software-y-herramientas-de-creacion-de-perfiles-de-datos-obtenga-resultados-instantaneos-de-la-evaluacion-de-la-calidad-de-los-datos\/\">la elaboraci\u00f3n de perfiles de datos<\/a> se ha relegado a la trastienda de los procesos de extracci\u00f3n, transformaci\u00f3n y carga (ETL), y s\u00f3lo se ha llevado a cabo para comprobar peque\u00f1as anomal\u00edas en los datos una vez que se ha completado el dise\u00f1o del almac\u00e9n de datos y es necesario entregar los datos de producci\u00f3n. En realidad, la elaboraci\u00f3n de perfiles de datos deber\u00eda ser el siguiente paso en su proyecto de almacenamiento de datos de calidad, una vez que haya reunido los requisitos empresariales. En esta fase, conocer la cantidad de trabajo que requerir\u00e1n los datos de origen antes de ser utilizables para el an\u00e1lisis influir\u00e1 en gran medida en el dise\u00f1o y el tiempo de construcci\u00f3n del almac\u00e9n de datos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Al perfilar sus datos durante el proceso de dise\u00f1o del almac\u00e9n de datos, conc\u00e9ntrese en estos 4 resultados para obtener el m\u00e1ximo valor del esfuerzo:<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">La entrega m\u00e1s b\u00e1sica es un \u00abno\u00bb a todo el proyecto. Los datos de origen que desea utilizar para construir su almac\u00e9n de datos pueden tener demasiados errores o faltar demasiada informaci\u00f3n para que la iniciativa de almacenamiento de datos sea en absoluto viable para el an\u00e1lisis. Aunque esto puede interpretarse como un gran fracaso, en realidad es un resultado extremadamente valioso, porque ahora su equipo puede volver a centrar sus esfuerzos en otra parte en lugar de pasar semanas y meses construyendo un proyecto s\u00f3lo para descubrir que el resultado final es un sistema de informes enormemente defectuoso que es inutilizable para la toma de decisiones. Estas sorpresas al final suelen acortar la carrera de los jefes de equipo de inteligencia empresarial.<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">El segundo entregable es una lista de los problemas que ya existen en los datos de origen y que deben solucionarse antes de que el proyecto pueda avanzar. Las correcciones son una dependencia externa importante y deben gestionarse bien para garantizar el \u00e9xito de su almac\u00e9n de datos. Se puede pensar que los problemas pueden solucionarse m\u00e1s tarde, una vez que los datos se hayan escrito en el almac\u00e9n de datos, pero entonces, cada vez que se sincronicen los sistemas operativos y el almac\u00e9n de datos, los problemas aparecer\u00e1n.<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">El tercer entregable es una lista de problemas de calidad de datos que se encuentran al extraer datos de m\u00faltiples fuentes y escribirlos en el almac\u00e9n de datos. Un conocimiento profundo de estas cuestiones le ayudar\u00e1 a idear la l\u00f3gica de transformaci\u00f3n de datos y los m\u00e9todos de gesti\u00f3n de excepciones que mejor se adapten a su escenario empresarial. Tambi\u00e9n podr\u00e1 determinar el procesamiento manual que ser\u00e1 necesario para corregir las incoherencias y tenerlo en cuenta en el tiempo total que se necesita para completar el proyecto de almacenamiento de datos.<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Y, por \u00faltimo, centrarse en las reglas de negocio no previstas anteriormente y en los problemas de las relaciones de clave externa y primaria y de las estructuras jer\u00e1rquicas. Tendr\u00e1 que indagar a un nivel m\u00e1s profundo para identificar estos problemas tan intrincados, pero si no se controlan, impregnar\u00e1n el dise\u00f1o del almac\u00e9n de datos y pueden explotar fuera de proporci\u00f3n m\u00e1s adelante.