Calidad de datos: por qué dos áreas llevan cifras distintas al comité
Cuando dos áreas llevan cifras distintas de la misma métrica, casi nunca hay un error de cálculo: hay dos definiciones conviviendo. La calidad de datos se mide en seis dimensiones —exactitud, completitud, consistencia, vigencia, unicidad y validez— y esa discusión de comité suele nacer en la tercera.
A continuación: las seis dimensiones, cuál falla en cada síntoma típico, qué se corrige primero y cómo se sostiene sin convertirlo en un proyecto permanente.
La pregunta «¿cuál de las dos cifras es la buena?» tiene una respuesta incómoda: con frecuencia ambas, porque miden cosas distintas con el mismo nombre. Y una respuesta útil: el problema no está en el reporte, está aguas arriba.
Para arreglarlo hay que poder nombrar qué falla exactamente, y para eso sirve descomponer la calidad en dimensiones.
Las seis dimensiones, en lenguaje llano
Exactitud: el dato refleja la realidad. Una dirección que existe pero no es la del cliente es completa y falsa a la vez.
Completitud: los campos que se necesitan están llenos. Suele medirse mal, porque un campo con «N/A» cuenta como lleno.
Consistencia: el mismo hecho se representa igual en todos los sistemas. Es la que produce las dos cifras en el comité.
Vigencia: el dato está actualizado para la decisión que se va a tomar. Un inventario de ayer sirve para planear y no para prometer una entrega.
Unicidad: cada entidad aparece una sola vez. Los clientes duplicados inflan los conteos y arruinan cualquier análisis por cliente.
Validez: el dato cumple la regla que le aplica. Un identificador con el formato equivocado es válido para el sistema que lo aceptó y no para el que lo recibe.
Qué falla en cada síntoma típico
Si los totales no cuadran entre áreas, el problema es de consistencia: hay dos definiciones. Si los conteos parecen altos, revise unicidad antes que nada. Si el análisis por segmento no concluye nada, suele ser completitud en el campo que segmenta.
Si la decisión llegó tarde, el problema es de vigencia y no de calidad en sentido estricto: el dato era correcto, llegó después de que hiciera falta.
Qué se corrige primero
La tentación es limpiar todo. La alternativa que rinde es preguntar qué decisión se está tomando mal por culpa de este dato, y corregir solo lo que esa decisión necesita.
Y corregir en el origen, no en el reporte. Un dato arreglado en el tablero vuelve a estar mal la próxima vez, y además crea una tercera versión de la verdad. La corrección aguas arriba cuesta más la primera vez y deja de costar después.
Cuando el origen no se puede tocar —un sistema de un tercero, por ejemplo— la regla de limpieza debe quedar en un solo lugar del recorrido y documentada, no repartida entre cinco reportes que nadie sabe que existen.
El costo de no arreglarlo
La consecuencia visible es el tiempo de comité perdido en reconciliar cifras, y es la menos grave. La seria es que la organización empieza a decidir por instinto, porque el dato dejó de ser una autoridad: cuando cada cifra admite discusión, gana quien argumenta mejor.
La segunda consecuencia es el trabajo duplicado. Cada área construye su propia versión de la verdad para no depender de una cifra en la que no confía, y la organización termina pagando tres veces por el mismo análisis.
Ninguna de las dos aparece en un presupuesto, y por eso el proyecto de calidad de datos casi siempre compite en desventaja contra iniciativas cuyo beneficio se puede facturar.
Cómo se sostiene sin volverse un proyecto eterno
Midiendo poco y siempre. Tres o cuatro indicadores de calidad sobre los datos que sostienen las decisiones importantes, revisados con una periodicidad fija, hacen más que una auditoría anual exhaustiva.
Y con un responsable por dominio. Sin eso, la calidad se degrada entre auditorías con la misma velocidad con la que se corrigió.
Dónde ubicar el esfuerzo
La confianza en un dato se pierde en el tramo más débil de su recorrido, y ese tramo rara vez es el que se sospecha. Medirlo es más barato que adivinarlo: un assessment de madurez de datos y analítica califica origen, calidad, gobierno, modelo y consumo por separado.
El gobierno del dato se contrasta además con la norma que le aplica —Habeas Data (Ley 1581) en Colombia, la LFPDPPP en México—, y no solo con un modelo de madurez genérico. De ahí sale el plan de analítica con prioridades defendibles.
Preguntas frecuentes
¿Por qué dos áreas presentan cifras distintas de la misma métrica?
Casi siempre porque conviven dos definiciones del mismo término, no porque haya un error de cálculo. Es un problema de consistencia, y se resuelve acordando y escribiendo la definición, no recalculando el reporte.
¿Cómo se mide la calidad de un dato?
En seis dimensiones: exactitud, completitud, consistencia, vigencia, unicidad y validez. Nombrar cuál falla es lo que permite corregir el origen en lugar de parchear el reporte.
¿Conviene limpiar todos los datos?
No. Rinde más preguntar qué decisión se está tomando mal por culpa de un dato y corregir solo lo que esa decisión necesita. Una limpieza general consume el presupuesto antes de demostrar valor.
¿Se corrige en el reporte o en el origen?
En el origen siempre que se pueda: un dato arreglado en el tablero vuelve a estar mal la próxima vez y crea una tercera versión de la verdad. Si el origen es de un tercero, la regla debe vivir en un solo punto del recorrido y estar documentada.
