El capítulo 1 presenta los términos básicos de la calidad de datos, incluidas las dimensiones de la calidad de datos y las funciones y responsabilidades de la calidad de datos. También aprenderás la importancia y el valor de la calidad de los datos en el contexto empresarial.

Importancia de la calidad de datos

Valor de la calidad de datos

Preguntas de calidad de datos

Términos y conceptos de calidad de datos

Definición de la calidad de datos en contexto

Dimensiones adicionales de la calidad de datos

Dimensión práctica de la calidad de datos

Importancia de la coherencia

Funciones y responsabilidades en materia de calidad de datos

El equipo de gobernanza de datos

Qué función de calidad de datos encaja

Qué función es responsable

Definición de términos de calidad de datos

Empezarás el capítulo 2 identificando normas de calidad de datos para cada dimensión de calidad de datos utilizando perfiles de datos. También aprenderás acerca de los metadatos y el linaje de los datos antes de explorar el proceso general de calidad de datos para clasificar y solucionar los problemas.

Normas de calidad de datos que usan dimensiones

Normas de calidad de datos

Escenarios de calidad de los datos

Perfiles de datos

Normas de calidad de datos basadas en un perfil de datos

Conclusiones sobre el perfil de los datos

Metadatos y calidad de datos

Identificación de metadatos

Orden de linaje de los datos

Clasificación de problemas de calidad de datos

Utilización del linaje de datos y los metadatos

Ejecución de procesos de calidad de datos

Procesos y componentes de la calidad de datos

En el capítulo 3, conocerás los distintos tipos de normas de calidad de datos y el concepto de umbrales de alerta de calidad de datos. Terminarás el capítulo con un ejercicio que reúne dimensiones, normas de calidad de datos, procesos de calidad de datos y alertas de calidad de datos.

Normas de calidad de datos de detección

Identificación de las normas de detección

Proceso de corrección de los problemas detectados

Solución de los problemas detectados

Normas preventivas de calidad de datos

Cuándo utilizar una norma preventiva

Opciones

Norma de calidad de datos de detección

Norma preventiva de calidad de datos

Normas de calidad de datos de detección y de prevención

Detección de anomalías

Cuándo utilizar la detección de anomalías

Clasificación de las anomalías

Umbrales de calidad de datos

Selección del umbral

Nivel 1: advertencia;

Nivel 2: alerta de problema crítico;

Nivel 3: prevención de problema crítico.

Adecuación del umbral a la criticidad

Resumen

Normas de calidad de datos en acción

Cheat Sheet - Data Quality Dimensions

La calidad de los datos es un concepto fundamental que hay que entender si se trabaja con datos. Los conceptos y procesos de calidad de datos abarcan diferentes sectores y pueden ser aplicados por cualquier persona que produzca o consuma datos. Este curso abarca los aspectos básicos, como las dimensiones de la calidad de datos, las funciones y responsabilidades y los tipos de normas de calidad de datos. Comprenderás el proceso de calidad de los datos y te prepararás para empezar a supervisar la calidad de tus propios datos. <br><br>
Empezarás por conocer la definición de calidad de los datos y por qué es tan importante tenerla en cuenta en la toma de decisiones empresariales. Una vez que comprendas su importancia, conocerás seis dimensiones fundamentales de la calidad de los datos. Utilizarás estas dimensiones para definir normas de calidad de datos de detección y prevención. <br><br>
Al final de este curso, comprenderás cómo supervisar, identificar y resolver los problemas de calidad de los datos. Observarás tus datos desde una perspectiva más crítica y pensarás en los posibles problemas de calidad de los datos antes de utilizarlos. En definitiva, podrás tomar mejores decisiones y confiar más en tus datos aplicando las técnicas básicas de calidad de datos que se tratan en este curso.

<h2>Explora los fundamentos de la calidad de los datos</h2>
La calidad de los datos es un concepto fundamental que hay que entender si se trabaja con datos. Los conceptos y procesos de calidad de datos abarcan diferentes sectores y pueden ser aplicados por cualquier persona que produzca o consuma datos. Este curso abarca los aspectos básicos, como las dimensiones de la calidad de datos, las funciones y responsabilidades y los tipos de normas de calidad de datos. Comprenderás el proceso de calidad de los datos y te prepararás para empezar a supervisar la calidad de tus propios datos. 
<h2>Conoce las Dimensiones de la Calidad de los Datos</h2>
Empezarás por conocer la definición de calidad de los datos y por qué es tan importante tenerla en cuenta en la toma de decisiones empresariales. Una vez que comprendas su importancia, conocerás seis dimensiones fundamentales de la calidad de los datos. Utilizarás estas dimensiones para definir normas de calidad de datos de detección y prevención. <br><br> También aprenderás los fundamentos de la detección de anomalías, una forma más avanzada de controlar la calidad de los datos. Unirás estos conceptos aplicando el proceso de calidad de datos. Aprenderás qué función es responsable de tareas específicas de calidad de datos y el orden en que deben completarse. 
<h2>Domina los fundamentos de la gestión de la calidad de los datos</h2>
Al final de este curso, comprenderás cómo supervisar, identificar y resolver los problemas de calidad de los datos. Observarás tus datos desde una perspectiva más crítica y pensarás en los posibles problemas de calidad de los datos antes de utilizarlos. En definitiva, podrás tomar mejores decisiones y confiar más en tus datos aplicando las técnicas básicas de calidad de datos que se tratan en este curso.

Explora los conceptos básicos de la gestión de calidad de datos. Aprende técnicas para mejorarla.

Introducción a la calidad de datos

Explora los conceptos básicos de la gestión de calidad de datos y técnicas para mejorarla.

Fundamentos de la Gobernanza de Datos

Todos los registros deben tener un tipo de cuenta de cliente. Si falta este valor en más del 10 % de los registros, comunícaselo al productor de datos. 

Todos los tipos de cliente del dataset1 deben coincidir con los tipos de cliente del dataset2. Si más del 10 % de los registros son incoherentes, comunícaselo al productor de datos.

Todos los registros deben tener una fecha de apertura de cuenta de cliente del pasado. Si se detectan errores, alerta al productor de datos e informa sobre el SLAde corrección.

Todos los registros abiertos deben tener una fecha de apertura de 3 días antes como máximo. Si se encuentra un error, alerta al productor de datos e informa sobre el SLA de corrección.

Todos los registros de clientes deben tener un saldo actual. Si fallan el 10 % o más de los registros, no cargues los datos y alerta al productor de datos.

Adecuación del umbral a la criticidad

Introducción a la calidad de datos

Ejercicio interactivo práctico