Qué es una puntuación de calidad de datos
Una puntuación de calidad de datos es un único número que resume en qué medida sus datos son aptos para su uso previsto. En lugar de preguntar «¿son buenos nuestros datos?» y obtener una respuesta vaga, una puntuación convierte la pregunta en una cifra —normalmente un porcentaje de 0 a 100— que puede seguir, comparar y sobre la que puede actuar.
A veces, la puntuación se denomina puntuación de fiabilidad de datos. Ambos nombres describen lo mismo: una medida compuesta que agrupa varias comprobaciones de calidad subyacentes en un único número de referencia.
Una puntuación por sí sola no es el objetivo. Su valor está en lo que le permite hacer: establecer una línea base, vigilar la degradación y demostrar que el trabajo de mejora está dando resultados.
Por qué importa un único número
Las comprobaciones de calidad en bruto producen decenas de señales separadas: tasas de cumplimentación, recuentos de duplicados, errores de formato, registros obsoletos. Por sí solas son difíciles de comunicar y fáciles de ignorar. Un único número resuelve tres problemas a la vez:
| Problema | Cómo lo resuelve una puntuación |
|---|---|
| Sin lenguaje común | Un número que todos entienden, desde los analistas hasta la dirección |
| Sin forma de seguir el progreso | Una línea de tendencia que muestra si la calidad mejora o empeora |
| Sin forma de priorizar | Un desglose que señala la dimensión o el campo más débil |
La puntuación es el titular. El desglose que hay detrás es sobre lo que se actúa.
Cómo se calcula una puntuación de calidad de datos
Una puntuación de calidad de datos es una media ponderada de dimensiones de calidad individuales. El cálculo se realiza en tres pasos.
Paso 1: Medir cada dimensión
Cada dimensión se mide como una tasa de cumplimiento: la proporción de registros o valores que satisfacen una regla definida.
| Dimensión | Qué mide | Regla de ejemplo |
|---|---|---|
| Completitud | Los datos requeridos están presentes | Los campos obligatorios están cumplimentados |
| Validez | Los datos se ajustan a un formato | Las direcciones de correo coinciden con un patrón válido |
| Unicidad | No hay registros duplicados | Un registro por cliente |
| Actualidad | Los datos están vigentes | Registros actualizados en los últimos 90 días |
| Consistencia | Los valores son uniformes | El país se almacena como «USA», nunca como «US» |
Para un análisis más detallado de cada una, consulte Las cinco dimensiones.
Paso 2: Aplicar pesos
No todas las dimensiones importan por igual. Un peso refleja la importancia de una dimensión para el negocio, y los pesos suman el 100 %.
| Dimensión | Tasa de cumplimiento | Peso | Contribución |
|---|---|---|---|
| Completitud | 92 % | 30 % | 27.6 |
| Validez | 88 % | 25 % | 22.0 |
| Unicidad | 99 % | 20 % | 19.8 |
| Actualidad | 75 % | 15 % | 11.3 |
| Consistencia | 90 % | 10 % | 9.0 |
| Total | 100 % | 89.7 |
Paso 3: Combinar en una única puntuación
Las contribuciones se suman para obtener la cifra final. En el ejemplo anterior, la puntuación de calidad de datos es 89.7 sobre 100.
La fórmula general es:
Puntuación de calidad de datos = Σ (Tasa de cumplimiento de la dimensión × Peso de la dimensión)
Como la puntuación está ponderada, dos organizaciones con los mismos datos en bruto pueden reportar puntuaciones distintas si ponderan las dimensiones de forma diferente, y eso es intencionado. Los pesos codifican lo que significa «bueno» para su negocio.
Niveles de medición
Una única puntuación a nivel de organización es útil para los informes, pero el trabajo real ocurre cuando se puede desglosar.
| Nivel | Pregunta que responde | Uso |
|---|---|---|
| Organización / conjunto de datos | ¿Cuál es el estado general de nuestros datos? | Informes para la dirección, seguimiento de tendencias |
| Objeto / tabla | ¿Qué entidad está arrastrando la puntuación hacia abajo? | Priorización de las correcciones |
| Campo | ¿Qué columna exactamente es el problema? | Correcciones específicas y reglas de validación |
Una puntuación de 89.7 podría ocultar un único campo con un 40 % de completitud. Los desgloses a nivel de campo convierten un número vago en una lista de tareas concreta.
