Qué es la calidad del dato

Definición amplia

La calidad del dato no es una propiedad absoluta, sino relativa a su uso: un dato es de calidad si sirve para lo que se necesita. El marco de big data del NIST llama validez a la adecuación del dato a su uso previsto, y la norma ISO/IEC 25012 define un modelo de calidad para los datos guardados con formato estructurado en un sistema informático. Una dirección postal sin código postal puede bastar para un informe por provincias y no servir para un envío.

Dimensiones habituales

• Exactitud: el dato refleja la realidad, por ejemplo que el teléfono sea el correcto.
• Completitud: no faltan los valores necesarios.
• Coherencia: no hay contradicciones entre registros o entre sistemas.
• Actualidad: el dato está al día para el uso que se le da.
• Credibilidad y accesibilidad: se puede confiar en el dato y lo pueden consultar quienes lo necesitan.

ISO/IEC 25012 incluye estas características, entre otras, y las agrupa en dos puntos de vista: las inherentes al propio dato y las que dependen del sistema donde se guarda. En España, la especificación UNE 0079:2023 se dedica a la gestión de la calidad del dato dentro de la organización.

Por qué importa en la IA

Un modelo aprende de los datos que recibe, con sus errores y sus sesgos. El Reglamento europeo de IA exige que los conjuntos de entrenamiento, validación y prueba de los sistemas de alto riesgo sean pertinentes, suficientemente representativos y, en la mayor medida posible, carezcan de errores y estén completos.

Ejemplos de uso

• Comercial y ventas

  En ventas, los contactos duplicados o sin un correo válido restan fiabilidad a cualquier previsión del pipeline.

• Administración y finanzas

  En finanzas, se definen reglas que avisan de facturas sin NIF, con fechas imposibles o con importes fuera de rango.

• Atención al cliente

  En atención al cliente, los motivos de contacto mal clasificados hacen que un análisis de causas apunte en la dirección equivocada.

• Datos y analítica

  En analítica, se sigue con indicadores como el porcentaje de registros completos o de duplicados, que se revisan con regularidad.

Términos relacionados

• Gobierno del dato
• Sesgo algorítmico

Fuentes

• ISO/IEC 25012:2008, Data quality model (catálogo de IEC)
• Portal ISO 25000, ISO/IEC 25012
• NIST SP 1500-1r2, NIST Big Data Interoperability Framework: Volume 1, Definitions (validity)
• datos.gob.es, Especificaciones UNE: guía de evaluación del gobierno, gestión y gestión de la calidad del dato
• Reglamento (UE) 2024/1689 de Inteligencia Artificial, art. 10.3 (BOE, DOUE-L-2024-81079)