Hispanopedia Wiki
Articulo de referencia

Calidad de los datos

La calidad de los datos se refiere a su estado en función de factores como la precisión, la integridad, la coherencia, la fiabilidad y su idoneidad para el propósito previsto. E...

Hispanopedia WikiContenido en espanolLectura gratuita

La calidad de los datos se refiere a su estado en función de factores como la precisión, la integridad, la coherencia, la fiabilidad y su idoneidad para el propósito previsto. Existen numerosas definiciones de calidad de datos, pero generalmente se considera que los datos son de alta calidad si son adecuados para sus usos previstos en operaciones, toma de decisiones y planificación . [ 1 ] [ 2 ] [ 3 ] Se considera que los datos son de alta calidad si representan correctamente la estructura del mundo real a la que se refieren. Además de estas definiciones, a medida que aumenta el número de fuentes de datos, la cuestión de la coherencia interna de los datos cobra importancia, independientemente de su idoneidad para cualquier propósito externo en particular.

Las opiniones sobre la calidad de los datos suelen ser divergentes, incluso al analizar el mismo conjunto de datos para el mismo propósito. En estos casos, las empresas pueden adoptar estándares internacionales reconocidos para la calidad de los datos (véase #Estándares internacionales para la calidad de los datos más adelante). La gobernanza de datos también puede utilizarse para establecer definiciones y estándares consensuados, incluidos los internacionales, para la calidad de los datos. En tales casos, puede ser necesario realizar una limpieza de datos , incluida la estandarización , para garantizar la calidad de los datos. [ 4 ]

Definiciones

Definir la calidad de los datos es difícil debido a los muchos contextos en los que se utilizan los datos, así como a las diferentes perspectivas entre los usuarios finales, los productores y los custodios de los datos. [ 5 ]

Desde la perspectiva del consumidor, la calidad de los datos es: [ 5 ]

  • "datos que sean aptos para su uso por los consumidores de datos"
  • datos que "cumplen o superan las expectativas del consumidor"
  • datos que "satisfagan los requisitos de su uso previsto"

Desde una perspectiva empresarial, la calidad de los datos es:

  • datos que sean "aptos para su uso" en sus funciones operativas, de toma de decisiones y otras funciones previstas, o que muestren "conformidad con los estándares establecidos, de modo que se logre la idoneidad para su uso" [ 6 ].
  • datos que "son adecuados para los usos previstos en operaciones, toma de decisiones y planificación" [ 7 ]
  • "la capacidad de los datos para satisfacer los requisitos comerciales, de sistema y técnicos establecidos de una empresa" [ 8 ]

Desde una perspectiva basada en estándares, la calidad de los datos es:

  • el "grado en que un conjunto de características inherentes (dimensiones de calidad) de un objeto (datos) cumple con los requisitos" [ 9 ] [ 5 ]
  • "la utilidad, exactitud y corrección de los datos para su aplicación" [ 10 ]

Podría decirse que, en todos estos casos, la "calidad de los datos" es una comparación del estado real de un conjunto particular de datos con un estado deseado, que generalmente se denomina "apto para su uso", "conforme a las especificaciones", "que cumpla con las expectativas del consumidor", "libre de defectos" o "que cumpla con los requisitos". Estas expectativas, especificaciones y requisitos suelen estar definidos por uno o más individuos o grupos, organizaciones de normalización, leyes y reglamentos, políticas empresariales o políticas de desarrollo de software . [ 5 ]

Dimensiones de la calidad de los datos

Profundizando aún más, esas expectativas, especificaciones y requisitos se establecen en términos de características o dimensiones de los datos, tales como: [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 11 ]

Una revisión sistemática del alcance de la literatura sugiere que las dimensiones y los métodos de calidad de los datos con datos del mundo real no son consistentes en la literatura y, como resultado, las evaluaciones de calidad son difíciles debido a la naturaleza compleja y heterogénea de estos datos. [ 11 ]

Normas internacionales para la calidad de los datos

ISO 8000 es una norma internacional para la calidad de los datos. [ 12 ] Gestionadas por la Organización Internacional de Normalización , las normas ISO 8000 abordan y describen

  • Aspectos generales de la calidad de los datos, incluidos los principios, el vocabulario y la medición.
  • gobernanza de datos
  • gestión de la calidad de los datos
  • evaluación de la calidad de los datos
  • calidad de los datos maestros , incluido el intercambio de datos característicos e identificadores
  • calidad de los datos industriales

Historia

Antes del auge del almacenamiento de datos informático económico , se utilizaban enormes ordenadores centrales para mantener los datos de nombres y direcciones de los servicios de entrega. Esto permitía que el correo se enviara correctamente a su destino. Los ordenadores centrales utilizaban reglas de negocio para corregir errores ortográficos y tipográficos comunes en los datos de nombres y direcciones, así como para hacer un seguimiento de los clientes que se habían mudado, fallecido, ingresado en prisión, casado, divorciado o experimentado otros acontecimientos importantes en su vida. Las agencias gubernamentales comenzaron a poner los datos postales a disposición de algunas empresas de servicios para cotejar los datos de los clientes con el Registro Nacional de Cambio de Domicilio (NCOA) . Esta tecnología ahorró a las grandes empresas millones de dólares en comparación con la corrección manual de los datos de los clientes. Las grandes empresas ahorraron en franqueo, ya que las facturas y el material de marketing directo llegaban al cliente previsto con mayor precisión. Inicialmente vendido como un servicio, la calidad de los datos se integró en las propias empresas a medida que se disponía de tecnología de servidores potente y de bajo coste.

