La calidad de los datos mide su idoneidad para el uso previsto. Deben ser precisos, completos, consistentes, oportunos y válidos. Los datos defectuosos pueden presentarse de diversas formas: un valor faltante, un registro duplicado, una fecha con formato incorrecto o una dirección inexistente. Cada defecto tiene un costo. Una campaña de marketing envía correo a direcciones inexistentes. Un informe financiero sobreestima los ingresos debido a duplicados. Un modelo de aprendizaje automático realiza predicciones sesgadas porque los datos de entrenamiento estaban incompletos.

La calidad de los datos no es una solución puntual, sino una práctica constante. Defina las dimensiones de calidad para cada conjunto de datos y mídalas periódicamente. Establezca umbrales de calidad aceptables e investigue cuando los valores disminuyan. Las causas principales suelen ser problemas de proceso, no de tecnología. La entrada de datos sin validación genera errores. Los sistemas que no comparten un identificador de cliente común crean duplicados. Los procesos que permiten registros incompletos generan lagunas. Corregir el proceso previene los errores. Corregir los datos sin corregir el proceso implica que los errores reaparecen. Las herramientas de calidad de datos ayudan con la elaboración de perfiles, la limpieza y el monitoreo, pero no sustituyen la responsabilidad. Alguien debe ser responsable de cada conjunto de datos. Sin esa responsabilidad, la calidad se deteriora. Siempre se deteriora.

Dimensiones de la calidad de los datos

• Precisión: los datos reflejan la realidad.
• Integridad: no faltan valores
• Consistencia: los mismos datos en todos los sistemas.
• Puntualidad: los datos están actualizados.
• Validez: los datos se ajustan a las reglas.
• Exclusividad: sin duplicados

La calidad de los datos es responsabilidad de todos. Cuando no es responsabilidad de nadie, fracasa.