<\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">He aqu\u00ed algunos ejemplos sencillos de problemas que la elaboraci\u00f3n de perfiles de datos puede ayudar a descubrir:<\/span><\/p>\n<table>\n<tbody>\n<tr>\n<td><b>Problema de calidad de los datos<\/b><\/td>\n<td><b>Ejemplo<\/b><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Valor no v\u00e1lido<\/span><\/td>\n<td><span style=\"font-weight: 400;\">El valor v\u00e1lido puede ser \u00ab1\u00bb o \u00ab2\u00bb, pero el valor actual es \u00ab3\u00bb<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Conformidad con las normas culturales<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Fecha = 1 de febrero de 2018 o 1-1-18 o 2-1-2018<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Valor fuera del rango requerido<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Edad del cliente = 204<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Verificaci\u00f3n <\/span><\/td>\n<td><span style=\"font-weight: 400;\">La ciudad y el estado no se corresponden con el c\u00f3digo postal<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Incongruencia de formatos<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Tel\u00e9fono = +135432524 o (001)02325355<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2><\/h2>\n<h2><span style=\"font-weight: 400;\">Calidad de datos: Comprender las causas de los errores en la calidad de los datos<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">\u00bfHa terminado de perfilar los datos y est\u00e1 listo para pasar a mejorar la calidad de los mismos? No tan r\u00e1pido. La elaboraci\u00f3n de perfiles de datos es un proceso continuo de descubrimiento. Establezca una cultura orientada a la calidad en su organizaci\u00f3n recompensando a las personas que encuentren y comuniquen problemas en los datos; <\/span><br \/>\n<span style=\"font-weight: 400;\">como hacen los fabricantes japoneses en la industria del autom\u00f3vil<\/span><br \/>\n<span style=\"font-weight: 400;\">. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Una vez que tenga una idea justa de la calidad de sus datos, empiece a redise\u00f1ar los procesos para mejorar la calidad de los datos, mientras que la elaboraci\u00f3n de perfiles se realiza continuamente en todos los niveles de la organizaci\u00f3n, desde los operadores de entrada de datos de primera l\u00ednea hasta los ejecutivos de m\u00e1s alto nivel que utilizan los an\u00e1lisis. Ser\u00e1 necesario realizar cambios en el sistema de origen, pero hay que tratarlos con delicadeza, equilibrando la implementaci\u00f3n a nivel t\u00e9cnico y operativo mediante la implicaci\u00f3n tanto de la empresa como del departamento de TI. A menos que su organizaci\u00f3n ya cuente con un sistema de gesti\u00f3n de datos maestros (MDM) que contenga copias maestras de todos los datos, querr\u00e1 que su almac\u00e9n de datos acabe sirviendo de MDM. Esto significa que es necesario limpiar, persistir, conformar y <a href=\"https:\/\/dataladder.com\/es\/software-de-deduplicacion-de-datos-utilice-reglas-integradas-y-personalizadas-para-la-deduplicacion-de-crm\/\">desduplicar<\/a> numerosos conjuntos de datos en toda la organizaci\u00f3n en el almac\u00e9n de datos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">El primer paso para mejorar la calidad de los datos una vez perfilados es una serie de pruebas incorporadas en cualquier punto del proceso de integraci\u00f3n de datos. Las pruebas podr\u00edan referirse a una serie de reglas de negocio u operaciones matem\u00e1ticas para validar sus datos, por ejemplo. M\u00e1s adelante trataremos esta parte con m\u00e1s detalle. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Si un conjunto de datos supera las pruebas, est\u00e1 limpio y puede trasladarse al almac\u00e9n de datos de producci\u00f3n para su modelado. Si no es as\u00ed, su proceso de <a href=\"https:\/\/dataladder.com\/es\/software-de-validacion-de-datos-como-asegurarse-de-que-los-datos-introducidos-son-validos-y-no-presentan-errores\/\">validaci\u00f3n de datos<\/a> deber\u00eda ser capaz de hacerlo:<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Crear un registro de eventos de error, y<\/span>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">O bien detener el proceso<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">O suspender los datos err\u00f3neos<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">O simplemente etiquetar los datos<\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<h3><span style=\"font-weight: 400;\">Pruebas de calidad de los datos<\/span><\/h3>\n<p><span style=\"font-weight: 400;\">En t\u00e9rminos de arquitectura, todas las pruebas de calidad de datos est\u00e1n estructuradas de forma similar, pero difieren en su alcance. Veamos las categor\u00edas de calidad de datos definidas por <\/span><a href=\"https:\/\/www.researchgate.net\/publication\/220688820_Data_Quality_The_Accuracy_Dimension\" rel=\"nofollow\"><br \/>\n<span style=\"font-weight: 400;\">Jack Olsen en su libro \u00abData Quality: La dimensi\u00f3n de la exactitud\u00bb<\/span><br \/>\n<\/a><span style=\"font-weight: 400;\">:<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Pruebas a nivel de columna<\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">Los datos se comprueban a un nivel muy granular, dentro de una sola columna. Las reglas de calidad de datos que pueden aplicarse en esta fase incluyen la comprobaci\u00f3n de si el valor es nulo, pertenece a una lista fija y finita, se encuentra dentro de un rango especificado, se ajusta a los patrones de campo especificados en la base de datos, no forma parte de listas de exclusi\u00f3n y pasa la comprobaci\u00f3n ortogr\u00e1fica b\u00e1sica.<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Pruebas a nivel de estructura<\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">Este tipo de prueba comprueba las relaciones de los datos en varias columnas. Por ejemplo, los campos de las columnas pueden comprobarse para verificar una jerarqu\u00eda, como una relaci\u00f3n de uno a muchos. Tambi\u00e9n se comprueban las relaciones de clave for\u00e1nea y primaria. Cada campo de una columna espec\u00edfica puede comprobarse con otra columna para verificar algo como las direcciones postales.<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Pruebas de reglas de negocio<\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">Las pruebas complejas se realizan mediante <\/span><span style=\"font-weight: 400;\">la creaci\u00f3n de reglas de negocio<\/span><span style=\"font-weight: 400;\">. Este tipo de pruebas puede consistir en algo as\u00ed como la comprobaci\u00f3n de la elegibilidad de un cliente de una aerol\u00ednea y su condici\u00f3n de Miembro Platino, verificando que sus millas de viajero frecuente superan los 2 millones y que el cliente ha sido miembro regular durante al menos 5 a\u00f1os para poder optar a la condici\u00f3n de Platino.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Con estas medidas, podemos empezar a actuar:<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Rechazar los datos y excluirlos del almac\u00e9n de datos si los errores son demasiado graves para ser reparados<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Aceptar los datos cuando los errores est\u00e1n dentro de los l\u00edmites tolerables, despu\u00e9s de transmitirlo a los usuarios de la empresa<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Fijar los datos cuando el error se puede arreglar sobre la marcha, por ejemplo, cuando hay varias versiones de la misma entidad de cliente, se puede designar una como registro maestro<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Asigne un valor por defecto como \u00abNo disponible\u00bb cuando no pueda dejar un campo en blanco <\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">La acci\u00f3n que debe realizar variar\u00e1 en funci\u00f3n del tipo de datos con los que trabaje, y normalmente es responsabilidad del departamento de negocio que trabaja con un tipo espec\u00edfico de conjunto de datos. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Tenga en cuenta que todas las medidas que hemos analizado hasta ahora se centran en la mejora de la calidad de los datos existentes, en lugar de abordar la causa principal, que suele estar en el punto en el que los empleados de primera l\u00ednea introducen los datos en el sistema transaccional. Si realmente se invierte en la mejora de la calidad de los datos, tambi\u00e9n ser\u00e1 necesario implementar reglas que mejoren la calidad de los datos que se introducen. Por ejemplo, en una entidad financiera, la direcci\u00f3n puede darse cuenta de que los n\u00fameros de la seguridad social de los clientes suelen dejarse en blanco o introducirse incorrectamente. Podr\u00edan optar por aplicar una regla que haga que el valor del campo sea \u00abobligatorio\u00bb en un formato espec\u00edfico para los n\u00fameros de la seguridad social (<\/span><span style=\"font-weight: 400;\">AAA-GG-SSSS) <\/span><span style=\"font-weight: 400;\">mientras que se rechazan las entradas sin sentido como 999-99-9999.