Qué es la calidad de datos y cómo medirla en tu empresa
Datos duplicados, incompletos o desactualizados cuestan dinero todos los días. Las seis dimensiones de la calidad de datos y cómo empezar a medirlas sin grandes inversiones.
"Los números no cierran." Es una de las frases que más escuchamos en las primeras reuniones con una empresa. Detrás de ella casi nunca hay un error de cálculo: hay un problema de calidad de datos.
La calidad de datos mide qué tan confiable es la información para el uso que se le quiere dar. No existe un dato "perfecto" en abstracto: un listado de clientes puede ser suficiente para enviar un newsletter y, al mismo tiempo, insuficiente para calcular la rentabilidad por cliente.
Por qué importa
Los problemas de calidad de datos rara vez aparecen como una línea en el balance, pero cuestan todos los días:
- Horas del equipo corrigiendo planillas antes de cada reunión.
- Pedidos que se entregan en direcciones viejas.
- Clientes que reciben la misma oferta dos veces porque están cargados dos veces.
- Decisiones que se toman tarde porque nadie confía en el primer número.
Y con la llegada de la inteligencia artificial, el problema se multiplica: un modelo entrenado o consultado con datos de mala calidad da respuestas de mala calidad, con mucha seguridad.
Las seis dimensiones de la calidad de datos
Para medir la calidad conviene separarla en dimensiones. Estas son las más usadas:
1. Completitud
¿Están todos los datos que deberían estar? Por ejemplo, qué porcentaje de clientes tiene cargado el CUIT, la dirección o el vendedor asignado.
2. Unicidad
¿Cada cliente, producto o proveedor existe una sola vez? Los duplicados son el problema más frecuente cuando se cruzan sistemas o cuando varias personas cargan datos.
3. Validez
¿Los datos respetan el formato y las reglas esperadas? Un email sin arroba, una fecha imposible o un código de producto que no existe son datos inválidos.
4. Consistencia
¿El mismo dato coincide entre sistemas? Si un cliente figura como activo en el CRM e inactivo en el ERP, al menos uno de los dos está mal.
5. Exactitud
¿El dato refleja la realidad? Es la dimensión más difícil de medir, porque requiere compararlo con una fuente confiable: por ejemplo, el stock del sistema contra el conteo físico.
6. Actualidad
¿El dato está al día? Un precio de hace tres meses puede ser válido y completo, pero ya no sirve para cotizar.
Cómo empezar a medirla
No hace falta un proyecto enorme ni herramientas costosas. Un buen punto de partida:
- Elegí una entidad crítica, por ejemplo clientes o productos, y una o dos fuentes donde vive.
- Definí reglas concretas para cada dimensión: "todo cliente activo debe tener vendedor asignado", "no puede haber dos clientes con el mismo CUIT".
- Medí el porcentaje de registros que cumple cada regla. Ese porcentaje es tu indicador de calidad.
- Automatizá la medición para que se repita con cada actualización de datos y avise cuando un indicador empeora.
- Corregí en el origen. Limpiar los datos en el reporte resuelve el síntoma; corregir el proceso de carga resuelve la causa.
Un indicador que se mira, mejora
Lo más valioso de medir la calidad de datos es que la vuelve visible. Cuando el equipo comercial ve que el 30% de sus clientes no tiene la zona asignada, el problema deja de ser abstracto y empieza a corregirse.
Por eso recomendamos sumar un pequeño tablero de calidad de datos a cualquier proyecto de integración: unas pocas reglas, medidas todos los días, con un responsable por cada una.