Las empresas centradas en el marketing suelen enfocar sus esfuerzos en la calidad de la información de nombre y dirección, pero la calidad de los datos es ampliamente reconocida como una propiedad importante de todo tipo de datos. Los principios de calidad de datos se pueden aplicar a los datos de la cadena de suministro, los datos transaccionales y prácticamente cualquier otra categoría de datos. Por ejemplo, lograr que los datos de la cadena de suministro cumplan con un estándar determinado aporta valor a una organización al: 1) evitar el exceso de existencias de productos similares pero ligeramente diferentes; 2) evitar la falsa falta de existencias; 3) mejorar la comprensión de las compras de los proveedores para negociar descuentos por volumen; y 4) evitar los costos logísticos de almacenamiento y envío de piezas en una organización grande.

Para las empresas con importantes esfuerzos de investigación, la calidad de los datos puede incluir el desarrollo de protocolos para los métodos de investigación, la reducción del error de medición , la comprobación de los límites de los datos, la tabulación cruzada , el modelado y la detección de valores atípicos , la verificación de la integridad de los datos , etc.

Descripción general

Existen diversos marcos teóricos para comprender la calidad de los datos. Un enfoque sistémico, influenciado por el pragmatismo estadounidense, amplía la definición de calidad de los datos para incluir la calidad de la información y enfatiza la inclusividad de las dimensiones fundamentales de exactitud y precisión, basándose en la teoría de la ciencia (Ivanov, 1972). Un marco, denominado "Datos sin Defectos" (Hansen, 1991), adapta los principios del control estadístico de procesos a la calidad de los datos. Otro marco busca integrar la perspectiva del producto (conformidad con las especificaciones) y la perspectiva del servicio (satisfacción de las expectativas de los consumidores) (Kahn et al., 2002). Un tercer marco se basa en la semiótica para evaluar la calidad de la forma, el significado y el uso de los datos (Price y Shanks, 2004). Un enfoque altamente teórico analiza la naturaleza ontológica de los sistemas de información para definir la calidad de los datos de manera rigurosa (Wand y Wang, 1996).

Una cantidad considerable de investigación sobre la calidad de los datos implica investigar y describir diversas categorías de atributos (o dimensiones) deseables de los datos. Se han identificado cerca de 200 términos de este tipo y existe poco consenso sobre su naturaleza (¿son conceptos, objetivos o criterios?), sus definiciones o sus medidas (Wang et al., 1993). Los ingenieros de software pueden reconocer esto como un problema similar al de las " habilidades ".

El MIT cuenta con un Programa de Calidad de la Información (MITIQ), dirigido por el profesor Richard Wang, que genera numerosas publicaciones y organiza una importante conferencia internacional en este campo (Conferencia Internacional sobre Calidad de la Información, ICIQ). Este programa surgió del trabajo realizado por Hansen sobre el marco de "Datos sin Defectos" (Hansen, 1991).

En la práctica, la calidad de los datos es una preocupación para los profesionales involucrados con una amplia gama de sistemas de información, desde el almacenamiento de datos y la inteligencia empresarial hasta la gestión de relaciones con el cliente y la gestión de la cadena de suministro . Un estudio de la industria estimó que el costo total para la economía estadounidense de los problemas de calidad de datos supera los 600 mil millones de dólares anuales (Eckerson, 2002). Los datos incorrectos, que incluyen información inválida y obsoleta, pueden provenir de diferentes fuentes de datos, ya sea a través de la entrada de datos o de proyectos de migración y conversión de datos . [ 13 ]

En 2002, el USPS y PricewaterhouseCoopers publicaron un informe que indicaba que el 23,6 por ciento de todo el correo enviado en EE. UU. tenía direcciones incorrectas. [ 14 ]

Una de las razones por las que los datos de contacto se vuelven obsoletos muy rápidamente en la base de datos promedio es que más de 45 millones de estadounidenses cambian de dirección cada año. [ 15 ]

De hecho, el problema es tan preocupante que las empresas están empezando a crear un equipo de gobernanza de datos cuya única función dentro de la corporación es garantizar la calidad de los datos. En algunas organizaciones, esta función de gobernanza de datos se ha establecido como parte de una función más amplia de cumplimiento normativo, lo que demuestra la importancia que las organizaciones le dan a la calidad de los datos y la información.

Los problemas de calidad de los datos no solo se deben a datos incorrectos ; la inconsistencia de los datos también constituye un problema. Eliminar los sistemas de datos en la sombra y centralizar los datos en un almacén de datos es una de las iniciativas que una empresa puede implementar para garantizar la coherencia de los datos.

