Table of Contents
Las empresas necesitan la exactitud de los datos para sobrevivir y prosperar en un mercado cambiante.
Pero, ¿qué es la exactitud de los datos y cómo garantizar su integridad y exactitud?
Las empresas necesitan la exactitud de los datos, una dimensión de la calidad de los datos que cumpla las expectativas acordadas sobre su corrección y usos en un contexto determinado. La exactitud de los datos impulsa a las empresas a prosperar y sobrevivir en un mercado fluctuante. Por ejemplo, los seguros de vida. En la última década, los seguros han «luchado contra el crecimiento y la rentabilidad» por un problema de exactitud de los datos. Tradicionalmente, los seguros de vida fijaban el precio de las primas a partir de cuestionarios individuales y exámenes médicos, evaluando el riesgo. Eso funcionaba hace veinte años. Pero los datos del seguro de vida, recogidos anualmente, pueden perder precisión, diaria y mensualmente, a medida que las personas cambian de estilo de vida y de comportamiento mediante el ejercicio, la dieta y las visitas al médico. La persona de alto riesgo de mortalidad de hoy puede ver visiblemente los resultados en la aplicación regular de hábitos saludables en dispositivos biométricos portátiles (como el reloj de Apple) y compartirlos. Como resultado, los clientes esperan un umbral de precisión más fino en los datos de mortalidad. Para satisfacer las demandas de precisión de los datos de los clientes, las compañías de seguros de vida deben integrar estos datos biométricos para alinear los productos con el compromiso y las expectativas de los clientes. La precisión de los datos va más allá de unos datos fiables y bien formateados, para llegar a su usabilidad. Esta guía explora la definición de precisión de los datos desde un enfoque empresarial práctico en seis secciones:
- Definición de exactitud de los datos
- Comprender la exactitud de los datos
- Ejemplo de precisión de datos
- Importancia de la exactitud de los datos
- Cómo mejorar la precisión de los datos
¿Qué es la exactitud de los datos?
La exactitud de los datos describe las representaciones fiables y consensuadas de las actividades empresariales dentro de un contexto compartido. Los creadores, propietarios, partes interesadas y usuarios de los datos determinan qué es la exactitud de los datos mediante normas, gobernanza de los datos (procesos formales en torno a los datos) y mediciones objetivas. Los datos precisos se mantienen coherentes y actualizados con la situación de su uso previsto. Sin embargo, la información coherente y actualizada no presupone automáticamente la exactitud. Por ejemplo, puedes decir la expresión matemática «2+2 = 5» con regularidad y actualidad, pero la afirmación no es exacta. Los datos precisos deben ser correctos para las personas que los utilizan. Supongamos que un minorista electrónico regala un cupón a los clientes fieles europeos y estadounidenses en su cumpleaños. ¿Debe registrar y mostrar la fecha de nacimiento del cliente como MM/DD/AAAA (un formato americano) o DD/MM/AAAA (un formato europeo)? El negocio online quiere dos resultados: emitir el cupón el día correcto y mejorar las relaciones con los clientes para que repitan. Por tanto, los datos exactos de cumpleaños deben coincidir con el contenido y el formato en función de la ubicación del cliente. Si el cliente vive en América, el cumpleaños de esa persona debe ser en MM/DD/AAAA. Si el cliente vive en Europa, el cumpleaños de esa persona debe ser DD/MM/AAAA. De ese modo, el vendedor electrónico obtiene los resultados deseados. Elegir sólo un formato conduce a unos datos de cumpleaños precisos e inexactos, dadas las circunstancias especificadas anteriormente. Con una sola configuración, todo el conjunto de datos será incorrecto dadas las nacionalidades de los clientes.
Comprender la exactitud de los datos
Debes recordar tres puntos para comprender qué es la precisión de los datos. Haces datos, y los datos se hacen dentro de un marco definido. Los datos precisos conectan lo que haces con tu contexto para cumplir tu intención. Cambia radicalmente cómo haces los datos, el entorno que los rodea o tu objetivo y los datos se volverán inexactos. Los datos no se quedan sentados, inmóviles. Puedes señalar un sistema de gestión de relaciones con los clientes (CRM) que almacena un contacto concreto (Christie Marshall) con los mismos valores fiables y correctos. Cierto. Si alguien actualizara el registro de Christie con contenido falso en un formato incorrecto, el registro sería inexacto. Sin embargo, también tienes que tener en cuenta las acciones, el contexto y los objetivos para conseguir la exactitud del significado de los datos. Digamos que Christie Marshall trabaja para IBM. Registras el correo electrónico de Christie como ‘Christie.Marshall@ibm.com’. ¿Qué hace que el correo electrónico de Christie sea exacto? Puedes enviar una transmisión electrónica a Christie, y ella recibe el mensaje. Ahora, supongamos que Christie deja IBM para trabajar en WinPure. IBM desactiva la cuenta de correo electrónico ‘ibm.com’ de Christie como parte del despido. ‘Christie.Marshall@ibm.com’ se convierte en datos inexactos. ¿Por qué? Cuando envías un correo electrónico a ‘Christie.Marshall@ibm.com’, éste rebota. ¿Cambiar el correo electrónico de Christie a ‘Christie.Marshall@winpure.com’ hará que esos datos sean exactos? Eso depende. Si trabajas como representante de clientes para IBM, el correo electrónico ‘winpure.com’ pasa a ser inexacto, puesto que ella ya no cuenta como cliente tuyo en IBM. En esta situación, mantendrías el correo electrónico de Christie Marshall y lo harías inactivo. (El propósito cambió de comunicarse directamente con Christie a analizar datos históricos). Entonces tendrías datos precisos.
