Calidad medible y contratos de datos
Del "los datos están sucios" al SLA con penalización
¿Qué significa que un dato sea de buena calidad?
- secciones
- 4
- interactivos
- 2
- preguntas de cierre
- 4
Al terminar, usted podrá
- 1Operacionalizar las dimensiones de calidad (exactitud, completitud, consistencia, oportunidad, unicidad, validez).
- 2Diseñar un data contract entre un equipo productor y uno consumidor.
- 3Instrumentar pruebas de calidad en el pipeline y definir qué se rompe cuando fallan.
No existe la calidad, existe la aptitud
«Los datos están sucios» es la frase más repetida y menos accionable del oficio. No dice qué está mal, ni para qué está mal, ni cuánto cuesta. Es un lamento, no un diagnóstico, y ningún presupuesto se aprueba contra un lamento.
La calidad de datos no es una propiedad del dato: es la relación entre el dato y el uso que se le va a dar. El mismo maestro de clientes puede ser impecable para enviar un correo de campaña e inservible para calcular exposición crediticia. Por eso la pregunta correcta nunca es «¿está bien este dato?» sino «¿es apto para la decisión que va a soportar?».
| Dimensión | Qué pregunta | Cómo se mide | Cómo se rompe en la práctica |
|---|---|---|---|
| Completitud | ¿Falta lo que tiene que estar? | Porcentaje de registros con los campos obligatorios llenos. | El sistema fuente permite guardar sin el campo, y el vendedor aprende a saltárselo. |
| Validez | ¿El valor es posible? | Porcentaje que cumple el formato, el rango o el dominio. | Se acepta un precio negativo porque nadie escribió que no podía serlo. |
| Consistencia | ¿Dice lo mismo en todas partes? | Coincidencia entre sistemas para la misma entidad. | «Medellín», «medellin» y «MED» son tres ciudades para el motor de agregación. |
| Unicidad | ¿Hay una sola vez cada cosa? | Duplicados sobre la clave de negocio, no sobre el id técnico. | Dos cargas del mismo archivo y una venta que se cuenta dos veces. |
| Exactitud | ¿Corresponde a la realidad? | Contraste contra una fuente de referencia externa. | Es la más cara de medir y por eso casi nadie la mide: exige comparar con el mundo. |
| Oportunidad | ¿Llega a tiempo para decidir? | Retraso entre el hecho y su disponibilidad. | El dato es perfecto y llega el día después de la reunión donde se necesitaba. |
Reglas de calidad sobre un lote real
Ocho ventas como las que envía un ERP cualquier lunes. Encienda reglas y mire qué le pasa al lote — y a la cifra que llega al comité.
Reglas activas
| Registro | Ciudad | Vendedor | Cant. | Precio | Dimensiones que falla | Puntaje |
|---|---|---|---|---|---|---|
| ✓ V-001 | Medellín | Ana Ruiz | 12 | 185.000 | — | 100% |
| ✓ V-002 | medellin | ana ruiz | 4 | 185.000 | — | 100% |
| ✕ V-003 | Bogotá | vacío | 7 | 210.000 | Completitud | 50% |
| ✕ V-004 | Barranquilla | Luis Peña | nulo | 195.000 | Completitud, Validez | 0% |
| ✕ V-005 | Cali | Sara Gil | 9 | -195.000 | Validez | 50% |
| ✓ V-006 | Medellín | Ana Ruiz | 12 | 185.000 | — | 100% |
| ✓ V-007 | Bogotá | Iván Soto | 3 | 210.000 | — | 100% |
| ✓ V-008 | Pereira | Nora Díaz | 6 | 178.000 | — | 100% |
5/8
aprobados al tablero
3
rechazados
75%
puntaje promedio
$6.9 M
ingreso que se reporta
La auditoría: doce registros y una dimensión que ninguna herramienta ve
Calibrar reglas es una cosa; encontrar el defecto sin que nadie le diga dónde está es otra. Este es el archivo de usuarios de PagoYa —el caso de la sesión 5— con doce registros y setenta y dos celdas evaluables. Hay diez errores sembrados: el índice que salga de aquí es la línea base contra la que se mide todo lo demás.
