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 realizzare 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 efforts 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 affronti le sfide di garantire e mantenere alti livelli di qualità.
accanto a necessità di attrarre sponsor interni che supportano il progetto, e lo sviluppo di argomenti necessari per facilitare gli investimenti In qualità di dati, vediamo un elenco di cinque compiti e procedure che sono fondamentali per una gestione efficace della qualità dei dati e che insieme costituiscono un piano di analisi dei dati efficace per il miglioramento della qualità dei dati.
1. Documentare i requisiti di qualità dei dati e stabilire regole per misurare la qualità.
Nella maggior parte dei casi, i livelli di qualità dei dati sono correlati all'utilità o all'idoneità delle informazioni per gli scopi di cui hanno bisogno gli amministratori.
Comienza con la recopilación de requerimientos: involucre a estos tomadores de decisiones para que comprendan sus obiettivi comerciales y pregúnteles cuáles son sus expectativas para la usabilidad de los datos.
Questa informazione, 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 creare 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
Una procedura ripetibile per la valutazione statistica della qualità dei dati ci aiuta ad ampliare l'insieme di regole per misurare la qualità, verificando i sistemi sorgente per individuare possibili anomalie nella creazione di nuovi dati.
Gli strumenti statistici e di profilazione dei dati possono esaminare i valori, colonne e relazioni in e tra insiemi di dati, utilizzando analisi di frequenza e associazione per esaminare i valori, formati e completezza dei dati, e identificare valori anomali che possono indicare errori.
Allo stesso tempo, gli strumenti di profilazione possono fornire informazioni ai responsabili della governance e della qualità dei dati su aspetti come i tipi di dati, 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 rischio de que los usuarios finales en diferentes partes de una organización malinterpreten el significado de términos comerciales comunes y otros conceptos de datos.
È necessario centralizzare la gestione dei metadati rilevanti per il business e coinvolgere dirigenti e professionisti della gestione dei dati per collaborare nell'istituzione di norme aziendali in modo da ridurre le situazioni in cui interpretazioni incoerenti causano problemi nell'uso dei dati.
4. Verificare continuamente la validità dei dati
Devono essere sviluppati servizi automatizzati che convalidino i record di dati rispetto agli standard di qualità definiti nel nostro piano di analisi dei dati.
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 errors en los datos. Un sistema de administración de incidentes puede automatizzar procesos como informar y priorizar problemi 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.