Las empresas, los científicos y los investigadores están empezando a participar en comunidades de curación de datos para mejorar la calidad de sus datos comunes. [ 16 ]

El mercado está avanzando en la garantía de calidad de los datos. Varios proveedores ofrecen herramientas para analizar y reparar datos de baja calidad in situ , los proveedores de servicios pueden limpiar los datos mediante contrato y los consultores pueden asesorar sobre cómo corregir procesos o sistemas para evitar problemas de calidad de datos desde el principio. La mayoría de las herramientas de calidad de datos ofrecen una serie de herramientas para mejorar los datos, que pueden incluir algunas o todas las siguientes:

  1. Análisis de datos : evaluación inicial de los datos para comprender su estado actual, incluyendo a menudo la distribución de valores.
  2. Estandarización de datos: un motor de reglas de negocio que garantiza que los datos cumplan con los estándares.
  3. Geocodificación : para datos de nombres y direcciones. Corrige los datos según los estándares geográficos de EE. UU. y del mundo.
  4. La comparación o vinculación de datos permite alinear registros similares, aunque ligeramente diferentes. Esta técnica puede utilizar lógica difusa para detectar duplicados. A menudo reconoce que "Bob" y "Bbo" pueden ser la misma persona. También puede gestionar la información sobre hogares o encontrar vínculos entre cónyuges que residen en la misma dirección. Finalmente, suele crear un registro combinado que integra los mejores componentes de diversas fuentes de datos.
  5. Monitorización: seguimiento de la calidad de los datos a lo largo del tiempo e informe de las variaciones en dicha calidad. El software también puede corregir automáticamente las variaciones en función de reglas de negocio predefinidas.
  6. Procesamiento por lotes y en tiempo real: una vez que los datos se han limpiado inicialmente (procesamiento por lotes), las empresas suelen querer integrar los procesos en aplicaciones empresariales para mantenerlos limpios.

garantía de calidad de los datos

La garantía de calidad de los datos es el proceso de perfilado de datos para descubrir inconsistencias y otras anomalías en los datos, así como realizar actividades de limpieza de datos [ 17 ] [ 18 ] (por ejemplo, eliminar valores atípicos , interpolación de datos faltantes ) para mejorar la calidad de los datos.

Estas actividades pueden llevarse a cabo como parte del almacenamiento de datos o como parte de la administración de la base de datos de un software de aplicación existente . [ 19 ]

Control de calidad de los datos

El control de calidad de datos es el proceso de controlar el uso de los datos para una aplicación o un proceso. Este proceso se realiza tanto antes como después de un proceso de aseguramiento de la calidad de los datos (QA), que consiste en la detección y corrección de inconsistencias en los datos.

Antes:

  • Restringe las entradas

Tras el proceso de control de calidad (CC), se recopilan las siguientes estadísticas para orientar el proceso de control de calidad (CC):

  • Gravedad de la inconsistencia
  • Incompletitud
  • Exactitud
  • Precisión
  • Desaparecido/Desconocido

El proceso de control de calidad de datos (CCD) utiliza la información del proceso de control de calidad (CC) para decidir si los datos se utilizan para análisis, aplicaciones o procesos de negocio. Ejemplo general: si el CCD detecta que los datos contienen demasiados errores o inconsistencias, impide su uso en el proceso previsto, lo que podría provocar interrupciones. Ejemplo específico: proporcionar mediciones no válidas de varios sensores al piloto automático de una aeronave podría provocar un accidente. Por lo tanto, establecer un proceso de CCD garantiza la protección del uso de los datos.

Uso óptimo de la calidad de los datos

La calidad de los datos (CD) es un área especializada necesaria para la integridad de la gestión de datos, ya que aborda las deficiencias detectadas. Esta es una de las funciones clave que facilitan la gobernanza de datos al monitorizarlos para encontrar excepciones no detectadas por las operaciones de gestión de datos actuales. Las comprobaciones de calidad de los datos pueden definirse a nivel de atributo para tener un control total sobre sus medidas correctivas.

Las comprobaciones de calidad de datos y las reglas de negocio pueden solaparse fácilmente si una organización no presta atención al alcance de la calidad de datos. Los equipos de negocio deben comprender a fondo dicho alcance para evitar solapamientos. Las comprobaciones de calidad de datos son redundantes si la lógica de negocio abarca la misma funcionalidad y cumple el mismo propósito que la calidad de datos. El alcance de la calidad de datos de una organización debe estar definido en la estrategia de calidad de datos e implementado correctamente. Algunas comprobaciones de calidad de datos pueden convertirse en reglas de negocio tras repetidas excepciones en el pasado.

A continuación se detallan algunas áreas de flujos de datos que pueden requerir comprobaciones periódicas de calidad de datos:

Se pueden realizar comprobaciones de integridad y precisión de la calidad de los datos en el punto de entrada para cada atributo obligatorio de cada sistema de origen. Algunos valores de atributo se crean mucho después de la creación inicial de la transacción; en tales casos, administrar estas comprobaciones se vuelve complejo y debe hacerse inmediatamente después de que se cumpla el evento definido del origen de ese atributo y las demás condiciones principales de los atributos de la transacción.