<\/span><\/p>\n<h2><span style=\"font-weight: 400;\">Integraci\u00f3n de datos: Reunir datos de diferentes fuentes para mejorar la calidad<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">La integraci\u00f3n de datos como metodolog\u00eda es diferente, pero en el contexto de la calidad de los datos, se refiere a la integraci\u00f3n de datos sobre la misma entidad en diferentes sistemas. Por ejemplo, la informaci\u00f3n sobre un producto espec\u00edfico puede encontrarse en su base de datos de Estados Unidos, pero el mismo producto puede venderse tambi\u00e9n en diferentes pa\u00edses, lo que significa que los registros del mismo producto est\u00e1n repartidos en diferentes bases de datos con respecto a la regi\u00f3n. En cada regi\u00f3n, el producto puede venderse con un nombre diferente, bajo una marca distinta y con diferentes patrones utilizados para describir la informaci\u00f3n en los registros de la base de datos. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Al construir su almac\u00e9n de datos, tendr\u00eda que integrar todas estas piezas de informaci\u00f3n dispares en m\u00faltiples bases de datos para formar una vista maestra que pueda utilizarse para la elaboraci\u00f3n de informes. Veamos un ejemplo:<\/span><\/p>\n<table>\n<tbody>\n<tr>\n<td><b>Datos originales<\/b><\/td>\n<td><b>Datos despu\u00e9s de la normalizaci\u00f3n<\/b><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">BMI Corp<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Corporaci\u00f3n BMI<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">BMI Inc.<\/span><\/td>\n<td><span style=\"font-weight: 400;\">BMI Incorporated<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">BMI Co.<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Empresa BMI<\/span><\/td>\n<\/tr>\n<tr>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">MR JOHN DEERE<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Sr. John Deere<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Se\u00f1or Jonathan Deere<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Sr. John Deere<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Se\u00f1or John DEERe<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Sr. John Deere<\/span><\/td>\n<\/tr>\n<tr>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">#(222)0202020 ext120<\/span><\/td>\n<td><span style=\"font-weight: 400;\">222-020-2020 ext 120<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">2220202020 x120<\/span><\/td>\n<td><span style=\"font-weight: 400;\">222-020-2020 ext 120<\/span><\/td>\n<\/tr>\n<tr>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Sal nacional<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Compa\u00f1\u00eda Nacional de Sal<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">NSC<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Compa\u00f1\u00eda Nacional de Sal<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">N. Sal<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Compa\u00f1\u00eda Nacional de Sal<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Nacional S.<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Compa\u00f1\u00eda Nacional de Sal<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><span style=\"font-weight: 400;\">Utilizando nuestro ejemplo original de cliente y producto, la integraci\u00f3n de datos de esta manera gira en torno a dos procesos importantes:<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Reconocer si la misma entidad cliente existe en ambas fuentes<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Combinar los datos de los clientes para obtener una visi\u00f3n consolidada de la tabla de productos<\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">Cuando se trata de encontrar si dos entidades est\u00e1n vinculadas, se puede empezar con un campo com\u00fan que probablemente exista en el mismo patr\u00f3n en todos los sistemas. Para la entidad del cliente, este campo podr\u00eda ser el n\u00famero de identificaci\u00f3n fiscal. Si existe el mismo n\u00famero de identificaci\u00f3n fiscal para los registros de los clientes en diferentes, acaba de identificar lo que es com\u00fan de una manera muy eficiente. Sin embargo, rara vez tenemos la suerte de contar con soluciones tan sencillas en el mundo de las bases de datos. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Si no se puede encontrar un campo com\u00fan, habr\u00eda que cotejar toda la informaci\u00f3n disponible del producto en las tablas para determinar si existe la misma entidad de cliente entre dos sistemas. Las herramientas modernas de gesti\u00f3n de la calidad de los datos automatizan este tipo de trabajo, que antes llevaba a los expertos en la materia horas de b\u00fasqueda de enlaces en filas y tablas. Llevemos este ejemplo m\u00e1s lejos y veamos c\u00f3mo podr\u00eda coincidir la informaci\u00f3n del producto. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Digamos que su base de datos de Estados Unidos contiene la marca, la descripci\u00f3n del producto y el n\u00famero de identificaci\u00f3n del producto, todo en un campo, en diferentes patrones. En el Reino Unido, por ejemplo, la base de datos s\u00f3lo registra la descripci\u00f3n del producto, pero tambi\u00e9n con distintos patrones seg\u00fan qui\u00e9n los haya introducido. Un <\/span><a href=\"https:\/\/dataladder.com\/es\/productos\/datamatch-enterprise-calificado-como-el-producto-numero-uno-para-la-gestion-de-la-calidad-de-los-datos\/\"><br \/>\n<span style=\"font-weight: 400;\">herramienta de calidad de datos automatizada<\/span><br \/>\n<\/a><span style=\"font-weight: 400;\"> podr\u00eda determinar la homogeneidad mediante:<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">An\u00e1lisis de la descripci\u00f3n del producto de la base de datos de EE.UU. y el Reino Unido en atributos individuales y clasificaci\u00f3n por marca<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Aplicar operaciones a los nombres de las marcas para que sean coherentes<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Correcci\u00f3n de las diferencias en el registro de los atributos de los productos<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Utilizar la l\u00f3gica <a href=\"https:\/\/dataladder.com\/es\/comparacion-difusa-101-limpieza-y-vinculacion-de-datos-desordenados\/\">difusa<\/a> para hacer coincidir los atributos de los productos en ambas bases de datos<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Mostrar informes de los productos que coinciden y vincularlos a una entidad del cliente<\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">Utilizar la integraci\u00f3n de datos de este modo ha ahorrado a las empresas toneladas de horas de trabajo al a\u00f1o. La mejor manera de hacerlo al construir su almac\u00e9n de datos es <\/span><span style=\"font-weight: 400;\">poner una soluci\u00f3n completa de <a href=\"https:\/\/dataladder.com\/es\/software-de-limpieza-de-datos-herramienta-de-limpieza-de-datos-crm-rapida-y-rentable\/\">limpieza de datos<\/a> basada en la API y de <a href=\"https:\/\/dataladder.com\/es\/software-de-comparacion-de-datos-calificado-como-el-mejor-de-su-clase-con-una-precision-de-coincidencia-del-96\/\">correspondencia<\/a> entre el origen y el destino.<\/span><\/p>\n<h2><span style=\"font-weight: 400;\">Aumento de datos: A\u00f1adir valor a los datos para aumentar su utilidad<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">A estas alturas, ya hemos realizado un perfil de datos, hemos analizado las causas de la calidad de los datos y las medidas que hay que tomar, y hemos comprobado c\u00f3mo la integraci\u00f3n de los datos en m\u00faltiples fuentes para determinar lo que es com\u00fan a\u00f1ade valor. El \u00faltimo paso natural para completar el ciclo de calidad de los datos es buscar formas de aumentar los datos de las entidades existentes con datos de fuentes externas, fuera de nuestras propias bases de datos. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">En el caso de entidades como Cliente, el aumento de datos de este tipo es muy com\u00fan. Su aplicaci\u00f3n de automatizaci\u00f3n del marketing podr\u00eda, por ejemplo, contener informaci\u00f3n valiosa sobre los clientes que podr\u00eda utilizarse para aumentar los registros en el almac\u00e9n de datos. La informaci\u00f3n adicional ayudar\u00e1 a su empresa a orientar mejor sus ofertas de productos al proporcionar oportunidades de segmentaci\u00f3n m\u00e1s profundas.