{"id":68357,"date":"2022-05-23T07:11:12","date_gmt":"2022-05-23T11:11:12","guid":{"rendered":"https:\/\/dataladder.com\/los-12-problemas-de-calidad-de-datos-mas-comunes-y-su-origen\/"},"modified":"2022-10-31T12:44:29","modified_gmt":"2022-10-31T12:44:29","slug":"los-12-problemas-de-calidad-de-datos-mas-comunes-y-su-origen","status":"publish","type":"post","link":"https:\/\/dataladder.com\/es\/los-12-problemas-de-calidad-de-datos-mas-comunes-y-su-origen\/","title":{"rendered":"Los 12 problemas de calidad de datos m\u00e1s comunes y su origen"},"content":{"rendered":"\n

Seg\u00fan el informe de O’Reilly sobre El estado de la calidad de los datos 2020<\/a>, el 56% de las organizaciones se enfrentan a al menos cuatro tipos diferentes de problemas de calidad de datos, mientras que el 71% se enfrenta a al menos tres tipos diferentes. Las organizaciones dedican mucho tiempo y recursos al dise\u00f1o de marcos de calidad de datos y a la resoluci\u00f3n de problemas de calidad de datos. Pero para obtener buenos resultados, es importante que entiendan la naturaleza exacta de estos problemas e identifiquen c\u00f3mo acaban en el sistema en primer lugar.<\/p>\n\n

En este blog, examinaremos algunos problemas generales de calidad de datos que existen en todos los conjuntos de datos, y tambi\u00e9n destacaremos las formas m\u00e1s comunes en las que pueden aparecer en su base de datos.<\/p>\n\n

Empecemos.<\/p>\n\n

\u00bfQu\u00e9 es un problema de calidad de datos?<\/h2>\n\n

Un problema de calidad de datos se refiere a la presencia de un defecto intolerable en un conjunto de datos, de tal manera que reduce la fiabilidad y confiabilidad de los mismos.<\/strong><\/p>\n\n

Los datos almacenados en fuentes dispares est\u00e1n destinados a contener problemas de calidad de datos. Estos problemas pueden introducirse en el sistema debido a una serie de razones, como errores humanos, datos incorrectos, informaci\u00f3n obsoleta o falta de conocimientos sobre datos en la organizaci\u00f3n. Dado que los datos alimentan las funciones cr\u00edticas de la empresa, estos problemas pueden causar algunos riesgos y da\u00f1os graves<\/a> a la empresa.<\/p>\n\n

La necesidad de aprovechar los datos de calidad en todos los procesos empresariales es bastante evidente. Los l\u00edderes est\u00e1n invirtiendo en la contrataci\u00f3n de equipos de calidad de<\/a> datos porque quieren que las personas sean responsables de alcanzar y mantener la calidad de los datos. Adem\u00e1s, se dise\u00f1an<\/a> complejos marcos de calidad de datos<\/a> y se adopta tecnolog\u00eda avanzada <\/a>para garantizar una gesti\u00f3n<\/a> r\u00e1pida y precisa de la calidad de los datos<\/a>. Todos estos esfuerzos se realizan con la esperanza de hacer realidad el sue\u00f1o de los datos limpios<\/em>.<\/p>\n\n

Pero nada de esto puede ser posible sin entender qu\u00e9 es lo que contamina los datos en primer lugar y de d\u00f3nde viene exactamente.<\/p>\n\n

Los 12 principales problemas de calidad de datos a los que se enfrentan las empresas<\/h2>\n\n

Recientemente revis\u00e9 algunas notas de clientes y reun\u00ed una lista de los 12 principales problemas de calidad de datos que suelen estar presentes en los datos organizativos de una empresa. Echemos un vistazo a esta lista.<\/p>\n\n

Problema#01: Falta de unicidad de los registros<\/h3>\n\n

Una organizaci\u00f3n media con 200-500 empleados utiliza actualmente unas 123 aplicaciones SaaS <\/a>. La gran cantidad y variedad de aplicaciones utilizadas para capturar, gestionar, almacenar y utilizar los datos es la principal raz\u00f3n de la mala calidad de los mismos. Y el problema m\u00e1s com\u00fan que se produce en estas situaciones es que se acaban almacenando varios registros para la misma entidad.<\/p>\n\n