Detective de datos · el archivo de usuarios de PagoYa
Hay diez celdas con error entre las 72 evaluables. Toque la celda sospechosa y diga qué dimensión viola. Acierto con dimensión correcta, 2 puntos; celda correcta con dimensión equivocada, 1; falso positivo, −1.
Briefing · lo que no está en el archivo
Hoy es julio de 2026. Los documentos válidos tienen entre ocho y diez dígitos. Y un dato que no está en el archivo: la app estuvo caída por mantenimiento total la semana del 13 al 19 de julio de 2026, así que ningún usuario pudo tener actividad real en ese periodo.
Errores hallados
0/10
Puntos
0
Falsos positivos
0
| ID | Nombre completo | Documento | Correo | Teléfono | Ciudad | Últ. actividad |
|---|---|---|---|---|---|---|
| U-1001 | ||||||
| U-1002 | ||||||
| U-1003 | ||||||
| U-1004 | ||||||
| U-1005 | ||||||
| U-1006 | ||||||
| U-1007 | ||||||
| U-1008 | ||||||
| U-1009 | ||||||
| U-1010 | ||||||
| U-1011 | ||||||
| U-1012 |
La regla que no detiene nada no es una regla
El punto donde casi todos los programas de calidad se caen no es el de escribir las reglas: es el de decidir qué pasa cuando fallan. Una regla puede hacer cuatro cosas, y solo dos de ellas son gobernanza.
| Qué hace la regla al fallar | Qué significa de verdad | Cuándo usarla |
|---|---|---|
| Registra | Deja rastro y no cambia nada. Es el 90% de lo que existe. | Solo para observar mientras se calibra el umbral. |
| Alerta | Le pasa el problema a alguien. Si ese alguien no existe, es ruido. | Cuando hay un responsable con nombre y tiempo de respuesta pactado. |
| Aísla | Manda el registro a una zona de cuarentena y deja pasar el resto. | Es la opción correcta casi siempre: protege sin detener la operación. |
| Bloquea | Detiene la carga o el despliegue. Es la única con dientes de verdad. | Para las pocas reglas cuyo incumplimiento es peor que parar. |
El contrato de datos: la calidad con dos firmas
Un contrato de datos es el acuerdo explícito entre quien produce un dato y quien lo consume. Suena a documentación y no lo es: la documentación describe lo que hay, el contrato compromete lo que va a haber. La diferencia se nota el día que se rompe.
- Esquema y semántica. Qué campos, de qué tipo, y qué significa cada uno en el negocio. Incluye qué NO significa, que es donde nacen los malentendidos caros.
- Compromiso de servicio. Frescura, disponibilidad y completitud, con número. «Diario» no es un compromiso; «disponible antes de las 6:00 a.m. el 99% de los días hábiles» sí lo es.
- Reglas de calidad exigibles. Las que el consumidor puede verificar por su cuenta, no las que el productor promete cumplir.
- Política de cambios. Cuánta anticipación tiene el consumidor antes de un cambio que lo rompa. Sin esto, el contrato dura hasta el primer refactor.
- Qué pasa si se incumple. A quién se escala, en cuánto tiempo, y qué se detiene mientras tanto. Sin esta cláusula lo demás es una declaración de intenciones.
Quiz · Semana 7
Reglas con dientes
Cuatro preguntas sobre calidad medible y contratos de datos.
- 1
Un conjunto de datos con 98% de exactitud es de buena calidad.
- 2
Una regla de calidad crítica empieza a rechazar el 45% de los registros del sistema fuente. ¿Qué ocurre en la práctica, y qué debería ocurrir?
- 3
De las cuatro cosas que puede hacer una regla al fallar —registrar, alertar, aislar o bloquear—, ¿cuál es la opción por defecto más razonable para la mayoría de los casos?
- 4
De los siguientes elementos, ¿cuál convierte una documentación de datos en un contrato de datos?
Para leer
- Marco
DAMA-DMBOK2, capítulo 13: Data Quality
DAMA International
- Norma
ISO 8000 — Calidad de datos: vocabulario y principios
ISO