Calidad de datos: las dimensiones que definen si puedes confiar en la base

Resumen rápido: La calidad de datos es el grado en que los datos sirven para el uso previsto. No se mide con una única regla, sino por dimensiones: completitud, unicidad, exactitud, consistencia, actualidad y validez. Un dato puede estar "correcto" y aun así ser inútil si está desactualizado, duplicado o fuera de estándar.

"Pero el dato está ahí"

Una frase que aparece mucho en los proyectos: "el dato está ahí, el campo está lleno". Estar lleno no quiere decir estar correcto. Un CNPJ (el número de registro de empresas de Brasil) puede estar en el campo correcto y aun así ser de otra empresa. Una dirección puede existir y llevar tres años desactualizada. Un material puede tener descripción, y esa descripción no decir nada útil. La calidad de datos trata de confianza, no de campos llenos.

El punto es que la calidad no es una sola cosa. Por eso hablamos de dimensiones.

Las principales dimensiones de la calidad de datos

Completitud trata de que no falte lo que importa. Un registro maestro de proveedor sin datos bancarios, o un material sin unidad de medida, está incompleto para su uso. Completitud no es llenar todos los campos existentes, es llenar lo que el proceso necesita.

Unicidad trata de que no haya duplicidad. Cada entidad real debe tener un único registro. Dos registros para el mismo cliente violan la unicidad y rompen cualquier conteo, cualquier visión consolidada.

Exactitud trata de que el dato refleje la realidad. ¿El nombre coincide con el documento? ¿El precio es el precio real? La exactitud es la dimensión más difícil de medir por sí sola, porque muchas veces exige confrontar el dato con una fuente externa confiable.

Consistencia trata de que el dato no se contradiga entre sistemas. Si el cliente es "activo" en el CRM e "inactivo" en el ERP, hay una inconsistencia. La consistencia es lo que permite que áreas distintas lleguen al mismo número.

Actualidad trata de que el dato esté en el tiempo correcto. Una dirección correcta en 2022 puede estar equivocada hoy. Un dato desactualizado es un dato erróneo con apariencia de correcto.

Validez trata de que el dato respete las reglas de formato y de dominio. Una fecha de nacimiento en el futuro, un CEP (código postal de Brasil) con el número de dígitos equivocado, un código fuera de la lista permitida: todo eso es invalidez.

Quien trata esas dimensiones por separado logra ver dónde falla realmente la base, en lugar de decir de forma genérica que "los datos son malos".

Por qué la calidad de datos da tanto trabajo

Porque el dato malo casi nunca grita. No traba el sistema. Pasa. El pedido se hace, la factura se emite, el informe se genera. El problema aparece después, lejos del origen, disfrazado de otra cosa: la compra que salió más cara, el impuesto pagado de más, el cliente que recibió en la dirección equivocada, la previsión de demanda que falló.

Como el síntoma aparece lejos de la causa, es raro que alguien una los puntos y diga "esto fue un dato malo". Por eso la calidad de datos necesita medirse de forma proactiva, con indicadores, y no solo cuando el problema estalla.

Cómo medir la calidad de datos

Medir empieza por elegir las reglas que importan para cada dominio. En un maestro de materiales, por ejemplo: porcentaje de ítems con descripción en el estándar, porcentaje con NCM (Nomenclatura Común del Mercosur, el código de clasificación fiscal de Brasil) válido, porcentaje sin duplicidad, porcentaje con unidad de medida coherente. Cada regla se vuelve un indicador, y el conjunto se vuelve un tablero de calidad.

El valor de medir no es solo saber dónde está mal. Es seguir la evolución. Una buena gobernanza hace que la calidad suba con el tiempo y sostiene el nivel alcanzado. Sin medición, la empresa cree que mejoró porque hizo un esfuerzo concentrado de limpieza, y no percibe que la base volvió a degradarse meses después.

La limpieza de datos no es el final, es el comienzo

Muchas empresas tratan la calidad como un evento: contratan una limpieza de datos, limpian la base, celebran y siguen con su vida. Meses después, el desorden volvió. Eso ocurre porque la limpieza de datos sin gobernanza es llenar un barril sin fondo. Mientras el proceso de entrada permita datos malos, la base va a ensuciarse de nuevo.

La calidad sostenible viene de validar en la entrada, con una regla clara, para que el error no nazca. Corregir después siempre es más caro que impedirlo en el origen. Sobre la limpieza de la base, mira saneamento de dados.

Calidad de datos e IA

Los modelos de IA son tan buenos como los datos que los alimentan. Una IA entrenada con una base con duplicidad, campos vacíos y clasificaciones erróneas va a aprender esos vicios. Peor: los va a presentar con seguridad, lo que dificulta percibir el error. Antes de soñar con una IA sofisticada, el paso más rentable suele ser elevar la calidad de los datos maestros. Es menos glamoroso y más eficaz.

