Temas de datos

El Cuerpo de Conocimiento de Gestión de Datos (DMBOK) define la Calidad de datos (DQ) como «la planificación, implementación y control de actividades que aplican técnicas de gestión de calidad a los datos, con el fin de garantizar que sean aptos para el consumo y satisfagan las necesidades de los consumidores de datos.»

Dado que las expectativas sobre la Calidad de los Datos no siempre se verbalizan y conocen, se necesita una discusión continua. La calidad de los datos depende del contexto y de los requisitos del consumidor de datos.

Una Breve Lista de Dimensiones de Calidad de Datos son:

• Precisión
• Integridad
• Consistencia
• Integridad
• Razonabilidad
• Actualidad
• Singularidad/Deduplicación
• Validez
• Accesibilidad

Otras Definiciones de Calidad de Datos Incluyen:

• «Ajuste para un propósito. Cumple con los requisitos de sus autores, usuarios y administradores.»(Dr. Peter Aiken, adaptado de Martin Eppler)
• » Confianza en la precisión, consistencia e integridad de los datos para ser útiles en toda la empresa.»(Michelle Knight)
• Herramientas y procesos utilizados para análisis y estandarización, «limpieza» generalizada, emparejamiento, perfilado, monitoreo y enriquecimiento (Gartner)

• Marco Strong-Wang: (Wang, y Strong, MIT y DAMA DMBOK)
  • DQ intrínseco:
    • Precisión
    • Objetividad
    • Credibilidad
    • Reputación
  • DQ contextual:
    • Valor añadido
    • Relevancia
    • Exhaustividad
    • Cantidad adecuada de datos
  • DQ Representativo:
    • Interpretabilidad
    • Facilidad de comprensión
    • Representación de consistencia
    • representación Concisa
  • Accesibilidad DQ:
    • Accesibilidad
    • Seguridad de Acceso

Algunos de los Usos de la Calidad de los Datos son:

• Aumentar el valor de los datos de la organización y de las oportunidades para usar.
• Reducir el riesgo y los costos asociados con datos de mala calidad.
• Mejorar la eficiencia y productividad de la organización.
• Proteger y mejorar la reputación de la organización.
• Creación de perfiles de datos.
• Estandarización de datos.
• Monitoreo de datos.
• Limpieza de datos.

Crédito de la foto: Rawpixel.com/.com