La mayoría de las compañías comprenden el valor de determinar e institucionalizar un plan de análisis de datos que ayuda a mejorar la calidad de los datos de la organización. Nonostante questo, algunas compañías no incluyen esto en sus presupuestos y se limitan a realizar inversiones graduales en cosas como la limpieza y corrección de datos. Y esto puede ocasionar problemas.
La ausencia de procesos integrales de control y administración de la calidad de los datos conduce a esfuerzos repetidos y mayores costos, o peggio, hace que sea imposible entregar información consistente a la comunidad de usuarios comerciales de una organización.
Lo que se necesita es un enfoque práctico para alinear las distintas actividades de calidad de datos entre sí, creando un plan de análisis de datos organizado que aborde los desafíos de garantizar y mantener altos niveles de calidad.
accanto a necesidad de atraer patrocinadores internos que apoyan el proyecto, y el desarrollo de argumentos necesarios para ayudar las inversiones En calidad de datos, vamos a ver una lista de cinco tareas y procedimientos que son fundamentales para una administración eficaz de la calidad de los datos y que en conjunto conforman un plan de análisis de datos eficaz para la mejora de la calidad de los datos.
1. Documentar los requerimientos de calidad de los datos y establecer reglas para medir la calidad.
Nella maggior parte dei casi, los niveles de calidad de los datos están relacionados con la utilidad o idoneidad de la información para los fines que necesitan los administradores.
Comienza con la recopilación de requerimientos: involucre a estos tomadores de decisiones para que comprendan sus objetivos comerciales y pregúnteles cuáles son sus expectativas para la usabilidad de los datos.
Esta información, combinada con experiencias compartidas sobre el impacto comercial de los problemas de calidad de los datos, se puede traducir en reglas que sirven para medir dimensiones clave de la calidad, como la coherencia de los formatos de datos en todos los formatos de datos. diferentes sistemas, integridad de datos, eccetera.
Como parte de este procedimiento, se debe crear un sistema central para documentar los requerimientos y las reglas asociadas que apoyan el desarrollo de los mecanismos de validación de datos.
2. Examinar nuevos datos para crear una línea de base de calidad
Un procedimiento repetible para la evaluación estadística de la calidad de los datos nos ayuda a incrementar el conjunto de reglas para medir la calidad, comprobando los sistemas fuente para localizar posibles anomalías en la creación de nuevos datos.
Las herramientas estadísticas y de creación de perfiles de datos pueden escanear los valores, columnas y relaciones en y entre conjuntos de datos, usando análisis de frecuencia y asociación para examinar los valores, formatos y completitud de los datos, e identificar valores atípicos que pueden indicar errores.
Allo stesso tempo, las herramientas de creación de perfiles pueden proporcionar información a los gerentes de gobernanza y calidad de los datos sobre aspectos como los tipos de datos, la estructura de la base de datos relacional y las relaciones entre las claves primarias y externas en las bases de datos. dati. Los resultados se pueden compartir con los gerentes para ayudar en el desarrollo de las reglas de validación de la calidad de los datos que se incluyen en el plan de análisis de datos.
3. Poner en práctica procesos de administración de metadatos semánticos.
A medida que aumenta el número y la variedad de fuentes de datos, aumenta la necesidad de limitar el riesgo de que los usuarios finales en diferentes partes de una organización malinterpreten el significado de términos comerciales comunes y otros conceptos de datos.
Es necesario centralizar la administración de metadatos relevantes para el negocio e involucrar a ejecutivos y profesionales de administración de datos para colaborar en el establecimiento de normas corporativas de manera que se reduzcan las situaciones en las que las interpretaciones inconsistentes conducen a problemas de uso de datos.
4. Verifique la validez de los datos de forma continua
Se deben desarrollar servicios automatizados que validen los registros de datos contra los estándares de calidad que se han definido en nuestro plan de análisis de datos.
Una implementación estratégica posibilita que los estándares y los mecanismos de validación se compartan por medio de aplicaciones e implementaciones en varios puntos del flujo de información de una organización, de modo que se pueda llevar a cabo una inspección continua de los datos y una medición de la calidad.
Los resultados se pueden introducir en una gama de sistemas de información, come esempio, alertas directas y notificaciones enviadas a los administradores de datos, para abordar anomalías y defectos de datos de alta prioridad, y paneles de control de calidad de datos y paneles de control con métricas agregadas para una audiencia más extensa.
5. Manténgase al tanto de los problemas de calidad de los datos
Dentro del plan de análisis de datos se debe incluir el desarrollo de una plataforma para el registro, seguimiento y administración de incidencias de calidad de datos. La evaluación del cumplimiento de los estándares de calidad de los datos no conducirá a mejoras a menos que existan procesos estándar para examinar y borrar las causas fundamentales de los errores en los datos. Un sistema de administración de incidentes puede automatizar procesos como informar y priorizar problemas de calidad de los datos, alertar a las partes interesadas, adjudicar tareas de mejora de la calidad de los datos y realizar un seguimiento del progreso de los esfuerzos. de corrección.
