{% set baseFontFamily = "Open Sans" %} /* Add the font family you wish to use. You may need to import it above. */

{% set headerFontFamily = "Open Sans" %} /* This affects only headers on the site. Add the font family you wish to use. You may need to import it above. */

{% set textColor = "#565656" %} /* This sets the universal color of dark text on the site */

{% set pageCenter = "1100px" %} /* This sets the width of the website */

{% set headerType = "fixed" %} /* To make this a fixed header, change the value to "fixed" - otherwise, set it to "static" */

{% set lightGreyColor = "#f7f7f7" %} /* This affects all grey background sections */

{% set baseFontWeight = "normal" %} /* More than likely, you will use one of these values (higher = bolder): 300, 400, 700, 900 */

{% set headerFontWeight = "normal" %} /* For Headers; More than likely, you will use one of these values (higher = bolder): 300, 400, 700, 900 */

{% set buttonRadius = '10px' %} /* "0" for square edges, "10px" for rounded edges, "40px" for pill shape; This will change all buttons */

After you have updated your stylesheet, make sure you turn this module off

Los 4 orígenes de una mala calidad de datos en una empresa

by Redacción PowerData on marzo 17, 2014

Debido a los crecientes avances de la tecnología en cuanto a gestión de datos e información, las empresas se ven enfrentadas día a día a un aumento en la cantidad y diversidad de los datos que deben gestionar y en los elementos a los que se asocia esta información. La mala calidad de datos es un problema preocupante para muchas organizaciones, que buscan el modo de optimizar su aprovechamiento, evitando los riesgos de un probre data quality. 

mala calidad de datos

Violka08

Este aumento exponencial del volumen de información disponible ha derivado en un manejo cada vez más ineficiente de los datos a nivel de empresas, lo cual afecta directamente a su desempeño y toma de decisiones, y termina dificultando la gestión organizacional.

Dados estos hechos y entendiendo que los datos constituyen un recurso estratégico en la organización y su gestión una prioridad, se hace imprescindible evitar la mala calidad de datos en cualquier empresa de hoy en día. Una forma efectiva de conseguirlo es yendo hasta el origen del problema y buscar las causas que provocan una pérdida de data quality.

Accede GRATIS al Webinar sobre calidad de datos en el mundo Big Data

 

¿ Cuáles son los motivos de la mala calidad de datos en los sistemas?

Datos de Entrada

La mayor fuente de errores son las entradas de información manual. Ello se debe, entre otras cosas, al ruido en la comunicación, a los errores tipográficos o equivocaciones, u otros factores externos que terminan provocando la mala calidad de datos.

Datos externos

Frecuentemente se incorporan datos externos de forma automática en los sistemas de información de las organizaciones, sin tomar las precauciones oportunas. Esto provoca que se generen multitud de problemas de calidad de datos, cuyos inconvenientes pueden escalar si no se saben detectar a tiempo.

origenes mala calidad de datos

Errores de carga de los sistemas transaccionales

Los múltiples errores que suelen ocurrir durante la carga en los sistemas transaccionales, suele provocar una deficiencia de la calidad de los datos. 

Migraciones

Cuando se realiza una migración de datos sin haber previamente analizado en profundidad los cambios que hay que aplicar a la información, una de las muchas consecuencias suele ser la mala calidad de datos, que se traduce en la existencia de valores obsoletos, en un formato distinto al esperado en el nuevo sistema, e incluso duplicidades.

Muchas veces los primeros problemas comienzan en la carga inicial y rara vez los datos se cargan sin errores durante la extracción, transformación y carga de los datos.

Los errores generalmente se dividen en tres categorías:

• Errores por información incompleta: consisten en registros o campos faltantes. ¿Qué es lo que no se cargó y qué pasará con esos registros o campos sin datos?

• Sintaxis: está relacionada con el formato de los datos y cómo se representan. ¿Tienen los datos la forma correcta? ¿Se encuentran los datos dentro del intervalo de valores?

• Semántica: transmite el significado de los datos. ¿Hay valores ocultos en los datos no estructurados? ¿Hay nombres en los campos de direcciones, a pesar del cumplimiento de la forma correcta de los datos? ¿Existen registros duplicados con leves diferencias?

Data quality debería ser entendido como un punto clave en los procesos ETL. Pero, la preocupación por la mala calidad de datos no solo debería impulsar acciones puntuales, aplicadas a la extracción, la carga o la transformación, sino también rutinarias, que ayudasen a velar por el mantenimiento de unos niveles de data quality óptimos en la empresa.

 

calidad de datos imprescindibles factores

Topics: Data Quality

¡Suscríbase!

Popular Posts

IR AL CENTRO DE   RECURSOS