Por ejemplo, todas las interacciones que un cliente tiene con su marca durante su viaje de compra se registran en alg\u00fan lugar de una base de datos. Estos registros pueden provenir de sitios web, formularios de p\u00e1ginas de aterrizaje, publicidad en redes sociales, registros de ventas, registros de facturaci\u00f3n, registros de marketing, registros de puntos de compra y otras \u00e1reas similares. Si no hay una forma sistem\u00e1tica de identificar las identidades de los clientes y de fusionar la informaci\u00f3n nueva con la existente, puede acabar habiendo duplicados en todos sus conjuntos de datos.<\/p>\n\n

Y para solucionar la duplicaci\u00f3n, tendr\u00e1 que ejecutar algoritmos avanzados de coincidencia de datos<\/a> que comparen dos o m\u00e1s registros y calculen la probabilidad de que pertenezcan a la misma entidad.<\/p>\n\r\n

\r\n
\r\n
\r\n
\r\n
\r\n

How to build a unified, 360 customer view<\/h1>\r\n

Download this whitepaper to learn about why it\u2019s important to consolidate your data to get a 360 view.<\/p>\r\n Download<\/a>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n\r\n <\/div>\r\n <\/div>\n\n

Problema#02: falta de restricciones en las relaciones<\/h3>\n\n

Un conjunto de datos suele hacer referencia a varios activos de datos. Pero cuando no se define ni se aplica ninguna relaci\u00f3n entre dos o m\u00e1s activos de datos distintos, se puede acabar con mucha informaci\u00f3n incorrecta e incompleta.<\/p>\n\n

Considere este escenario como ejemplo: Su portal de clientes contiene registros de los nuevos negocios<\/em> que gan\u00f3 este a\u00f1o, as\u00ed como de los clientes existentes<\/em> que se actualizaron desde el a\u00f1o pasado. Aparte de la informaci\u00f3n b\u00e1sica del cliente, hay definitivamente algunos campos de cliente que s\u00f3lo son aplicables para una Nueva Empresa <\/em>y otros que s\u00f3lo funcionan para un Nuevo Cliente<\/em>. Puede manejar ambos escenarios con el mismo modelo de datos generalizado, pero puede abrir las puertas a muchos problemas de calidad de datos, como la falta de informaci\u00f3n necesaria, as\u00ed como informaci\u00f3n ambigua o incorrecta en los registros de los clientes.<\/p>\n\n

Para manejar este tipo de escenarios, siempre hay que crear modelos de datos espec\u00edficos y reforzar las relaciones entre ellos. Al imponer una relaci\u00f3n padre\/hijo (supertipo\/subtipo) entre las entidades, est\u00e1 facilitando la captura, actualizaci\u00f3n y comprensi\u00f3n de los datos a quienes se ocupan de esta informaci\u00f3n. V\u00e9ase el siguiente diagrama ERD como ejemplo. Los campos b\u00e1sicos de Cliente se mantienen separados de sus subtipos hijos, es decir, Nuevo Negocio<\/em> y Cliente Existente<\/em>.<\/p>\n\n

Problema#03: Falta de integridad referencial<\/h3>\n\n

La integridad referencial significa que los registros de datos son fieles a su hom\u00f3logo de referencia. Para entender los problemas producidos por la falta de integridad referencial, consideremos el ejemplo de una empresa minorista. Una empresa de venta al por menor probablemente almacena sus registros de ventas en una tabla de Ventas <\/em>, y cada registro menciona qu\u00e9 producto se vendi\u00f3 cuando se realiz\u00f3 esa venta. Por lo tanto, es probable que espere encontrar IDs de ventas<\/em> as\u00ed como IDs de productos<\/em> en la tabla de ventas <\/em>. Pero si un registro de ventas <\/em>hace referencia a IDs de productos<\/em> que no existen en la tabla de productos <\/em>, es obvio que sus conjuntos de datos carecen de integridad referencial.<\/p>\n\n

Estos problemas pueden llevar a sus equipos a crear informes incorrectos, enviar productos incorrectos o enviar productos a clientes que no existen, etc.<\/p>\n\n

Problema#04: Falta de cardinalidad de las relaciones<\/h3>\n\n

La cardinalidad de la relaci\u00f3n se refiere al n\u00famero m\u00e1ximo de relaciones que dos entidades pueden tener entre s\u00ed. Normalmente, se pueden crear diferentes tipos de relaciones entre los objetos de datos, dependiendo de c\u00f3mo se permitan las transacciones comerciales en una empresa.<\/p>\n\n

Considere los siguientes ejemplos para comprender la cardinalidad entre diferentes objetos de datos, como Cliente<\/em>, Compra<\/em>, Ubicaci\u00f3n<\/em> y Producto<\/em>:<\/p>\n\n