Todos los datos que tengan atributos que hagan referencia a los Datos de Referencia en la organización pueden validarse con respecto al conjunto de valores válidos bien definidos de los Datos de Referencia para detectar valores nuevos o discrepantes mediante la comprobación de validez de los datos. Los resultados pueden utilizarse para actualizar los Datos de Referencia administrados bajo la Gestión de Datos Maestros (MDM) .

Todos los datos provenientes de terceros que se envían a los equipos internos de la organización pueden someterse a una verificación de precisión (DQ) comparándolos con los datos de dicho tercero. Los resultados de esta verificación de precisión son valiosos cuando se aplican a datos que han pasado por múltiples etapas después de su ingreso, pero antes de que sean autorizados o almacenados para la inteligencia empresarial.

Todas las columnas de datos que hacen referencia a los datos maestros pueden validarse para comprobar su coherencia . Una comprobación de calidad de datos (DQ) aplicada a los datos en el punto de entrada detecta datos nuevos para el proceso de gestión de datos maestros (MDM), mientras que una comprobación de DQ aplicada después del punto de entrada detecta fallos (no excepciones) de coherencia.

A medida que los datos se transforman, se capturan múltiples marcas de tiempo y sus posiciones, las cuales se pueden comparar entre sí y con su margen de error para validar su valor, su deterioro y su relevancia operativa con respecto a un SLA (acuerdo de nivel de servicio) definido. Esta verificación de la puntualidad de la calidad de los datos se puede utilizar para reducir la tasa de deterioro del valor de los datos y optimizar las políticas de la línea de tiempo de movimiento de datos.

En una organización, la lógica compleja suele dividirse en lógica más simple a través de múltiples procesos. Las comprobaciones de razonabilidad de la calidad de los datos (DQ) sobre dicha lógica compleja, que arroja un resultado lógico dentro de un rango específico de valores o interrelaciones estáticas (reglas de negocio agregadas), pueden validarse para descubrir procesos de negocio complejos pero cruciales y valores atípicos en los datos, su desviación de las expectativas habituales y, posiblemente, proporcionar excepciones que eventualmente den lugar a problemas de datos. Esta comprobación puede ser una regla de agregación genérica simple que abarca un gran volumen de datos o una lógica compleja sobre un grupo de atributos de una transacción relacionada con el negocio principal de la organización. Esta comprobación de DQ requiere un alto grado de conocimiento y perspicacia empresarial. El descubrimiento de problemas de razonabilidad puede contribuir a cambios en las políticas y estrategias, ya sea por parte del negocio, la gobernanza de datos o ambas.

Las comprobaciones de conformidad e integridad no tienen por qué estar cubiertas en todas las necesidades empresariales; esto queda estrictamente a discreción de la arquitectura de la base de datos.

En muchos puntos del flujo de datos, las comprobaciones de calidad de datos (DQ) pueden no ser necesarias. Por ejemplo, verificar la integridad y precisión de las columnas que no admiten valores nulos es redundante para los datos provenientes de bases de datos. Del mismo modo, se debe validar la exactitud de los datos en función del tiempo cuando se combinan datos de diversas fuentes. Sin embargo, esto constituye una regla de negocio y no debería estar dentro del alcance de la DQ.

Lamentablemente, desde la perspectiva del desarrollo de software, la calidad de los datos (DQ) suele considerarse un requisito no funcional. Por lo tanto, los procesos y controles clave de calidad de los datos no se tienen en cuenta en la solución de software final. En el sector sanitario [ 20 ] , las tecnologías portátiles o redes de área corporal generan grandes volúmenes de datos [ 21 ] . El nivel de detalle necesario para garantizar la calidad de los datos es extremadamente alto y a menudo se subestima. Esto también se aplica a la gran mayoría de las aplicaciones de salud móvil (mHealth) , los registros electrónicos de salud (EHR) y otras soluciones de software relacionadas con la salud. Sin embargo, existen algunas herramientas de código abierto que examinan la calidad de los datos [ 22 ] . La razón principal de esto radica en que el coste adicional implica un mayor grado de rigor en la arquitectura del software.

