CALIDAD DE DATOS Cecilia Moguel Méndez

Introducción Antes de la aparición de que la tecnología de servidores se volviera accesible a todos, las empresas usaban reglas de negocios para corregir faltas comunes de ortografía y errores tipográficos en nombres y direcciones, así como para actualizar datos de los clientes quienes se habían mudado, muerto, ido a prisión, casado, divorciado o experimentado cambios en su modo de vida. Las agencias gubernamentales empezaron a contratar servicios para hacer referencias cruzadas de los datos de clientes con el Registro Nacional de cambio de Dirección. Estas tecnologías ahorraron grandes millones de dólares comparado con la corrección de datos manuales. Los envíos se dirigieron al cliente con más precisión.  

Calidad de Datos Los datos se consideran de alta calidad si representan correctamente la construcción del mundo real al que se refieren. Calidad de datos es adecuar las características de los datos de un negocio a sus necesidades. Los datos son de alta calidad "si son aptos para los usos previstos en las operaciones, la toma de decisiones y la planificación" (J.M. Juran).     La calidad de los datos es una disciplina centrada en asegurar que los datos son aptos para su uso en los procesos de negocio que van desde las operaciones básicas, desde análisis y toma de decisiones, a la participación y la interacción con entidades externas. (Gardner)

Calidad de Datos Calidad de datos es la condición o estado que hace que los datos satisfagan los requerimientos de negocio.  De acuerdo a esta definición de Larry English, la calidad de datos permite conocer y cumplir de manera consistente las expectativas de los usuarios finales, trabajadores del conocimiento y clientes finales de un negocio, entendiendo como trabajador del conocimiento a aquellas personas que procesan datos para obtener información y la utilizan en cualquier actividad de su trabajo.

Fuentes de Baja Calidad

Beneficios Los Datos de alta calidad son esenciales para que las operaciones en las organizaciones sean exitosas. Cuando estás trabajando con datos más precisos de tu organización, puedes entender tu ambiente de negocios, llegar más rápido a tus clientes y reducir costos de ineficiencias. La calidad es esencial para los procesos operativos y transaccionales. Se ve afectada por la forma se introducen los datos, almacenados y gestionados. El control de Calidad de Datos (DQA, Data Quality Assurance) es el proceso de verificación de la fiabilidad y la eficacia de los datos.

Beneficios Contabilidad de ingresos más precisa, facturación exacta. Reducción de los costos de envío. Reducción de costes de publicidad directa / marketing. Reducción de los costes operativos. Sistemas más rápidos y entregas más exactas Ventas más eficaces. Mejorar servicio al cliente. Mejores relaciones con los clientes. Las empresas tienen más probabilidades de ser compatibles con las regulaciones gubernamentales. Apoyar la privacidad de los datos.

Dimensiones de Calidad de Datos Accesibilidad Interpretación Cantidad Objetividad Credibilidad Relevancia Completitud Reputación Representación Seguridad Manipulación Puntualidad Libre de errores Entendimiento

Metodología de calidad de datos Un plan de calidad de datos debe contemplar actividades en las siguientes áreas:   Detección Reparación Corrección Prevención

Metodología de calidad de datos La funcionalidad esperable de las herramientas de calidad de datos consiste de: Profiling de datos Estandarización o normalización Limpieza Coincidencia Enriquecimiento Monitoreo

Reporte generado durante Profiling de Datos DataFlux

El Cuadrante Mágico de Gartner

SAS/DataFlux www.dataflux.com Sede: Cary, Carolina del Norte, EE.UU. Base de clientes: 2.500 (estimado) FORTALEZAS Amplia funcionalidad y grado de integración. Facilidad de uso y numerosas aplicaciones. Atención al cliente y soporte. La notoriedad de marca, las referencias y la viabilidad de proveedores.  PRECAUCIONES Los recientes cambios de organización y estrategia. Adopción limitada de la plataforma de gestión de datos. Precio del modelo y puntos de precios. Rendimiento y escalabilidad. Modelos alternativos de entrega.

SAP BUSINESS OBJECTS www.sap.com Sede: Walldorf, Alemania Base de clientes: 4.600 (estimado)   FORTALEZAS Amplitud de la funcionalidad. Fuerte presencia en los mercados de aplicaciones y de la plataforma de BI. La profundidad de la integración Soporte para múltiples dominios de datos. PRECAUCIONES Puntos de prueba limitados para nueva funcionalidad. Horarios de soporte técnico y liberación. Modelos alternativos de entrega.

TRILLIUM SOFTWARE www.trilliumsoftware.com Sede: Billerica, Massachusetts, EE.UU. Base de clientes: 1.050 (estimado) FORTALEZAS Amplitud de la funcionalidad. Notoriedad de la marca, presencia en el mercado y trayectoria. Capacidades de calidad. Enfoque en el riesgo y soluciones de cumplimiento. Servicio y asistencia  PRECAUCIONES Usabilidad y Complejidad Informes de resultados y visualización de perfiles Estrategia a la luz de las tendencias de convergencia del mercado Requisitos de formación y disponibilidad

IBM www.ibm.com Sede: Armonk, Nueva York, EE.UU. Productos: InfoSphere Information Analyzer, InfoSphere QualityStage, InfoSphere Discovery Base de clientes: 2.000 (estimado) FORTALEZAS Amplitud de la funcionalidad Base instalada y diversidad de uso      Sinergia con otros productos de IBM InfoSphere relacionadas      Presencia en el mercado      Últimos lanzamientos de productos. PRECAUCIONES Problemas generales de usabilidad    

Calidad de Datos “La calidad es gratis. No es un regalo, pero es gratis. Lo que cuesta dinero son los datos sin calidad- todas las acciones que implican no hacer bien los procesos la primera vez.” Larry P. English

Bibliografía Larry P. English, Improving Data Warehouse and Business Information Quality (IDQ&BIQ), NY: John Wiley & Sons, 1999, p. 210. Larry P. English, Total Information Quality Management: A Complete Methodology for IQ Management, DM Review Magazine, September, 2003. Gartner RAS Core Research, Magic Quadrant for Data Quality Tools, 4 June 2008. David Loshin, Data Best Practices for Spend Analysis, A DataFlux White Paper. The Three Key Phases for Data Migration - and Beyond, A DataFlux White Paper. Helmuth Gümbel, Data Quality – the Base for your Enterprise Applications.

Bibliografía Data Management Dynamics: The ROI from Data Quality. International Resort Company Chooses DataFlux to Standardize, Cleanse and Integrate Customer Data, DataFlux White Paper. Danette McGilvray, Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information™, Morgan Kaufmann Publishers. 2008. Mónica Bobrowski, Martina Marré, Daniel Yankelevich, Measuring Data Quality.

Referencias http://searchdatamanagement.techtarget.com/definition/data-quality http://en.wikipedia.org/wiki/Data_quality http://www.informatica.com/ http://www.gartner.com/technology/reprints.do?id=1- 1BO662V&ct=120809&st=sb http://www.iaidq.net/webinars/doc/2006-06- english_tiqm_methodology_dm_review_feature_2003-09_v2.pdf http://www.sas.com/offices/latinamerica/argentina/noticias/notas_prens a/dataquality_porque_paraque.html http://jazzwarehouse.blogspot.mx/2012/05/empezando-con-calidad-de- datos.html