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">La siguiente tabla ofrece un ejemplo de los tipos de datos que pueden obtenerse de fuentes externas para aumentar el registro maestro:<\/span><\/p>\n<table>\n<tbody>\n<tr>\n<td><span style=\"font-weight: 400;\">Estado<\/span><\/td>\n<td><span style=\"font-weight: 400;\">CL<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Ciudad<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Mover<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">ZIP<\/span><\/td>\n<td><span style=\"font-weight: 400;\">65464<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">ZIP+4<\/span><\/td>\n<td><span style=\"font-weight: 400;\">3234<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Identificaci\u00f3n de la entrega<\/span><\/td>\n<td><span style=\"font-weight: 400;\">3<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Identificaci\u00f3n de la ruta<\/span><\/td>\n<td><span style=\"font-weight: 400;\">4<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Direcci\u00f3n<\/span><\/td>\n<td><span style=\"font-weight: 400;\">6546 House Way<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">N\u00famero de casa<\/span><\/td>\n<td><span style=\"font-weight: 400;\">6546<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Calle<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Camino de la casa<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Tipo de calle<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Camino<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Identificaci\u00f3n del condado<\/span><\/td>\n<td><span style=\"font-weight: 400;\">635<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Nombre del condado<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Brillo<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Distrito<\/span><\/td>\n<td><span style=\"font-weight: 400;\">47<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Tipo de registro<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Personal<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Latitud<\/span><\/td>\n<td><span style=\"font-weight: 400;\">35.4685<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Longitud<\/span><\/td>\n<td><span style=\"font-weight: 400;\">64.2334<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Grupo de Censos<\/span><\/td>\n<td><span style=\"font-weight: 400;\">35632165<\/span><\/td>\n<\/tr>\n<tr>\n<td><span style=\"font-weight: 400;\">Zona censal<\/span><\/td>\n<td><span style=\"font-weight: 400;\">35<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><span style=\"font-weight: 400;\">En los datos del ejemplo anterior, una empresa podr\u00eda examinar la direcci\u00f3n y los <a href=\"https:\/\/dataladder.com\/es\/que-es-un-codigo-postal-y-por-que-es-importante-para-la-verificacion-y-validacion-de-la-direccion\/\">c\u00f3digos postales<\/a> y el <a href=\"https:\/\/dataladder.com\/es\/zip-mas-4-mas-2-es-igual-a-zip-mas-6\/\">c\u00f3digo ZIP+4<\/a> para determinar si el cliente pertenece a un segmento de viviendas espec\u00edfico. Por ejemplo, las casas de una determinada regi\u00f3n que tienen c\u00f3digos ZIP+4 se construyeron en los a\u00f1os 80 y ten\u00edan 2500 pies cuadrados. Esta informaci\u00f3n podr\u00eda utilizarse para dirigir determinadas ofertas de productos a todos esos clientes. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Aunque lo anterior es s\u00f3lo un ejemplo, en realidad, el aumento de datos utilizando el campo de la direcci\u00f3n para construir la correlaci\u00f3n es com\u00fan. Los datos de los productos son otro ejemplo de datos que se utilizan con fines de aumento. Los patrones de compra, especialmente cuando se construyen modelos predictivos, pueden determinarse utilizando correlaciones en los datos de los productos con otros datos aumentados. Otro ejemplo de aumento de datos puede verse en el caso del fabricante. Como fabricante, s\u00f3lo sabe qu\u00e9 y cu\u00e1nto vende a los minoristas o mayoristas, pero no la cantidad real de producto vendido al cliente final. Empresas de investigaci\u00f3n como Nielsen proporcionan datos de este tipo, que los fabricantes compran para conocer mejor los patrones de venta y as\u00ed poder mejorar su oferta de productos y su estrategia en t\u00e9rminos de inventario y entrega de productos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Aunque no est\u00e1 directamente vinculado a la calidad de los datos en su esencia, el aumento de los datos deber\u00eda ser el \u00faltimo paso natural si est\u00e1 construyendo un marco de gesti\u00f3n intensiva de la calidad de los datos en su organizaci\u00f3n. <\/span><\/p>\n<h1><span style=\"font-weight: 400;\">Conclusi\u00f3n: Construir capacidades anal\u00edticas fiables y precisas con calidad de datos<\/span><\/h1>\n<p><span style=\"font-weight: 400;\">El prop\u00f3sito de cualquier iniciativa de almacenamiento de datos es proporcionar inteligencia empresarial, y ese prop\u00f3sito se ve frustrado si no se presta suficiente atenci\u00f3n a la creaci\u00f3n de un marco de calidad de datos completo, con el resultado final de an\u00e1lisis inexactos y, por tanto, malas decisiones.