Seguridad y privacidad de los datos sanitarios

El uso de dispositivos móviles en la salud, o mHealth, plantea nuevos desafíos para la seguridad y la privacidad de los datos de salud , afectando directamente la calidad de los datos. [ 2 ] La mHealth es una estrategia cada vez más importante para la prestación de servicios de salud en países de ingresos bajos y medios. [ 23 ] Los teléfonos móviles y las tabletas se utilizan para la recopilación, el reporte y el análisis de datos casi en tiempo real. Sin embargo, estos dispositivos móviles también se utilizan comúnmente para actividades personales, lo que los hace más vulnerables a riesgos de seguridad que podrían provocar filtraciones de datos. Sin las medidas de seguridad adecuadas, este uso personal podría poner en peligro la calidad, la seguridad y la confidencialidad de los datos de salud. [ 24 ]

Calidad de los datos en la salud pública

La calidad de los datos se ha convertido en un foco principal de los programas de salud pública en los últimos años, especialmente a medida que aumenta la demanda de rendición de cuentas. [ 25 ] El trabajo hacia metas ambiciosas relacionadas con la lucha contra enfermedades como el SIDA, la tuberculosis y la malaria debe basarse en sistemas sólidos de monitoreo y evaluación que produzcan datos de calidad relacionados con la implementación del programa. [ 26 ] Estos programas, y los auditores de programas, buscan cada vez más herramientas para estandarizar y optimizar el proceso de determinar la calidad de los datos, [ 27 ] verificar la calidad de los datos reportados y evaluar los sistemas subyacentes de gestión y reporte de datos para los indicadores. [ 28 ] Un ejemplo es la Herramienta de revisión de la calidad de los datos de la OMS y MEASURE Evaluation. [ 29 ] La OMS, el Fondo Mundial, GAVI y MEASURE Evaluation han colaborado para producir un enfoque armonizado para la garantía de la calidad de los datos en diferentes enfermedades y programas. [ 30 ]

Calidad de datos abiertos

Existen numerosos trabajos científicos dedicados al análisis de la calidad de los datos en fuentes de datos abiertos , como Wikipedia , Wikidata , DBpedia y otras. En el caso de Wikipedia, el análisis de calidad puede abarcar todo el artículo [ 31 ]. El modelado de la calidad se lleva a cabo mediante diversos métodos. Algunos de ellos utilizan algoritmos de aprendizaje automático , como Random Forest [ 32 ] , Support Vector Machine [ 33 ] y otros. Los métodos para evaluar la calidad de los datos en Wikidata, DBpedia y otras fuentes LOD difieren [ 34 ] .

asociaciones profesionales

ECCMA (Asociación de Gestión de Códigos de Comercio Electrónico)

La Electronic Commerce Code Management Association (ECCMA) es una asociación internacional sin ánimo de lucro, basada en la membresía, comprometida con la mejora de la calidad de los datos mediante la implementación de estándares internacionales. ECCMA lidera actualmente el proyecto de desarrollo de ISO 8000 e ISO 22745, que son los estándares internacionales para la calidad de los datos y el intercambio de datos maestros de materiales y servicios, respectivamente. ECCMA proporciona una plataforma para la colaboración entre expertos en calidad y gobernanza de datos de todo el mundo para crear y mantener diccionarios globales de estándares abiertos que se utilizan para etiquetar la información de forma inequívoca. La existencia de estos diccionarios (conocidos como Diccionarios Técnicos Abiertos) de etiquetas (que actúan como metadatos y datos de referencia ) permite que la información se transfiera de un sistema informático a otro sin perder su significado. [ 35 ]