Qué se considera una buena puntuación
No existe un umbral de aprobado universal. El objetivo adecuado depende del uso que se dé a los datos, el mismo principio de «apto para el propósito» que sustenta la calidad de datos en general.
| Rango de puntuación | Interpretación | Uso típico |
|---|---|---|
| 95–100 % | Fiable | Datos de cara al cliente y regulados |
| 85–94 % | Confiable | Datos operativos generales |
| 70–84 % | Necesita atención | Datos internos o secundarios |
| Por debajo del 70 % | No fiable | Corregir antes de confiar en ellos |
Fije el umbral a partir del coste de equivocarse. Un campo que alimenta la facturación o el cumplimiento normativo necesita un listón más alto que uno usado para consultas internas ocasionales.
Seguimiento de la puntuación a lo largo del tiempo
Una puntuación medida una sola vez es una instantánea. Medida repetidamente, se convierte en una tendencia, y la tendencia es donde está el valor.
- Las puntuaciones puntuales responden a «¿en qué punto estamos hoy?»
- Las puntuaciones continuas responden a «¿estamos mejorando o empeorando?»
Los datos de CRM y operativos se degradan continuamente a través de la entrada manual, las integraciones y el paso del tiempo, de modo que una puntuación que parecía saludable el trimestre pasado puede deteriorarse en silencio. La remedición programada detecta la degradación pronto, antes de que llegue a un informe o a un modelo de IA.
Puntuación de calidad de datos en Salesforce
Dentro de Salesforce se aplica el mismo modelo: las dimensiones se miden en objetos como Cuentas, Contactos y Candidatos, se ponderan y se agrupan en una única puntuación que puede monitorizar en un panel.
DQS (Data Quality Score) mide esto de forma nativa —sin exportar datos— a través de las cinco dimensiones, y añade detección de PII para la preparación para la IA. Para ver cómo se construye y se interpreta la puntuación dentro de un CRM, continúe con:
- Cómo medir la calidad de datos en Salesforce: la puntuación aplicada a una organización de Salesforce, también llamada puntuación de fiabilidad de datos
- Panel de calidad de datos de Salesforce: las métricas que merece la pena seguir junto al número de referencia
- Calidad de datos en Salesforce: el panorama más amplio
Preguntas frecuentes
¿Qué es una puntuación de calidad de datos?
Una puntuación de calidad de datos es un único número, normalmente expresado como un porcentaje de 0 a 100, que resume en qué medida sus datos son aptos para su uso previsto. Se calcula como una media ponderada de dimensiones de calidad individuales como la completitud, la validez, la unicidad, la actualidad y la consistencia.
¿Cómo se calcula una puntuación de calidad de datos?
Cada dimensión de calidad se mide como una tasa de cumplimiento: la proporción de registros o valores que satisfacen una regla definida. Esas puntuaciones de dimensión se combinan después en una media ponderada, donde el peso de cada dimensión refleja su importancia para el negocio. El resultado es un único porcentaje entre 0 y 100.
¿Qué es una buena puntuación de calidad de datos?
No existe un umbral de aprobado universal, porque el objetivo adecuado depende del uso que se dé a los datos. Como regla general, se espera un 95 % o más para los datos de cara al cliente y regulados, un 85 % o más es aceptable para los datos operativos generales, y cualquier valor por debajo del 70 % señala datos que necesitan corrección antes de poder confiar en ellos.
¿Es lo mismo una puntuación de calidad de datos que una puntuación de fiabilidad de datos?
Sí. Los términos se usan indistintamente. Ambos describen un único número compuesto que expresa cuán fiable es un conjunto de datos combinando varias dimensiones de calidad subyacentes en una sola cifra que se puede seguir a lo largo del tiempo.
Próximos pasos
- Mídala en su CRM: Cómo medir la calidad de datos en Salesforce
- Comprenda las entradas: Las cinco dimensiones
- Empiece por los fundamentos: ¿Qué es la calidad de datos?
- Compare sus propios datos: realice la Evaluación de preparación para la IA para obtener sus puntuaciones en 3 minutos