Las seis dimensiones de calidad que sostienen un programa de datos

Todo programa de gobernanza llega, tarde o temprano, a la misma pregunta: ¿el dato está bien? La pregunta parece simple y no lo es. "Bien" para quién, para qué decisión, con qué tolerancia. Sin descomponer la palabra en dimensiones medibles, la discusión se vuelve opinión, y la opinión no entra en un indicador.

Las seis dimensiones de abajo son las que sostienen la mayor parte de los programas que hemos visto funcionar. Ninguna exige una herramienta de pago para empezar: todas caben en una consulta SQL sobre la propia base.

Completitud

Mide la ausencia de valor donde el valor es obligatorio. No la confundas con un campo vacío: un campo opcional en blanco no es incompletitud, es una elección. La medida útil es el porcentaje de registros que tienen todos los campos exigidos por la regla del dominio.

El error común es medir la completitud contra el schema en lugar de contra la regla de negocio. La base de datos acepta un proveedor sin CNPJ (el número de registro de empresas de Brasil); el proceso de pago, no.

Unicidad

Mide cuántas veces la misma entidad del mundo real aparece como registros distintos. Es la dimensión que más duele y la que más se esconde, porque la duplicidad rara vez es idéntica: cambia un acento, una abreviatura, un dígito.

Empieza por la clave que el negocio reconoce como única: CNPJ para el proveedor, número de empleado para el colaborador, código de barras para el material. Donde no existe una clave, la unicidad no es un problema de datos, es una decisión de modelado pendiente.

Validez

Mide la conformidad con el formato y el dominio de valores. Un CEP (código postal de Brasil) con ocho dígitos, una UF (sigla de estado de Brasil) dentro de las 27, una fecha que existe en el calendario, un estado entre los previstos. Es la dimensión más fácil de automatizar y la primera que debe entrar en el alta, no en la auditoría.

La validez no garantiza la verdad. Un CNPJ formalmente válido puede no existir en la Receita (Receita Federal, la autoridad tributaria de Brasil). Eso es exactitud, no validez.

Consistencia

Mide si el mismo hecho coincide entre sistemas y entre campos. El cliente marcado como inactivo en el CRM tiene un pedido abierto en el ERP. El producto tiene unidad de medida "caja" y peso unitario en gramos.

La consistencia es la dimensión que revela un problema de proceso, no de digitación: cuando dos sistemas discrepan, casi siempre existen dos dueños y ninguna regla sobre quién gana.

Exactitud

Mide la distancia entre el dato y el hecho que representa. Es la dimensión más difícil, porque exige una fuente externa de verdad: una consulta a la Receita, un conteo físico de inventario, una llamada al cliente.

Por eso la exactitud rara vez se mide sobre el 100% de la base. Elige una muestra estadísticamente defendible y mide con una periodicidad fija. Una muestra medida vale más que un censo prometido.

Actualidad

Mide si el dato refleja el estado actual del hecho. Una dirección correcta en 2019 hoy es una dirección equivocada. La medida práctica es la antigüedad del último evento de actualización contrastada con la tasa esperada de cambio de ese atributo.

La dirección cambia; el CPF (el número de contribuyente de personas físicas de Brasil) no. Definir la expectativa por atributo evita el desperdicio de volver a dar de alta lo que no cambia.

Cómo convertir esto en un indicador

Elige un dominio, no la base entera. Para cada dimensión, escribe una consulta que devuelva un número entre 0 y 100 y una lista de los registros que fallaron. Publica el número y entrega la lista al área dueña.

El número sirve para seguir la tendencia. La lista es lo que hace que el trabajo ocurra: un indicador sin lista de excepciones produce una reunión, no una corrección.

Define la meta con el área, no para el área. Una completitud de 92% puede ser excelente en un dominio e inaceptable en otro; quien sabe la diferencia es quien responde por el proceso.