Diagrama de flujo del proceso de gestión de calidad de datos
Plantilla para priorizar datos críticos, definir reglas medibles, supervisar resultados y mantener mejoras preventivas de calidad de datos a lo largo del tiempo.
¿Qué es diagrama de flujo del proceso de gestión de calidad de datos?
La gestión de calidad de datos es un ciclo de control y mejora, no una limpieza puntual. Esta plantilla parte de una necesidad concreta del consumidor y del impacto de los datos deficientes, y perfila el estado actual antes de acordar objetivo y prioridad. Los responsables de datos definen reglas medibles frente a fuentes autorizadas, ingeniería identifica puntos de control viables y datos representativos comprueban que los resultados sean fiables y accionables. Las reglas aprobadas publican puntuaciones, alertas y responsabilidades para que cada incumplimiento tenga una respuesta prevista.
El diagrama trata cada defecto como un traspaso, no como todo el programa. La reproducción, contención, corrección y cierre de una incidencia corresponden a /es/templates/gestion-de-incidencias-de-calidad-de-datos. Esta página se mantiene en el nivel del sistema: selecciona datos críticos, conserva reglas y tolerancias, supervisa tendencias, identifica carencias recurrentes y verifica mejoras preventivas. Si la autoridad, la propiedad o una definición multidominio bloquean el trabajo, /es/templates/proceso-de-gobierno-de-datos aporta la ruta de decisión. Los umbrales y dimensiones dependen de cada organización; la plantilla ofrece el ciclo, no objetivos universales.
Qué cubre este diagrama de flujo
En esta plantilla
- Delimitación de datos críticos, impacto en consumidores, perfilado y referencia acordada antes de diseñar reglas
- Reglas medibles, fuentes autorizadas, propietarios responsables, puntos de control y tolerancias contextuales
- Implantación y pruebas representativas de controles antes de publicar puntuaciones, alertas y responsabilidades
- Supervisión programada con una decisión explícita sobre umbrales y traspaso de incidencias individuales
- Diagnóstico de carencias recurrentes, mejora preventiva, medición posterior y retirada de reglas con historial
Cuándo usar esta plantilla
- Los cuadros de calidad contienen muchas métricas, pero los equipos no saben qué usos protegen ni quién debe actuar
- Distintos sistemas miden el mismo campo de forma diferente porque no hay acuerdo sobre fuentes, reglas o tolerancias
- Los equipos corrigen repetidamente registros erróneos sin cambiar el proceso o control de origen que genera el patrón
- Un nuevo producto de datos o informe crítico necesita reglas y supervisión antes de que los consumidores dependan de él
Cómo funciona
Empieza por el uso y el impacto
Nombra la decisión, servicio, operación o análisis que depende de los datos y describe la consecuencia de una calidad deficiente. Usa ese contexto para priorizar un conjunto manejable de elementos críticos en vez de medir todos los campos disponibles.
Perfila antes de fijar tolerancias
Establece la distribución actual, ausencias, validez y excepciones conocidas antes de elegir umbrales. Acuerda las tolerancias con propietarios y consumidores según el uso previsto, el riesgo y el control posible, no según un porcentaje universal inventado.
Haz que cada regla permita actuar
Registra para cada regla su definición, fuente autorizada, punto de medición, propietario, destinatario de alertas y respuesta esperada. Elimina o rediseña métricas que no distingan una intervención útil del ruido.
Separa incidencias de mejoras
Deriva cada incumplimiento a un expediente cuando haga falta corregirlo y analiza después los patrones para identificar trabajo preventivo. Vincula ambos niveles para evaluar un cambio de origen frente a las incidencias que pretende reducir.
Revisa la tendencia y la vigencia de las reglas
Mide los resultados después de las mejoras, espera suficientes observaciones para juzgar si se mantienen y revisa las reglas cuando cambien fuentes o usos. Retira reglas obsoletas sin borrar su definición ni su historial.
Preguntas frecuentes
¿Cuáles son los pasos de la gestión de calidad de datos?
Define los datos críticos y sus usos, perfila una referencia, acuerda objetivos, diseña reglas y tolerancias medibles, identifica fuentes y propietarios, implanta y prueba controles, publica supervisión y alertas, deriva incumplimientos, mejora carencias recurrentes, verifica la tendencia y conserva, revisa o retira cada regla.
¿En qué se diferencia la gestión de calidad de la gestión de incidencias?
La gestión mantiene la cartera de objetivos, reglas, controles, supervisión y mejoras preventivas. La gestión de incidencias trata un problema detectado mediante triaje, contención, causa raíz, corrección y cierre. La supervisión debe crear o vincular una incidencia sin duplicar sus pasos de respuesta.
¿Cómo deben fijarse los umbrales de calidad de datos?
Fíjalos según el uso previsto, el comportamiento de referencia, el impacto del fallo y la respuesta de control disponible. Propietarios y consumidores deben entender qué significa cruzarlos. Copiar un umbral de otro conjunto puede crear falsa seguridad o demasiado ruido si el contexto cambia.
¿Cuándo debe retirarse una regla de calidad de datos?
Retírala cuando el elemento o uso ya no exista, otra regla cubra de forma fiable el mismo objetivo o un proceso rediseñado vuelva irrelevante la medición anterior. Conserva definición, decisión y resultados históricos para poder interpretar la tendencia.
Dónde encaja este proceso
En la mayoría de las organizaciones, este proceso sigue a Diagrama del proceso de catálogo de datos y da paso a Diagrama de gestión de incidencias de calidad de datos.
Es un paso de Gobierno de datos.
Paso 3: Diagrama del proceso de catálogo de datos
Plantilla para registrar activos, enriquecer metadatos, asignar responsables, validar el contexto de uso, certificar estados y mantener el catálogo.
Paso 4: Diagrama de flujo del proceso de gestión de calidad de datos Estás aquí
Plantilla para priorizar datos críticos, definir reglas medibles, supervisar resultados y mantener mejoras preventivas de calidad de datos a lo largo del tiempo.
Paso 5: Diagrama del proceso de documentación del linaje de datos
Plantilla para delimitar un resultado, rastrear dependencias de origen, mapear transformaciones, validar pruebas y mantener actualizado el linaje de datos.
Paso 6: Diagrama del proceso de gestión del ciclo de vida de datos