Data Quality in Context Grupo 10. Agenda Motivación Objetivos Definiciones Casos de Estudio...

Data Quality in ContextData Quality in ContextGrupo 10

Agenda Agenda MotivaciónObjetivosDefinicionesCasos de EstudioPatronesConclusionesCríticasPreguntas

Calidad de Datos - Sebastián Beceiro - Juan Rodríguez

MotivaciónMotivaciónProblemas en la calidad de los datos son

costosos para las organizaciones.

Necesidad de identificar los problemas de calidad que ayuden a los usuarios de la información.

Proveer una alternativa al enfoque actual sobre la calidad de datos.


ObjetivosObjetivos Investigar cómo influye el contexto de una

organización en la definición de datos de alta calidad.

Identificar patrones en los problemas de las organizaciones, estudiando las dimensiones de calidad que participan.

Sensibilizar sobre la importancia del usuario a la hora de evaluar la calidad de los datos.

Generar un conjunto de medidas que pueden ser tomadas por los profesionales de SI para diseñar y mantener sistemas de alta calidad.


DefinicionesDefinicionesDatos de alta calidad. Son aquellos

datos que se adecuan al uso que los consumidores requieren.

Problema de calidad de datos. Es cualquier dificultad encontrada en alguna de las dimensiones de calidad que prohíben un uso adecuado de los datos.

Proyecto de calidad de datos. Es el conjunto de acciones que realizan las organizaciones para solucionar problemas en la calidad de sus datos.


Definiciones (II)Definiciones (II)Categorías y Dimensiones


Categorías DimensionesIntrínseca Precisión, Objetividad, Confianza, Reputación

Accesibilidad Accesibilidad, Seguridad

Contextual Relevancia, Valor agregado, Edad, Completitud, Cantidad de datos

Representacional Interoperabilidad, Facilidad de compresión, Representación concisa y consistente

Casos de EstudioCasos de EstudioEstudio realizado sobre 42 proyectos de

calidad de datos de 3 empresas◦ GoldenAir: aerolínea◦ BetterCare: hospital◦ HyCare: servicios relacionados a la salud

Todas las empresas cuentan con divisiones dedicadas al mantenimiento de sus sistemas de información.

Se encuentran a la vanguardia de la práctica de calidad de datos


PatronesPatrones Calidad de datos Intrínseca

◦ Precisión, Objetividad, Confianza, Reputación


Patrones (II)Patrones (II) Accesibilidad y Representación de los datos

◦ Accesibilidad, Seguridad, Interpretabilidad, Facilidad de compresión, Representación concisa y consistente


Patrones (III)Patrones (III) Contexto de los datos

◦ Relevancia, Valor agregado, Edad, Completitud, Cantidad de datos


ConclusionesConclusionesCentrarse sólo en mejorar los aspectos

intrínsecos de los datos no es suficiente.Los profesionales de SI deben auditar el

proceso de creación, manipulación y uso de los datos.

Es necesario hacer un relevamiento de las necesidades de los usuarios antes, durante y después de comenzar un proyecto de calidad de datos.

La mejora de la calidad de datos es una disciplina multidimensional y dinámica.


CríticasCríticas Puntos Fuertes

◦ Interesante enfoque para comenzar con el estudio de calidad de datos

◦ Los ejemplos se presentan con claridad

Puntos Débiles◦ Falta de profundidad en algunos casos◦ Casos de estudio no son lo suficientemente

representativos◦ Uso de diagramas ayudan al razonamiento pero

dificulta la legibilidad del documento


PreguntasPreguntas


Data Quality in Context Grupo 10. Agenda Motivación Objetivos Definiciones Casos de Estudio...

Documents

Transcript of Data Quality in Context Grupo 10. Agenda Motivación Objetivos Definiciones Casos de Estudio...