Un proyecto de analítica sobre datos defectuosos produce conclusiones defectuosas con apariencia de rigor. Este es el diagnóstico previo.
Seis dimensiones medibles
Las cinco primeras se miden con consultas. La sexta exige verificación contra el mundo real y es la más costosa, por lo que se hace sobre una muestra.
Medir primero, corregir después
La tentación es empezar a limpiar en cuanto se ve el primer dato malo. Es más eficaz medir primero el alcance completo: qué porcentaje de registros está afectado por cada problema y qué indicadores dependen de esos campos.
Con esa medición, la corrección se prioriza por impacto y no por el orden en que aparecieron los hallazgos.
Corregir el origen, no solo el destino
Limpiar los datos en el proceso de carga resuelve el informe de este mes y garantiza que el problema vuelva el siguiente. Si el formulario de captura permite escribir una fecha en texto libre, seguirá produciendo fechas imposibles.
La corrección duradera actúa sobre la captura: validaciones en el formulario, listas cerradas en lugar de texto libre, campos obligatorios donde el dato es realmente necesario.
Publicar el indicador de calidad
Un panel que muestra el porcentaje de completitud y consistencia junto a los indicadores de negocio cambia la conversación. Deja de ser un problema técnico invisible y pasa a ser un dato que la dirección observa.
Es también la mejor defensa cuando alguien cuestiona una cifra: la respuesta deja de ser una opinión y pasa a ser un dato conocido y acotado.