Véase también

Referencias

  1. ↑ Redman, Thomas C. (30 de diciembre de 2013). Data Driven: Profiting from Your Most Important Business Asset . Harvard Business Press. ISBN 978-1-4221-6364-1.
  2. 1 2 Fadahunsi, Kayode Philip; Akinlua, James Tosin; O'Connor, Siobhan; Wark, Petra A; Gallagher, Joseph; Carroll, Christopher; Majeed, Azeem; O'Donoghue, John (marzo de 2019). "Protocolo para una revisión sistemática y síntesis cualitativa de marcos de calidad de la información en eSalud" . BMJ Open . 9 (3) e024722. doi : 10.1136/bmjopen-2018-024722 . ISSN 2044-6055 . PMC 6429947. PMID 30842114 .   
  3. ↑ Fadahunsi, Kayode Philip; O'Connor, Siobhan; Akinlua, James Tosin; Wark, Petra A.; Gallagher, Joseph; Carroll, Christopher; Car, Josip; Majeed, Azeem; O'Donoghue, John (2021-05-17). "Marcos de calidad de la información para tecnologías de salud digital: revisión sistemática" . Journal of Medical Internet Research . 23 (5) e23479. doi : 10.2196/23479 . PMC 8167621. PMID 33835034 .  
  4. ↑ Smallwood, RF (2014). Gobernanza de la información: conceptos, estrategias y mejores prácticas . John Wiley and Sons. pág. 110. ISBN  978-1-118-21830-3Archivado del original el 30/07/2020 . Consultado el 18/04/2020 . Contar con un programa estandarizado de gobernanza de datos implica limpiar los datos corruptos o duplicados y proporcionar a los usuarios datos limpios y precisos como base para las aplicaciones de software de línea de negocio y para el análisis de apoyo a la toma de decisiones en las aplicaciones de inteligencia empresarial (BI).
  5. 1 2 3 4 5 Fürber, C. (2015). "3. Calidad de los datos" . Gestión de la calidad de los datos con tecnologías semánticas . Springer. págs. 20–55 . ISBN  978-3-658-12224-9Archivado del original el 31 de julio de 2020. Consultado el 18 de abril de 2020 .
  6. 1 2 Herzog, TN; Scheuren, FJ; Winkler, WE (2007). «Capítulo 2: ¿Qué es la calidad de los datos y por qué debería importarnos?» . Calidad de los datos y técnicas de vinculación de registros . Springer Science & Business Media. págs. 7–15 . ISBN  978-0-387-69502-0Archivado del original el 31 de julio de 2020. Consultado el 18 de abril de 2020 .{{cite book}}: CS1 maint: varios nombres: lista de autores ( enlace )
  7. ^ Fleckenstein , M.; Becarios, L. (2018). "Capítulo 11: Calidad de los datos" . Estrategia de datos moderna . Saltador. págs. 101 a 120. ISBN  978-3-319-68992-0Archivado del original el 31 de julio de 2020. Consultado el 18 de abril de 2020 .{{cite book}}: CS1 maint: varios nombres: lista de autores ( enlace )
  8. 1 2 Mahanti, R. (2019). «Capítulo 1: Datos, calidad de los datos y coste de la mala calidad de los datos». Calidad de los datos: dimensiones, medición, estrategia, gestión y gobernanza . Quality Press. págs. 5–6 . ISBN  978-0-87389-977-2Archivado del original el 23 de noviembre de 2020. Consultado el 18 de abril de 2020 .
  9. ↑ Organización Internacional de Normalización (septiembre de 2015). «ISO 9000:2015(en) Sistemas de gestión de la calidad: fundamentos y vocabulario» . Organización Internacional de Normalización. Archivado del original el 19 de mayo de 2020. Consultado el 18 de abril de 2020 .
  10. ↑ Grupo de Trabajo Público de Big Data del NIST, Subgrupo de Definiciones y Taxonomías (octubre de 2019). "Marco de Interoperabilidad de Big Data del NIST: Volumen 4, Seguridad y Privacidad" (PDF) . Publicación Especial 1500-4r2 del NIST (3.ª ed.). Instituto Nacional de Estándares y Tecnología. doi : 10.6028/NIST.SP.1500-4r2 . Archivado (PDF) del original el 9 de mayo de 2020. Recuperado el 18 de abril de 2020. La validez se refiere a la utilidad, precisión y corrección de los datos para su aplicación. Tradicionalmente, esto se ha denominado calidad de los datos. 
  11. 1 2 Bian, Jiang; Lyu, Tianchen; Loiacono, Alexander; Viramontes, Tonatiuh Mendoza; Lipori, Gloria; Guo, Yi; Wu, Yonghui; Prosperi, Mattia; George, Thomas J; Harle, Christopher A; Shenkman, Elizabeth A (2020-12-09). "Evaluación de la práctica de la evaluación de la calidad de los datos en una red nacional de investigación de datos clínicos a través de una revisión sistemática exploratoria en la era de los datos del mundo real" . Journal of the American Medical Informatics Association . 27 (12): 1999– 2010. doi : 10.1093/jamia/ocaa245 . ISSN 1527-974X . PMC 7727392. PMID 33166397 .   
  12. ↑ "ISO 8000-1:2022 Calidad de los datos Parte 1: Descripción general" . Organización Internacional de Normalización.
  13. ↑ "Responsabilidad y apalancamiento: un argumento a favor de la calidad de los datos" . Gestión de la información. Agosto de 2006. Archivado del original el 27 de enero de 2011. Consultado el 25 de junio de 2010 .
  14. ↑ "Gestión de direcciones para venta por correo y minorista" . Revista Directions. Archivado del original el 28 de abril de 2005. Consultado el 25 de junio de 2010 .
  15. ↑ "USPS | PostalPro" (PDF) . Archivado (PDF) del original el 15/02/2010 . Consultado el 25/06/2010 .
  16. ↑ E. Curry, A. Freitas y S. O'Riáin, "El papel de la curación de datos impulsada por la comunidad para las empresas" , archivado el 23 de enero de 2012 en Wayback Machine en Linking Enterprise Data , D. Wood, Ed. Boston, Mass.: Springer US, 2010, pp. 25-47.