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Utilice el marco de calidad de datos aqu\u00ed descrito como base para construir sus propios procesos. Hay que centrarse en a\u00f1adir valor a los datos existentes como sea, en lugar de limitarse a corregir los errores de los datos de producci\u00f3n y seguir adelante.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Los datos defectuosos son la causa de que muchos proyectos de almacenamiento de datos no den resultados; de hecho, la calidad de los datos en los almacenes de datos sigue siendo un reto importante para muchas empresas. La principal causa de los datos err\u00f3neos es la integraci\u00f3n de los datos de varios sistemas, pero esta [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":58194,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[1212,1271],"tags":[995,543],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>\u00bfQu\u00e9 significa la calidad de datos para su almac\u00e9n de datos? - Data Ladder<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u00bfQu\u00e9 significa la calidad de datos para su almac\u00e9n de datos? - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Los datos defectuosos son la causa de que muchos proyectos de almacenamiento de datos no den resultados; de hecho, la calidad de los datos en los almacenes de datos sigue siendo un reto importante para muchas empresas. La principal causa de los datos err\u00f3neos es la integraci\u00f3n de los datos de varios sistemas, pero esta [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/\" \/>\n<meta property=\"og:site_name\" content=\"Data Ladder\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/web.facebook.com\/DataLadderSoftware\" \/>\n<meta property=\"article:published_time\" content=\"2019-07-29T04:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-03-17T10:48:54+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/DL-F_DME-Main-Banner-OP-1-Graphic.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1747\" \/>\n\t<meta property=\"og:image:height\" content=\"1405\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"lbarrera\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"lbarrera\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"16 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"\u00bfQu\u00e9 significa la calidad de datos para su almac\u00e9n de datos?\",\"datePublished\":\"2019-07-29T04:00:00+00:00\",\"dateModified\":\"2022-03-17T10:48:54+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/\"},\"wordCount\":3709,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/es\/#organization\"},\"keywords\":[\"almac\u00e9n de datos\",\"calidad de los datos\"],\"articleSection\":[\"Data quality management\",\"Gesti\u00f3n de la calidad de los datos\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/\",\"url\":\"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/\",\"name\":\"\u00bfQu\u00e9 significa la calidad de datos para su almac\u00e9n de datos? - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/#website\"},\"datePublished\":\"2019-07-29T04:00:00+00:00\",\"dateModified\":\"2022-03-17T10:48:54+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/es\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"\u00bfQu\u00e9 significa la calidad de datos para su almac\u00e9n de datos?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/dataladder.com\/es\/#website\",\"url\":\"https:\/\/dataladder.com\/es\/\",\"name\":\"Data Ladder\",\"description\":\"Enterprise Data Profiling, Cleansing, and Matching\",\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/es\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/dataladder.com\/es\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/dataladder.com\/es\/#organization\",\"name\":\"Data Ladder\",\"url\":\"https:\/\/dataladder.com\/es\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"contentUrl\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"width\":413,\"height\":408,\"caption\":\"Data