El difícil reto de garantizar la calidad de los datos en la empresa

Garantizar la calidad de datos en la empresa requiere encontrar la mejor solución, lo que significa:

• Implementar procesos de calidad para subsanar los errores.
• Establecer una arquitectura que genere los cimientos de una infraestructura ad hoc.
• Contar con una tecnología apropiada.
• Disponer de recursos humanos formados en buenas prácticas.

Es imperativo definir el marco de actuación para establecer una estrategia que haga viable un proyecto de calidad de datos cohesionado y que cuente con una buena metodología y con la adecuada tecnología para su tratamiento, partiendo del estado de los mismos y desarrollando un plan de acción para el establecimiento de las reglas de calidad. 

Las reglas de calidad se diseñan con la participación de profesionales (analista de negocio, el data steward o el desarrollador quality), tras la realización de una serie procesos complejos y al mismo tiempo fundamentales, como el Data Discovery (incluye el perfilado, identificación de ineficiencias, redundancias, etc. ), cuyo objeto es hallar la raíz de los errores, y el Data Quality, ejecutado posteriormente para detectar qué datos se salen de los rangos de validez. Finalmente, identificados los problemas de calidad de datos en la empresa, se realizan las recomendaciones a corto, medio y largo plazo.

Objetivo: una calidad de datos en la empresa a la medida

Habida cuenta de que la calidad no puede alcanzar un 100 por ciento de efectividad, y la razón no es otra que la simple inviabilidad técnica y económica-, los procesos deben equilibrar esfuerzo y resultados para así encontrar el punto idóneo, ese escalón último en el que la calidad de los datos en la empresa sea la adecuada.

Es así que el objetivo en calidad de datos será variable, y dependerá del tipo de empresa de que se trate, partiendo de un concepto de calidad esencialmente operativo, que básicamente busca la satisfacción de las exigencias propias de su uso. No en vano, la calidad de los datos abarca múltiples aspectos, y depende tanto de su uso como de su exactitud, oportunidad, pertinencia, completitud y confiabilidad.

En concreto, para obtener los mejores resultados en la implementación de estos proyectos es clave seguir procedimientos claros y bien establecidos: desde definir las reglas de calidad hasta establecer objetivos de cumplimiento, su validación, implementacion de reglas, verificación de su cumplimiento, así como la generación de informes de control.

A su vez, el ciclo de vida de un proyecto incluye la validación de resultados o, por ejemplo, establecer iniciativas de corrección siguiendo las reglas de calidad de datos. La meta, en suma, es conseguir una espiral de calidad de datos mediante proyectos de mejora continua e interactiva que se lleven a cabo de forma progresiva para, de este modo, finalmente lograr la federación del dato.

Buscar una solución global, es decir, a largo plazo, constituirá realmente la solución definitiva, sin olvidar que igualmente necesitará un mantenimiento posterior. Será al establecer mecanismos de supervisión cuando identificaremos los problemas para poder prevenirlos y así evitar que la calidad de datos en la empresa se degrade.

Tal vez te interese leer: 
La gestión de datos con calidad es un activo estratégico