  17. ↑ "¿Puedes confiar en la calidad de tus datos?" . spotlessdata.com. Archivado del original el 11 de febrero de 2017.
  18. ↑ "¿Qué es la limpieza de datos? - Calidad de datos de Experian" . 13 de febrero de 2015. Archivado del original el 11 de febrero de 2017. Consultado el 9 de febrero de 2017 .
  19. ↑ "Lección 23 Tutorial sobre conceptos de calidad de datos – Almacenamiento de datos" . Vea capacitaciones en video gratuitas en línea . Vea capacitación en video gratuita en línea. 12 de septiembre de 2016. Archivado del original el 21 de diciembre de 2016. Recuperado el 8 de diciembre de 2016 .
  20. ↑ Crossette-Thambiah, Grace; Berleant, Daniel; AbuHalimeh, Ahmed (2024). "Un marco de calidad de la información para la atención médica administrada" . Journal of Healthcare Leadership . 16 : 343–364 . doi : 10.2147/JHL.S473833 . PMC 11445674. PMID 39359406 .  
  21. ↑ O'Donoghue, John y John Herbert. "Gestión de datos en entornos de salud móvil: sensores de pacientes, dispositivos móviles y bases de datos". Journal of Data and Information Quality ( JDIQ ) 4.1 (2012): 5.
  22. ↑ Huser, Vojtech; DeFalco, Frank J; Schuemie, Martijn; Ryan, Patrick B; Shang, Ning; Velez, Mark; Park, Rae Woong; Boyce, Richard D; Duke, Jon; Khare, Ritu; Utidjian, Levon; Bailey, Charles (30 de noviembre de 2016). "Evaluación multisitio de una herramienta de calidad de datos para conjuntos de datos clínicos a nivel de paciente" . eGEMs . 4 (1): 24. doi : 10.13063/2327-9214.1239 . PMC 5226382. PMID 28154833 .  
  23. ↑ MEASURE Evaluation. (2017) Mejora de la calidad de los datos en sistemas móviles de información sanitaria comunitarios: Directrices para el diseño y la implementación (tr-17-182). Chapel Hill, NC: MEASURE Evaluation, Universidad de Carolina del Norte. Recuperado de https://www.measureevaluation.org/resources/publications/tr-17-182 Archivado el 8 de agosto de 2017 en Wayback Machine
  24. ↑ Wambugu, S. y Villella, C. (2016). mHealth para sistemas de información sanitaria en países de ingresos bajos y medios: Desafíos y oportunidades en calidad de datos, privacidad y seguridad (tr-16-140). Chapel Hill, NC: MEASURE Evaluation, Universidad de Carolina del Norte. Recuperado de https://www.measureevaluation.org/resources/publications/tr-16-140 Archivado el 8 de agosto de 2017 en Wayback Machine
  25. ↑ MEASURE Evaluation. (2016) Calidad de los datos para sistemas de monitoreo y evaluación (fs-16-170). Chapel Hill, NC: MEASURE Evaluation, Universidad de Carolina del Norte. Recuperado de https://www.measureevaluation.org/resources/publications/fs-16-170-en Archivado el 8 de agosto de 2017 en Wayback Machine
  26. ↑ MEASURE Evaluation. (2016). Sistemas de información sanitaria de rutina: Un plan de estudios sobre conceptos básicos y práctica - Programa de estudios (sr-16-135a). Chapel Hill, NC: MEASURE Evaluation, Universidad de Carolina del Norte. Recuperado de https://www.measureevaluation.org/resources/publications/sr-16-135a Archivado el 8 de agosto de 2017 en Wayback Machine
  27. ↑ "Herramientas de garantía de calidad de datos" . Evaluación MEASURE . Archivado del original el 8 de agosto de 2017. Recuperado el 8 de agosto de 2017 .
  28. ↑ "Módulo 4: Calidad de los datos RHIS" . Evaluación MEASURE . Archivado del original el 8 de agosto de 2017. Recuperado el 8 de agosto de 2017 .
  29. ↑ Evaluación MEASURE. "Calidad de los datos" . Evaluación MEASURE . Archivado del original el 8 de agosto de 2017. Recuperado el 8 de agosto de 2017 .
  30. ↑ Organización Mundial de la Salud (OMS). (2009). Seguimiento y evaluación del fortalecimiento de los sistemas de salud . Ginebra, Suiza: OMS. Recuperado de http://www.who.int/healthinfo/HSS_MandE_framework_Nov_2009.pdf Archivado el 28 de agosto de 2017 en Wayback Machine.
  31. ↑ Mesgari, Mostafa; Chitu, Okoli; Mehdi, Mahoma; Finn Arup, Nielsen; Lanamäki, Arto (2015). ""La suma de todo el conocimiento humano": una revisión sistemática de la investigación académica sobre el contenido de Wikipedia" (PDF) . Revista de la Asociación para la Ciencia y la Tecnología de la Información . 66 (2): 219– 245. doi : 10.1002/asi.23172 . S2CID 218071987. Archivado (PDF) del original el 10 de mayo de 2020. Recuperado el 21 de enero de 2020 . 
  32. ↑ Warncke-Wang, Morten; Cosley, Dan; Riedl, John (2013). «Cuéntame más». Actas del 9.º Simposio Internacional sobre Colaboración Abierta . págs. 1-10 . doi : 10.1145/2491055.2491063 . ISBN  978-1-4503-1852-5. S2CID 18523960 . 
  33. ↑ Hasan Dalip, Daniel; André Gonçalves, Marcos; Cristo, Marco; Calado, Pável (2009). «Evaluación automática de la calidad del contenido creado de forma colaborativa por comunidades web». Actas de la conferencia internacional conjunta sobre bibliotecas digitales de 2009 - JCDL '09 . p. 295. doi : 10.1145/1555400.1555449 . ISBN  978-1-60558-322-8. S2CID 14421291 . 
  34. ↑ Färber, Michael; Bartscherer, Frederic; Menne, Carsten; Rettinger, Achim (30 de noviembre de 2017). "Calidad de los datos enlazados de DBpedia, Freebase, OpenCyc, Wikidata y YAGO" . Semantic Web . 9 (1): 77–129 . doi : 10.3233/SW-170275 . Archivado del original el 22 de enero de 2018.
  35. ↑ "Diccionario técnico abierto de ECCMA" . ECCMA . Consultado el 22 de mayo de 2025 .