Un ejemplo práctico de cómo se combinan las dimensiones

Toma un registro maestro de proveedor para ver las dimensiones actuando juntas. Un proveedor puede tener el CNPJ llenado (parece completo), pero ese CNPJ pertenece a otra sucursal (falla de exactitud). El nombre puede estar correcto, pero estar dado de alta también bajo una pequeña variación en otro registro (falla de unicidad). Los datos bancarios pueden ser correctos, pero ser de hace dos años, antes de que el proveedor cambiara de banco (falla de actualidad). Y el campo de situación fiscal puede decir "regular" en el registro mientras el sistema oficial dice otra cosa (falla de consistencia).

Ninguno de estos problemas traba el sistema. El pago se programa, la compra se libera, todo parece funcionar. Hasta que el dinero cae en la cuenta equivocada, o la compra sale de un proveedor irregular. El punto es que la calidad de datos no es una nota única; es un conjunto de verificaciones que deben pasar juntas. Mirar solo "el campo está lleno" es ver una dimensión e ignorar las otras cinco.

De quién es la responsabilidad de la calidad de datos, al fin y al cabo

Una pregunta que siempre aparece: ¿de quién es la calidad de los datos? La respuesta que suele salir mal es "de TI". TI cuida el sistema, la integración, la infraestructura. Pero no sabe si el proveedor cambió de banco, si el material está clasificado en la familia correcta, si el cliente es el mismo de aquel otro registro. Quien sabe eso es el negocio. Por eso la calidad de datos es una responsabilidad compartida, con el negocio definiendo qué es correcto y TI dando las herramientas para sostenerlo.

Cuando la calidad se le echa entera a TI, muere, porque TI no tiene cómo juzgar el contenido del dato. Y cuando se le echa entera al negocio sin herramienta, también muere, porque falta escala. La calidad sostenible vive en la alianza: regla que viene del negocio, medición y automatización que vienen de la tecnología, y alguien claramente responsable de seguir los indicadores. Sin esa división clara, la calidad queda siendo de todos y de nadie, que es la receta para que nunca mejore de verdad.

MDM Academy: la calidad de datos como competencia

Saber medir y mejorar la calidad de datos es una de las competencias más demandadas en gobernanza. La MDM Academy, la escuela de 4MDG, forma profesionales que dominan estas dimensiones en la práctica, con base en la experiencia de 4MDG en proyectos de limpieza de datos y gobernanza de grandes bases de datos. Si quieres aprender a diagnosticar una base, definir indicadores y construir una calidad que se sostenga, la formación de la MDM Academy fue diseñada para eso.

La calidad de datos no es perfección

Un malentendido que perjudica a los proyectos de calidad es creer que la meta es el dato perfecto. No lo es. Perseguir la perfección en todos los campos de toda la base es caro, lento y, en la mayoría de los casos, innecesario. La calidad que importa es la calidad para el uso. Un campo que nadie usa no necesita estar impecable. Un campo que decide impuesto, pago o compra necesita estar correcto. Un buen trabajo de calidad prioriza: identifica qué datos, en qué dimensiones, tienen impacto real, y concentra el esfuerzo ahí.

Esa lógica evita dos extremos malos. Por un lado, el descuido, que trata todo dato como irrelevante y deja que la base se pudra. Por el otro, el perfeccionismo, que gasta energía puliendo datos que no cambian ninguna decisión. El equilibrio está en vincular la calidad a la consecuencia: donde el error cuesta caro, se exige rigor; donde no cuesta, se acepta lo suficiente. Definir ese criterio es una decisión de negocio, no técnica, y es lo que vuelve sostenible un programa de calidad en lugar de un pozo sin fondo. La calidad inteligente trata de enfocar el esfuerzo donde rinde, no de buscar un ideal que nunca llega.

Preguntas frecuentes sobre la calidad de datos

¿Qué es la calidad de datos? Es el grado en que los datos sirven para el uso previsto, medido por dimensiones como completitud, unicidad, exactitud, consistencia y actualidad.

¿Cuáles son las dimensiones de la calidad de datos? Las más usadas son completitud, unicidad, exactitud, consistencia, actualidad y validez.

¿Cómo medir la calidad de datos? Definiendo reglas por dominio, convirtiendo cada una en un indicador y siguiendo la evolución en un tablero de calidad.

¿Por qué la base vuelve a empeorar después de la limpieza de datos? Porque la limpieza de datos sin gobernanza en la entrada no impide que el error vuelva. Hay que validar en el origen.

¿La calidad de datos influye en los proyectos de IA? Directamente. La IA aprende de los datos; una base mala genera un modelo malo, con errores presentados de forma convincente.