¿Cómo se mide la precisión de datos? ¿Qué papel tiene en la estrategia y la operatividad de las empresas? Del mismo modo que un error de alineación puede hacer que un dardo no dé en el blanco, un pequeño error en los datos puede dar lugar a percepciones erróneas y estrategias equivocadas. Por eso, las empresas necesitan datos precisos para tomar decisiones empresariales fiables.
Pero como medir la precisión de datos no es sencillo, este artículo arrojará luz sobre lo que pueden hacer las empresas para mantenerla y hacer un seguimiento.
Precisión de datos: Índice
¿Qué es la precisión de datos?
La precisión de datos hace hincapié en la corrección, coherencia y fiabilidad de los datos de que dispone una organización. Es una de las seis dimensiones de la calidad de datos, y se centra en el grado en que éstos reflejan las condiciones reales de la empresa.
Con datos precisos, los líderes empresariales y de IT pueden impulsar el crecimiento, la rentabilidad y el rendimiento. Ayuda a las organizaciones con:
- Eficacia operativa
- Innovación
- Cumplimiento de la normativa
- Mayor satisfacción del cliente
Se considera que los datos son inexactos si son técnicamente incorrectos, tergiversados, insuficientes y poco claros. Algunos factores que pueden comprometer la exactitud de datos son los errores humanos (entradas duplicadas o erróneas) y los errores del sistema (oftware obsoleto, fallos).
He aquí un ejemplo del sector de los seguros de lo que puede ocurrir si no se controla la exactitud de datos:
En caso de inexactitud en los datos de asegurados, detalles de coberturas o el pago de primas, los proveedores de seguros pueden perder la confianza de los clientes. Como consecuencia, es probable que los clientes se den de baja o presenten demandas.
Controlando la exactitud de los datos, las empresas pueden evitar estas consecuencias negativas. Pero medirla presenta un obstáculo. Tradicionalmente, las empresas comparan los datos recopilados con la denominada “golden source” para medir la precisión de los datos. Sin embargo, los entornos complejos de datos hacen que encontrar un repositorio de datos sólido sea más complicado.
Por qué las empresas modernas luchan por medirla
Las organizaciones impulsadas por los datos se enfrentan al reto de identificar una “fuente de oro” porque operan en entornos de múltiples capas, combinando datos de diversas fuentes. Dada esta situación, puede que ni siquiera exista una fuente única definitiva a la que recurrir.
Se convierte en un ejercicio ineficaz, suponiendo que la única forma de medir la precisión de datos es contrastarlos con un punto de referencia inexistente.
El análisis de la precisión de datos consiste en determinar si estos valores están libres de anomalías. De esta forma, a las organizaciones les conviene hacer un seguimiento de datos inexactos. Deben basarse también en otras dimensiones de calidad para controlar el grado de precisión de sus datos actuales.
¿Buscas orientación sobre precisión de datos?
Infoverity te ayuda en el camino para convertirte en una empresa data-driven. Contacta con nosotros y descubre cómo medir la precisión de datos en tu negocio 
Habla hoy con uno de nuestros expertos.
Medir la precisión de datos siempre que sea posible
Definir el estado ideal de la precisión de datos proporciona una base de referencia. Por eso, la validación y verificación de datos y el seguimiento de otras dimensiones ayudan a perseguir la máxima precisión.
Estas son algunas alternativas para medir (y garantizar) la exactitud de los datos de forma más eficaz:
Perfilado de datos
Examinar los datos existentes para obtener una visión general e identificar irregularidades e incoherencias en los patrones. La elaboración de perfiles de datos sienta una base para implantar una estructura eficaz de supervisión en una empresa. La creación tradicional de perfiles de datos en suele ser un proceso tedioso, pero las herramientas de software, como Oracle Enterprise Data Quality, pueden acelerar las cosas y flexibilizar el proceso.
Verificación
Comprobación de la exactitud, calidad y coherencia antes de procesar, transferir o aprovechar los datos. Las empresas pueden utilizar herramientas de comprobación para automatizar las comprobaciones rutinarias de discrepancias y cumplimiento de formatos.
Validación
Garantizar que los conjuntos de datos se ajustan al rango, los tipos y la especificación de formato previstos. A medida que se generan o actualizan nuevos datos, estos deben analizarse en función de reglas o algoritmos predefinidos.
Depuración
Tratamiento de errores como entradas que faltan, errores ortográficos, duplicados y búsqueda de entradas omitidas. A pesar de no medir directamente la precisión, este proceso contribuye a las empresas.
Reforzar la gestión de datos de referencia
Establecimiento de un centro de datos de referencia para diversos fines, como proveedores, finanzas, normas del sector, clientes, productos, etc. Herramientas como Informatica R360 pueden ayudar a cruzar los datos entrantes una vez establecidas las reglas o normas.
Análisis de campos críticos para la calidad
Controlar los campos fácilmente identificables, como los numéricos, los de fecha/hora, los booleanos, los identificadores únicos y los categóricos. Estos atributos de datos son fáciles de evaluar con herramientas como Open Refine.
Establecimiento de indicadores clave de la calidad de los datos
Para evaluar la exactitud de los datos de una empresa, puede hacerse un seguimiento de otras dimensiones de la calidad de datos. Se trata de la integridad, coherencia, unicidad, puntualidad y validez de estos.
Cuando la precisión de datos es reemplazable
La precisión de datos ayuda a garantizar su integridad, que es crucial para optimizar las estrategias empresariales. Sin embargo, para muchas empresas el esfuerzo y tiempo invertidos en encontrar una fuente única no merecen la pena.
Centrarse en otras dimensiones de la calidad de datos, especialmente en el punto de origen e integración, puede captar mejor el valor empresarial que proporciona la precisión de los datos.
En origen, las normas de validez y conformidad pueden garantizar que los datos se ajustan a los formatos y normas definidos. Por ejemplo, verificar que los campos de fecha son válidos y tienen el formato correcto (mm-dd-yy vs. dd-mm-yy), o que los códigos de producto se ajustan a un formato especificado. Esto puede solucionar muchos de los problemas que los controles de precisión buscan abordar y prevenir la incorporación de errores al sistema.
Por otro lado, en varios puntos de la integración, las métricas de integridad y coherencia pueden utilizarse para calibrar la precisión de datos de una empresa. La integridad mide el número de valores de datos que faltan. Por ejemplo, un registro de cliente incompleto puede marcarse para su seguimiento antes de que afecte a procesos posteriores.
La coherencia, por su parte, mide los valores contradictorios de los datos. Si tras el seguimiento adecuado, los datos de un cliente no están disponibles en los sistemas requeridos, la coherencia de datos puede evidenciar esta discrepancia.
La evaluación de ambos durante la integración garantiza que los datos sigan siendo fiables a medida que fluyen por el sistema.
Consigue una mejor visibilidad de tus datos
Aunque alcanzar el 100% de precisión en datos no es posible, muchas empresas pueden esforzarse por acercarse lo más posible.
En lugar de emplear la precisión como métrica, las organizaciones pueden medir la calidad de datos con diferentes herramientas y dimensiones para ver en qué punto se encuentran actualmente. Añadir este enfoque a su estrategia les ayudará a obtener mejores conocimientos y a tomar decisiones empresariales más inteligentes.
Deja que Infoverity te ayude a determinar la precisión de tus datos. Habla hoy mismo con un experto.
