Un dashboard bonito con datos malos no es una ayuda: es una trampa. Da una sensación de control mientras te lleva a decisiones equivocadas con toda la confianza del mundo. Por eso, antes de hablar de gráficos, tecnología o cuadros de mando, conviene hablar de lo que sostiene todo lo demás: la calidad de datos.
“Garbage in, garbage out”: por qué la calidad manda
La regla más antigua de la informática sigue siendo la más ignorada: garbage in, garbage out. Si los datos que entran en tu sistema de Business Intelligence son incorrectos, incompletos o inconsistentes, ningún análisis, por sofisticado que sea, va a arreglarlo. Lo único que consigue una buena visualización sobre datos malos es hacer más creíble un error.
El coste rara vez se ve en la factura, pero está ahí: reuniones enteras discutiendo qué cifra es la buena, presupuestos calculados sobre ventas mal imputadas, campañas dirigidas a clientes duplicados. La calidad de datos no es un lujo técnico, es la base sobre la que se decide.
Las dimensiones de la calidad
Hablar de “datos buenos” en abstracto no sirve. La calidad se mide por dimensiones concretas, y merece la pena conocerlas para saber qué estás fallando:
- Completitud. ¿Están todos los datos que deberían estar? Un campo de país vacío en el 30% de los clientes rompe cualquier análisis geográfico.
- Consistencia. ¿Dice lo mismo el mismo dato en todos los sitios? “España”, “ES” y “Spain” para el mismo país generan tres grupos donde debería haber uno.
- Exactitud. ¿Refleja el dato la realidad? Un importe mal tecleado o una fecha invertida son exactos como formato, pero falsos como hecho.
- Unicidad. ¿Hay duplicados? El mismo cliente registrado tres veces infla tus recuentos y distorsiona tus métricas.
- Actualidad. ¿Está el dato al día? Un informe correcto pero con datos de hace un mes puede ser tan inútil como uno erróneo.
Un dato puede ser exacto y a la vez estar incompleto, o único pero desactualizado. Medir cada dimensión por separado es lo que te permite priorizar dónde actuar.
Síntomas de datos malos
Rara vez alguien anuncia que los datos están mal. Se nota por las señales:
- Informes que no cuadran. El total de ventas del dashboard no coincide con el de contabilidad.
- Cifras distintas para lo mismo. Marketing y ventas dan números diferentes de “clientes activos” porque cada uno lo define y lo filtra a su manera.
- Desconfianza generalizada. La señal más grave: cuando la gente deja de mirar el dashboard y vuelve a sus Excel “porque ese sí es fiable”.
Ese último síntoma es el que mata un proyecto de BI. Un cuadro de mando en el que nadie confía es dinero tirado, por muy bien construido que esté.
Cómo mejorarla
La buena noticia es que la calidad de datos se puede trabajar de forma sistemática. No se resuelve de una vez, pero sí se puede poner bajo control:
- Perfilado (data profiling). Antes de arreglar nada, mide. Analiza tus tablas para descubrir valores nulos, formatos inconsistentes, duplicados y rangos imposibles. No puedes mejorar lo que no has cuantificado.
- Reglas de validación. Define qué es un dato válido y aplícalo lo más cerca posible del origen: formatos de fecha, rangos permitidos, campos obligatorios, listas cerradas de valores. Cuanto antes se detecta un error, más barato es corregirlo.
- Responsables (ownership). Cada dominio de datos necesita un dueño: alguien que responda de que los datos de clientes, o de productos, o de ventas, sean fiables. Sin responsables, la calidad es tarea de todos y, por tanto, de nadie.
- Monitorización. La calidad no es un proyecto con fecha de fin, es un estado que se degrada solo. Mide indicadores de calidad de forma continua y salta cuando algo empeora, en lugar de descubrirlo el día de la presentación al comité.
La relación con la gobernanza de datos
La calidad de datos es la parte más visible de algo más amplio: la gobernanza de datos. La gobernanza pone las reglas —quién define cada métrica, quién puede modificar qué, cómo se documenta el origen de un dato—, y la calidad es el resultado que se obtiene cuando esas reglas funcionan.
Por eso los dos van de la mano. Puedes lanzar campañas puntuales de limpieza, pero si no cambias las reglas y las responsabilidades que generaron los datos sucios, volverás a ensuciarlos. La calidad sostenida es consecuencia de una buena gobernanza, no de una limpieza heroica cada seis meses.
En Digital Fox Data ayudamos a las empresas a poner sus datos en orden —perfilado, reglas de validación, responsables y monitorización— con nuestra consultoría de Business Intelligence sobre las herramientas líderes del mercado, para que tu BI sea una fuente de decisiones fiables y no de discusiones. Si quieres que tus datos dejen de engañarte, hablemos.