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. Apesar disto, 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, ou ainda pior, 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 garantir y mantener altos níveis de qualidade.
ao lado do 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 administração eficaz de la calidad de los dados y que en conjunto conforman un plan de análise 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.
Na maioria dos casos, 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 o impacto comercial de los problemas de calidad de los datos, se pode traducir en regras que sirven para medir dimensões clave de la calidad, como a coherencia de los formatos de datos en todos los formatos de datos. diferentes sistemas, integridad de datos, etc.
Como parte de este procedimiento, se deve criar um 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 avaliação 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.
Ao mesmo tempo, las herramientas de creación de perfiles podem fornecer informação 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. dados. Los resultados se pueden compartir con los gerentes para ajudar 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 risco de que los usuarios finales en diferentes partes de una organización malinterpreten el significado de términos comerciales comunes y otros conceptos de datos.
É necessário centralizar a administração dos metadados relevantes para o negócio e envolver executivos e profissionais de gestão de dados para colaborar no estabelecimento de normas corporativas de forma a reduzir as situações em que interpretações inconsistentes conduzam a problemas no uso dos dados.
4. Verifique a validade dos dados de forma contínua
Devem ser desenvolvidos serviços automatizados que validem os registos de dados em relação aos padrões de qualidade definidos no nosso plano de análise de dados.
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, como um exemplo, 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 do plano de análise de dados deve incluir-se o desenvolvimento de uma plataforma para o registo,, seguimento e administração de incidentes de qualidade de dados. A avaliação do cumprimento dos padrões de qualidade dos dados não conduzirá a melhorias a menos que existam processos padrão para examinar e eliminar as causas fundamentais dos erros nos dados. Um sistema de gestão de incidentes pode automatizar processos como reportar e priorizar problemas de qualidade de dados, alertar as partes interessadas, atribuir tarefas de melhoria da qualidade de dados e acompanhar o progresso dos esforços. de correção.