Ejemplo de precisión de datos
En este estudio de caso, Centura Health, una red hospitalaria de Estados Unidos, quería datos precisos sobre las personas que se comprometían con la organización y la valoraban. Pero la información sobre sus donantes estaba dispersa en varios conjuntos de datos. Para identificar a los contribuyentes de Centura, el personal tuvo que reunir manualmente distintos conjuntos de datos y averiguar las relaciones entre las personas. Este proceso provocaba errores a la hora de obtener una visión única de todas las personas relacionadas con Centura. En este ejemplo de precisión de los datos, Centura cambió su forma de hacerlos. La red sanitaria utilizó WinPure Clean & Match para automatizar los procesos de limpieza y correspondencia. Centura identificó la información sobre los individuos de forma más eficiente y correcta, conectando a la persona adecuada con la oportunidad adecuada. La mayoría de las organizaciones utilizan la galardonada solución Clean & Match Enterprise de WinPure para cotejar y deduplicar datos. Junto con eso, también consiguen perfilar, limpiar, normalizar y preparar sus datos.
¿Por qué es importante la exactitud de los datos?
La imprecisión aumenta la responsabilidad empresarial. En un estudio publicado por KPMG, una red de servicios contables y profesionales regulada internacionalmente, el 70% de los gestores de datos encuestados coinciden en que los datos y los análisis les exponen a un riesgo para su reputación debido a predicciones inexactas. Sólo el 16% de estos participantes creen que obtienen buenos resultados si aciertan los modelos elaborados. Además, las imprecisiones en los datos cuestan dinero. IBM calcula que la economía de EE.UU. absorbe unos costes de unos 3 billones de dólares debido a los datos incorrectos. La Harvard Business Review también apoya esta afirmación. Y lo que es más importante, la falta de precisión de los datos atrofia la flexibilidad y el crecimiento. Las empresas ven este problema cuando intentan adoptar nuevas tecnologías. Según un estudio de Trifacta, cerca del 46% de los científicos de datos dedican más de diez horas a preparar datos para analizarlos y para proyectos de inteligencia artificial (IA) y aprendizaje automático (AM). En esta encuesta, los gestores de datos informan de que la mala calidad de los datos aumenta los gastos de IA y ML o reduce las expectativas de las iniciativas.
¿Cómo se mejora la precisión de los datos?
Para mejorar la exactitud de los datos, vuelve a la definición y comprensión de la exactitud de los datos. Repasa los tres componentes: el objetivo de los datos, la realización de los datos y el marco en el que se realizan los datos. Necesitas comprender cada una de estas tres piezas y saber cuándo es necesario un cambio.
- Desarrolla y aplica una estrategia de datos: Para comprender tu objetivo de datos, necesitas tener una estrategia de datos, un plan sobre cómo utilizar tu información de acuerdo con tu plan de negocio.
A continuación, puedes aplicar esta estrategia de datos, utilizando cierta gobernanza de datos, para mejorar tu negocio, lo que mejorará la precisión de los datos. - Evalúa los procesos de datos y aplica los cambios necesarios: Examina tus procesos y mide dónde quieres mejorar. ¿Necesitas replantearte cómo estableces y llevas a cabo la gobernanza de datos? En tus procesos, ¿estás integrando varias hojas de cálculo y encontrando errores al limpiar y cotejar esos datos? Entonces, deberías considerar una solución automatizada, como WinPure Clean & Match, para obtener datos precisos más rápidamente.
- Evalúa el contexto de tu uso de datos y adáptate a él si es necesario: A veces las situaciones cambian drásticamente, como el inicio de una pandemia con la adopción generalizada de nuevas tecnologías y las expectativas de los clientes.
En este tipo de casos, como los que afronta el sector de los seguros de vida, debes evaluar cómo cambiar el negocio y los procesos de datos para adaptarte.
Puede que necesites limpiar y consolidar la información de múltiples fuentes y hojas de cálculo en un solo lugar para obtener una visión precisa. El software de depuración automatizada puede ayudarte.
- Planifica la comprobación de los procesos de precisión de los datos de vez en cuando: Los objetivos de las empresas cambian y las tecnologías se generalizan, lo que afecta a la tolerancia de los clientes a la exactitud de los datos. Tus procesos de precisión de datos tendrán que adaptarse a los nuevos objetivos o situaciones.
Para concluir:
Tal y como se publica en este blog, es probable que muy pronto tengas que revisar tus procesos de precisión de datos. Las aplicaciones fintech prometen revolucionar los mercados. En consecuencia, es muy posible que las normas de exactitud de los datos cambien para adaptarse a las de Stripe u otras actividades empresariales fintech. Por tanto, la precisión de tus datos, como el número de teléfono o el nombre de pila, tendrá que cambiar para ajustarse a lo que la empresa fintech considere preciso. Conocer esta posibilidad te preparará para mejorar la precisión de tus datos para ofrecer a los clientes las experiencias de pago online que deseas con estas herramientas fintech. Mira el resumen de precisión de datos que aparece a continuación para que puedas preparar la precisión de tus datos para cumplir las normas fintech antes de que lo hagan tus competidores.
Start Your 30-Day Trial!
Secure desktop tool.
No credit card required.
- Match & deduplicate records
- Clean and standardize data
- Use Entity AI deduplication
- View data patterns
... and much more!
