Las seis dimensiones de la calidad del dato, cómo medirlas con indicadores y qué prácticas implantar para que el negocio confíe en sus cifras.
“Los datos no cuadran” es una de las frases más caras de cualquier organización. Detrás suele esconderse un problema de calidad del dato que erosiona la confianza en los informes, alarga las reuniones discutiendo qué cifra es la buena y, en el peor de los casos, lleva a decisiones equivocadas. Medir y mejorar esa calidad de forma sistemática es una de las inversiones de mayor retorno en cualquier estrategia de datos, y también una de las más ignoradas.
En este artículo explicamos qué es la calidad del dato en términos medibles —no abstractos—, cómo medirla con indicadores, cómo mejorarla combinando prevención y corrección, y por qué es especialmente crítica cuando se aplica inteligencia artificial.
El primer paso para gestionar la calidad es dejar de tratarla como un concepto difuso. Marcos de gestión de datos como DAMA-DMBOK la descomponen en dimensiones concretas y medibles. Estas seis son las más utilizadas en la práctica:
Descomponer la calidad en estas dimensiones permite convertir un problema vago —“los datos están mal”— en objetivos concretos y medibles: “el 12% de los registros de cliente no tienen email” o “hay un 4% de duplicados en el catálogo de productos”.
Medir la calidad exige convertir cada dimensión en indicadores y reglas automatizadas. Por ejemplo: porcentaje de registros con campos obligatorios completos, tasa de duplicados, número de valores fuera de rango o retraso medio entre el evento y su disponibilidad. La clave es que estas reglas se ejecuten de forma continua sobre los flujos de datos, no en revisiones manuales esporádicas que siempre llegan tarde.
La mejora de la calidad combina dos frentes. Prevenir significa validar en el punto de entrada —formularios, APIs, integraciones— para que el dato erróneo no entre en primer lugar. Corregir implica deduplicar, normalizar y enriquecer lo que ya existe. Y ambos frentes necesitan algo que a menudo falta: responsables claros. Sin un propietario del dato por dominio, la calidad se degrada inevitablemente con el tiempo.
Prevenir un error de dato en el origen es mucho más barato que descubrirlo en un informe de dirección, cuando ya ha motivado una decisión.
Existe un principio ampliamente aceptado en gestión de calidad: el coste de corregir un error se multiplica cuanto más avanza en la cadena. Un dato erróneo detectado en el origen es una incidencia técnica menor. El mismo dato, descubierto en un informe que ya ha llegado al comité, puede haber motivado una decisión costosa. Por eso la inversión más rentable es siempre la prevención: validar pronto, fallar pronto, corregir barato.
La calidad del dato es crítica en cualquier proyecto analítico, pero se vuelve determinante cuando se aplica inteligencia artificial. Un modelo entrenado o alimentado con datos incompletos, sesgados o inconsistentes produce resultados poco fiables, por avanzada que sea la tecnología. El viejo principio “basura entra, basura sale” no solo sigue vigente: con la IA se amplifica, porque el modelo no corrige los defectos del dato, los aprende y los escala a todas sus predicciones.
No es casualidad que el Reglamento Europeo de IA exija, para los sistemas de alto riesgo, conjuntos de datos de entrenamiento de calidad y representativos. La calidad del dato ha pasado de ser una buena práctica a ser, también, un requisito regulatorio.
La calidad del dato deja de ser un problema inmanejable cuando se descompone en dimensiones medibles, se vigila con reglas automatizadas en continuo y se gestiona con responsables claros y un enfoque de prevención. Es la base invisible sobre la que se sostiene todo lo demás: el reporting fiable, las buenas decisiones y, muy especialmente, cualquier iniciativa de IA. Invertir en calidad del dato no es glamuroso, pero es, casi siempre, la inversión de mayor retorno en datos que una empresa puede hacer.
Elige los conjuntos de datos críticos para el negocio y define reglas medibles para las dimensiones más relevantes (completitud, unicidad, validez). Automatiza esas reglas y revisa los indicadores con regularidad.
Es compartida. TI aporta las herramientas y la automatización, pero la definición de qué es un dato correcto corresponde al negocio, que debe nombrar propietarios por dominio.
Un proceso continuo. Las fuentes cambian y los datos se degradan, por lo que la calidad debe vigilarse y mantenerse de forma permanente.
Las seis más usadas son exactitud, completitud, consistencia, validez, unicidad y oportunidad. Descomponer la calidad en ellas convierte un problema vago en objetivos medibles.
Porque el coste de un error crece cuanto más avanza en la cadena. Detectarlo en el origen es una incidencia menor; descubrirlo en un informe de dirección puede haber motivado ya una decisión costosa.
Porque la IA no corrige los defectos del dato: los aprende y los escala a todas sus predicciones. Datos de mala calidad producen modelos poco fiables, y el AI Act exige datos de entrenamiento de calidad.
Cuéntanos qué quieres conseguir. Data Layer conecta, procesa y entrega el resultado funcionando, sin que gestiones infraestructura.