Ladder\"},\"image\":{\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/company\/dataladder-llc\/\",\"https:\/\/web.facebook.com\/DataLadderSoftware\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\",\"name\":\"lbarrera\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"caption\":\"lbarrera\"},\"url\":\"https:\/\/dataladder.com\/es\/author\/lbarrera\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"\u00bfQu\u00e9 significa la calidad de datos para su almac\u00e9n de datos? - Data Ladder","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/","og_locale":"es_ES","og_type":"article","og_title":"\u00bfQu\u00e9 significa la calidad de datos para su almac\u00e9n de datos? - Data Ladder","og_description":"Los datos defectuosos son la causa de que muchos proyectos de almacenamiento de datos no den resultados; de hecho, la calidad de los datos en los almacenes de datos sigue siendo un reto importante para muchas empresas. La principal causa de los datos err\u00f3neos es la integraci\u00f3n de los datos de varios sistemas, pero esta [&hellip;]","og_url":"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2019-07-29T04:00:00+00:00","article_modified_time":"2022-03-17T10:48:54+00:00","og_image":[{"width":1747,"height":1405,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/DL-F_DME-Main-Banner-OP-1-Graphic.png","type":"image\/png"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"lbarrera","Tiempo de lectura":"16 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"\u00bfQu\u00e9 significa la calidad de datos para su almac\u00e9n de datos?","datePublished":"2019-07-29T04:00:00+00:00","dateModified":"2022-03-17T10:48:54+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/"},"wordCount":3709,"publisher":{"@id":"https:\/\/dataladder.com\/es\/#organization"},"keywords":["almac\u00e9n de datos","calidad de los datos"],"articleSection":["Data quality management","Gesti\u00f3n de la calidad de los datos"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/","url":"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/","name":"\u00bfQu\u00e9 significa la calidad de datos para su almac\u00e9n de datos? - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/#website"},"datePublished":"2019-07-29T04:00:00+00:00","dateModified":"2022-03-17T10:48:54+00:00","breadcrumb":{"@id":"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/es\/que-significa-la-calidad-de-datos-para-su-almacen-de-datos\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/es\/"},{"@type":"ListItem","position":2,"name":"\u00bfQu\u00e9 significa la calidad de datos para su almac\u00e9n de datos?"}]},{"@type":"WebSite","@id":"https:\/\/dataladder.com\/es\/#website","url":"https:\/\/dataladder.com\/es\/","name":"Data Ladder","description":"Enterprise Data Profiling, Cleansing, and Matching","publisher":{"@id":"https:\/\/dataladder.com\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/dataladder.com\/es\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/dataladder.com\/es\/#organization","name":"Data Ladder","url":"https:\/\/dataladder.com\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/","url":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","contentUrl":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","width":413,"height":408,"caption":"Data Ladder"},"image":{"@id":"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/dataladder-llc\/","https:\/\/web.facebook.com\/DataLadderSoftware"]},{"@type":"Person","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b","name":"lbarrera","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","caption":"lbarrera"},"url":"https:\/\/dataladder.com\/es\/author\/lbarrera\/"}]}},"modified_by":null,"_links":{"self":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63150"}],"collection":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/comments?post=63150"}],"version-history":[{"count":2,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63150\/revisions"}],"predecessor-version":[{"id":66449,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63150\/revisions\/66449"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media\/58194"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media?parent=63150"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/categories?post=63150"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/tags?post=63150"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}