Lecturas adicionales

  • Bronselaer, Antoon (16 de septiembre de 2021). Gestión de la calidad de los datos: una visión general de los métodos y los desafíos . Springer.
  • Sebastian-Coleman, Laura (12 de diciembre de 2012). Medición de la calidad de los datos para la mejora continua: un marco de evaluación de la calidad de los datos (1.ª  ed.). Morgan Kaufmann. ISBN 978-0-12-397033-6.
  • Loshin, David (29 de octubre de 2010). Guía práctica para la mejora de la calidad de los datos (1.ª  ed.). Morgan Kaufmann. ISBN 978-0-12-373717-5.
  • McGilvray, Danette (25 de julio de 2008). Ejecución de proyectos de calidad de datos: Diez pasos para obtener datos de calidad e información confiable . Morgan Kaufmann. ISBN 978-0-12-374369-5.
  • Redman, Thomas C. (2008). Data drive: profiting from your most important business asset . Harvard Business Press. ISBN 978-1-4221-1912-9.
  • Olson, Jack E. (2003). Calidad de los datos: La dimensión de la precisión . Morgan Kaufmann. ISBN 978-1-55860-891-7.
  • Baškarada, S; Koronios, A (2014). "Un marco de factores críticos de éxito para la gestión de la calidad de la información". Information Systems Management . 31 (4): 1– 20. doi : 10.1080/10580530.2014.958023 . S2CID 33018618 . 
  • Baamann, Katharina. "Aspectos de calidad de datos en la garantía de ingresos" (PDF) . Consultado el 4 de agosto de 2025 .
  • Eckerson, W. (2002). "Informe especial sobre almacenamiento de datos: calidad de los datos y resultados finales" . Archivado del original el 5 de abril de 2005. Recuperado el 4 de agosto de 2025 .
  • Ivanov, Kristo (1972). Control de calidad de la información: Sobre el concepto de exactitud de la información en bancos de datos y en sistemas de información de gestión (Tesis doctoral). Universidad de Estocolmo e Instituto Real de Tecnología. Archivado del original el 1 de septiembre de 2009. Consultado el 4 de agosto de 2025 .
  • Hansen, M. (1991). Datos de cero defectos (tesis de maestría). Instituto Tecnológico de Massachusetts. hdl : 1721.1/13812 . Recuperado el 4 de agosto de 2025 .
  • Kahn, B.; Strong, D.; Wang, R. (2002). "Information Quality Benchmarks: Product and Service Performance" (PDF) . Communications of the ACM . 45 (4): 184– 192. doi : 10.1145/505248.506007 . Recuperado el 4 de agosto de 2025 .
  • Price, R.; Shanks, G. (2004). Un marco semiótico de calidad de la información (PDF) . Conferencia Internacional IFIP sobre Sistemas de Apoyo a la Decisión (DSS2004): Apoyo a la decisión en un mundo incierto y complejo. Prato. Archivado del original (PDF) el 17 de junio de 2005. Recuperado el 4 de agosto de 2025 .
  • Wand, Y.; Wang, R. (1996). "Anclaje de las dimensiones de la calidad de los datos en los fundamentos ontológicos" (PDF) . Communications of the ACM . 39 (11): 86– 95. doi : 10.1145/240455.240479 . Recuperado el 4 de agosto de 2025 .
  • Wang, R.; Kon, H.; Madnick, S. (1993). Análisis y modelado de requisitos de calidad de datos (PDF) . Novena Conferencia Internacional sobre Ingeniería de Datos. Viena, Austria . Recuperado el 4 de agosto de 2025 .
  • Fournel, Michel (2007). Accroitre la qualité et la valeur des données de vos client (en francés). ediciones Publibook. ISBN 978-2-7483-3847-8.
  • Daniel, F.; Casati, F.; Palpanas, T.; Chayka, O.; Cappiello, C. (2008). Facilitando mejores decisiones mediante informes que tienen en cuenta la calidad (PDF) . Conferencia Internacional sobre Calidad de la Información (ICIQ). Instituto Tecnológico de Massachusetts . Recuperado el 4 de agosto de 2025 .
  • Woodall, P; Oberhofer, M; Borek, A (2014). "Una clasificación de métodos de evaluación y mejora de la calidad de los datos" . International Journal of Information Quality . 3 (4): 298– 321. doi : 10.1504/IJIQ.2014.068656 .
  • Woodall, P.; Borek, A.; Parlikad, A. (2013). "Evaluación de la calidad de los datos: el enfoque híbrido". Information and Management . 50 (7): 369– 382. doi : 10.1016/j.im.2013.05.009 .
  • Curso sobre calidad de datos , del Centro de Aprendizaje de Salud Global.