Las 5 características de la calidad de datos, y cómo medirlas

“Los datos están mal” no es un diagnóstico. Es una queja, y como queja no se puede resolver: no dice qué está mal, ni cuánto, ni si empeora.

La calidad de datos se descompone en cinco dimensiones, y la utilidad de separarlas es que cada una se mide distinto, falla por razones distintas y se corrige en un lugar distinto del flujo. Esta es cada una con el síntoma que la delata y la forma concreta de medirla.

Y una advertencia antes de empezar: la inteligencia artificial no arregla ninguna de las cinco. Las amplifica, y volvemos a eso al final.

1. Completitud — ¿está el dato?

Qué es: el porcentaje de registros que tienen valor donde deberían tenerlo.

El síntoma: un análisis por región donde el 18 % de los clientes cae en “sin especificar”, y nadie sabe si esa categoría es grande o pequeña porque el tablero la esconde en la última posición.

Cómo se mide: para cada campo que importa, el porcentaje de registros no nulos. Es la más fácil de medir de las cinco y por eso conviene empezar aquí.

El detalle que se pasa por alto: el vacío que no es nulo. Un campo con "N/A", "-", "ND", un espacio, o el famoso 01/01/1900 está técnicamente lleno y prácticamente vacío. Cualquier medición de completitud que solo cuente nulos va a reportar un número demasiado optimista.

Dónde se corrige: en la captura, casi siempre. Un campo que se llena mal en el 18 % de los casos suele ser un campo obligatorio que no debería serlo, o uno opcional que sí debería serlo.

2. Exactitud — ¿el dato corresponde a la realidad?

Qué es: si el valor refleja lo que realmente ocurrió.

El síntoma: el más incómodo de la lista. Un dato inexacto se ve perfectamente bien. Un precio de 1,000 cuando debía ser 100 pasa todas las validaciones de formato.

Cómo se mide: contra una fuente de referencia externa o un conteo físico. No se puede medir mirando el propio dato — esa es la característica que la vuelve difícil.

Las aproximaciones que sí funcionan sin fuente externa:

• Rangos plausibles: valores negativos donde no puede haberlos, montos que exceden por órdenes de magnitud, fechas futuras en registros históricos.
• Reglas de negocio: que la suma de las líneas cuadre con el encabezado del documento.
• Conciliación: que el total del reporte cuadre con el cierre contable. En retail, la brecha entre inventario en sistema y conteo físico es una medición directa de exactitud, y es un dato que probablemente ya tienes.

Dónde se corrige: depende del origen, y la mayoría de las veces no en la plataforma de datos sino en el proceso operativo que generó el error.

3. Consistencia — ¿el dato dice lo mismo en todos lados?

Qué es: que el mismo hecho no tenga dos valores distintos según dónde se consulte.

El síntoma: el más caro. Finanzas y Comercial llegan a la junta con cifras distintas del mismo indicador y la reunión se va en reconciliar en lugar de decidir. Nadie está mintiendo: cada área calculó bien, con definiciones distintas.

Cómo se mide: contando cuántas definiciones existen de tus métricas críticas. Si “cliente activo” se define en cuatro reportes, tienes cuatro definiciones y probablemente cuatro números.

Hay que separar dos problemas que se confunden:

• Inconsistencia de valor: el mismo cliente con dos direcciones distintas en dos sistemas. Se resuelve con datos maestros.
• Inconsistencia de definición: “venta” que incluye IVA en un reporte y no en otro. Se resuelve con una capa semántica, no con limpieza de datos.

El segundo es más frecuente, más costoso y casi nunca se diagnostica como problema de calidad — se diagnostica como “los sistemas no cuadran”. El argumento completo está en qué es una capa semántica.

4. Oportunidad — ¿el dato llegó a tiempo para decidir?

Qué es: si el dato está disponible cuando alguien lo necesita para actuar. Un dato perfecto que llega tarde es tan inútil como uno equivocado.

El síntoma: el tablero abre con datos de anteayer y nadie lo sabe, porque no dice cuándo se actualizó.

Cómo se mide: con dos cifras por cada conjunto de datos, medidas y publicadas:

• Latencia: cuánto tarda un hecho en aparecer en la plataforma.
• Frescura al momento de consultar: qué tan viejo es el dato más reciente cuando alguien abre el tablero.

La regla práctica: la frescura se define por la decisión que habilita, no por lo que la tecnología permite. En retail, la disponibilidad de inventario para el cliente necesita minutos; la rentabilidad por canal necesita el cierre del periodo. Perseguir tiempo real en las dos multiplica el costo sin habilitar una decisión nueva.

