Calidad de los datos de marketing: autorizar o bloquear una decisión.
Qué hay que distinguir
Tres condiciones antes de cualquier cálculo.
Calidad relativa al uso
Un dato puede bastar para orientar una investigación y seguir siendo insuficiente para reasignar un presupuesto. El umbral debe vincularse al coste de un error y a la reversibilidad de la decisión.
Controles no compensatorios
Una excelente frescura no repara identificadores no enlazados. Completitud, validez, coherencia, frescura y trazabilidad deben incluir puertas bloqueantes.
Anomalías explicables
Corregir mecánicamente un valor extremo puede suprimir un evento real. Cada tratamiento indica la regla, el volumen afectado, el efecto sobre los resultados y la posibilidad de volver a los datos brutos.
Método
Construir una autorización de análisis basada en los datos
- 01Nombrar la decisión
Definir la salida esperada, la granularidad, el horizonte y el coste de un error; esta etapa convierte una lista genérica en exigencias verificables.
- 02Probar las dimensiones
Medir completitud, validez, coherencia, unicidad, frescura, cotejo y conciliación financiera sobre el perímetro realmente analizado.
- 03Calificar las desviaciones
Distinguir error aleatorio, sesgo sistemático, ruptura de definición y carencia estructural; documentar los segmentos y periodos más afectados.
- 04Atribuir un estatus
Verde autoriza la decisión, naranja impone un análisis de sensibilidad, rojo limita el uso a la exploración; el plan de corrección tiene un responsable y una fecha.
Las cinco puertas de calidad antes del análisis
Cada control posee un umbral de aceptación. Aquí la tasa de cotejo bloquea la atribución y la optimización pese a una media general favorable.
Una media de calidad del 90 % que debe bloquear la optimización
El conjunto presenta un 96 % de completitud, un 91 % de validez, un 85 % de frescura, un 78 % de cotejo exposición-venta y un 99 % de conciliación de los gastos. La media simple alcanza el 89,8 %.
El umbral de cotejo para atribuir y optimizar se fijó en el 90 %. La desviación de 12 puntos afecta sobre todo al canal móvil, que representa el 34 % de las ventas. La media no puede por tanto compensar el defecto.
El análisis descriptivo sigue autorizado. La atribución y la reasignación se aplazan hasta la corrección de los identificadores móviles, o se enmarcan con una sensibilidad que excluya ese canal.
Condiciones de aceptación
Lo que debe cumplirse para actuar.
- 01
Los umbrales se definen por uso antes de observar las puntuaciones.
- 02
Ningún defecto bloqueante se compensa con una media.
- 03
Cada corrección conserva el dato bruto y una traza de transformación.
- 04
El informe indica los segmentos, periodos y decisiones que quedan frágiles.
Límites
Lo que este análisis no demuestra.
- Unos datos técnicamente conformes pueden seguir siendo causalmente insuficientes.
- Los controles automáticos detectan mal los cambios de definición de negocio.
- Una tasa global elevada puede ocultar una mala calidad concentrada en un segmento decisivo.
Referencias
Trabajos citados.
- ISO/IEC 25012:2008, Data Quality Model.
- Batini, C. et al. (2009), « Methodologies for Data Quality Assessment and Improvement », ACM Computing Surveys.
- Redman, T. C. (2013), Data Driven: Profiting from Your Most Important Business Asset.