Un dato solo cobra sentido cuando queda establecido qué se puede y qué no se puede introducir. El consumo energético de una sede no puede ser negativo. Un porcentaje no puede superar los cien. Un factor de emisión debe situarse dentro de un margen determinado, dependiendo de la fuente utilizada. Sin esos límites, cualquier valor introducido puede fluir hacia el informe, incluso si es el resultado de una unidad incorrecta, una coma mal puesta o una columna intercambiada.
Un valor válido no es, por tanto, un juicio de calidad sobre el contenido de la cifra. Es un límite técnico: un rango, un tipo, una unidad obligatoria, una relación con otro dato. Ese límite se establece por dato, no por informe. Esa es la diferencia entre un control que alguien realiza manualmente una vez al año y una regla que queda fijada junto al propio dato, de modo que toda entrada pasa por ella.
No toda desviación es un error. Un consumo que este año se desvía fuertemente del anterior puede ser un error, pero también puede ser el resultado de una reforma, una adquisición o un periodo de medición distinto. Por eso resulta útil distinguir entre dos tipos de reglas.
El primer tipo es un límite estricto: un valor que sencillamente no puede darse. Negativo donde no puede serlo, un porcentaje superior a cien, una fecha en el futuro. Esos valores deben bloquearse antes de que avancen.
El segundo tipo es una señal: un valor que sí puede darse, pero que se desvía de lo esperado. Un aumento fuerte respecto al año anterior, una cifra muy por fuera del rango de sedes comparables, una entrada que llega justo en la fecha límite sin justificación. Una señal no bloquea nada. Pide que se le preste atención y, eventualmente, una aclaración antes de que la cifra siga adelante. Cómo configurar y diferenciar estos dos tipos de reglas se describe en la página sobre la configuración de una desviación de señal por dato.
Una regla que se activa pero que nadie ve no es una regla. Por tanto, a cada dato le corresponde no solo un valor límite, sino también un nombre: quién es el responsable de ese dato y quién recibe la señal cuando el valor se desvía. En un dato sin responsable, una señal desaparece en un sistema que nadie controla, o en una hoja de cálculo que solo se vuelve a abrir en el cierre anual.
Esta titularidad no tiene por qué ser complicada. Se trata de un nombre junto al dato, no de un proceso. Pero sin ese nombre, una regla de calidad es una regla sobre el papel. Qué controles corresponden lógicamente a qué tipo de dato, y por qué no todo dato necesita el mismo control, puede leerlo en la página sobre qué controles corresponden a un dato.
Los límites de un dato no surgen de la nada. Se derivan de la definición del dato: qué mide, en qué unidad, durante qué periodo, para qué parte de la organización. Si esa definición difiere entre partes de la organización —una sede calcula en metros cuadrados de superficie de suelo, otra en superficie bruta de suelo—, entonces también difiere lo que constituye un valor válido, y un límite que es correcto para una sede resulta inutilizable para otra. Cómo abordar esto se explica en la página sobre qué hacer con definiciones que difieren por unidad organizativa.
Existe también otra trampa: un valor límite que sugiere que una cifra es más precisa de lo que permite la fuente. Un factor de emisión con cuatro decimales basado en una estimación que solo es precisa hasta dos cifras genera una precisión que no existe. Las reglas de calidad deberían corregir esa falsa precisión en lugar de confirmarla, algo que se desarrolla con más detalle en la página sobre cómo evitar la falsa precisión.
Resulta tentador adquirir una herramienta que controle automáticamente los errores. Pero una herramienta que se aplica a un proceso desorganizado controla reglas que aún no se han establecido, sobre datos de los que nadie es responsable, a partir de definiciones que difieren entre partes de la organización. El resultado es un informe más pulido sobre cifras que siguen sin estar controladas.
Por eso, el Data Readiness Scan primero registra lo que existe: el registro de datos, la procedencia de cada cifra, la titularidad y las reglas que determinan qué es un valor válido y qué es una señal. Este es un trabajo que actualmente suele estar disperso en hojas de cálculo, intercambios de correo y la memoria de unas pocas personas. La herramienta que da soporte a esto está en desarrollo; quien desee empezar con esto ya ahora puede inscribirse en la lista de espera.
Una vez que queda claro qué reglas y controles corresponden a cada dato, también surge una buena visión de qué parte de ese trabajo de control es repetible y qué parte requiere criterio. Esa distinción es central en el escáner de trabajo de FTE TO AI, que calcula por tarea qué parte del trabajo puede asumir la IA y qué parte sigue correspondiendo a una persona.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.