El requisito mínimo, y el más fácil de cumplir: que cada tablero muestre visiblemente su marca de última actualización. Un dato viejo declarado es utilizable; un dato viejo silencioso produce decisiones equivocadas con toda confianza.

5. Unicidad — ¿hay un solo registro por cosa real?

Qué es: que cada entidad del mundo real exista una vez en tus datos.

El síntoma: el mismo cliente contado tres veces, así que tu base de clientes está inflada y tu gasto promedio por cliente subestimado. Las dos cifras están mal en direcciones opuestas.

Cómo se mide: conteo de registros contra conteo de entidades distintas usando las llaves de negocio reales —no el identificador interno, que por definición es único y no prueba nada.

Los tres casos que aparecen siempre:

• Duplicado exacto: el mismo registro cargado dos veces. Es el fácil.
• Duplicado aproximado: “Juan Pérez” y “Juan Perez S.A. de C.V.” Requiere reglas de correspondencia y decisiones sobre casos ambiguos.
• La misma entidad en sistemas distintos: el cliente con cuenta de correo en el canal digital, número de socio en el punto de venta y un registro en el CRM. No es un duplicado dentro de un sistema — es una identidad fragmentada entre tres.

Dónde se corrige: en la gestión de datos maestros, con las reglas documentadas. Es el trabajo detrás de la segmentación real de clientes y de la omnicanalidad.

Las cinco en una tabla

Dimensión	Pregunta	Cómo se mide	Dónde se corrige
Completitud	¿Está el dato?	% de campos con valor real	Captura
Exactitud	¿Corresponde a la realidad?	Conciliación contra referencia	Proceso de origen
Consistencia	¿Dice lo mismo en todos lados?	Nº de definiciones por métrica	Capa semántica y datos maestros
Oportunidad	¿Llegó a tiempo?	Latencia y frescura al consultar	Arquitectura de ingesta
Unicidad	¿Una vez por entidad?	Registros vs. entidades distintas	Datos maestros

Por qué la IA volvió esto urgente

Durante años, la mala calidad de datos fue un costo tolerable. Los reportes tardaban, alguien cruzaba a mano, y el escrutinio humano funcionaba como red de seguridad: cuando una cifra se veía rara, alguien la notaba y la corregía antes de la junta.

La inteligencia artificial quita esa red, y de una forma específica en cada dimensión:

• Ante datos incompletos, un agente responde con la vista parcial y no te advierte que le falta contexto.
• Ante datos inexactos, los usa con la misma seguridad que usaría datos correctos.
• Ante definiciones inconsistentes, elige una de las tres y la presenta sin mencionar que había alternativas.
• Ante datos no oportunos, responde con lo que tiene sin declarar la antigüedad.
• Ante identidades duplicadas, cuenta tres clientes donde hay uno y calcula sobre eso.

El patrón es el mismo en las cinco: la IA no falla visiblemente. Acierta el formato y se equivoca en el número. Y un error con buena redacción es más difícil de detectar que un error evidente.

Por eso la calidad de datos dejó de ser una iniciativa de higiene y pasó a ser el requisito previo. Lo desarrollamos en señales de que tus datos no están listos para IA y en el costo real de la mala calidad de datos en proyectos de IA.

Cómo empezar sin un proyecto de un año

El error clásico es intentar medir las cinco dimensiones en todos los datos. Eso produce un tablero de calidad que nadie mira, porque no lleva a ninguna acción.

La secuencia que funciona:

1. Elige un dominio y cinco campos críticos. Los que alimentan una decisión real, no todos.
2. Mide completitud y unicidad primero. Son las dos más fáciles y ya producen hallazgos.
3. Concilia una cifra contra la fuente de verdad. Un total del tablero contra el cierre contable. Eso te da exactitud sin construir nada.
4. Publica la frescura en el tablero. Es la corrección más barata de toda la lista.
5. Cuenta las definiciones de tus tres métricas principales. Si hay más de una por métrica, ahí está tu prioridad — y no es un problema de limpieza, es de gobierno.

El catálogo y el linaje son lo que hace sostenible todo esto en el tiempo, y es la razón por la que en proyectos con muchas fuentes usamos Alation para catalogar y rastrear el origen de cada dato, e Informatica o Data 360 cuando la calidad y los datos maestros necesitan reglas gestionadas en lugar de scripts.

---

En EGOS BI la calidad de datos no es un proyecto aparte: es parte de cómo integramos. Fuentes en Snowflake, reglas de calidad y datos maestros con Informatica y Data 360, y catálogo con Alation. Si “los datos están mal” es una frase que se repite en tus juntas, agenda un diagnóstico.