APRENDER. PRATICAR. EVOLUIR.Conceito e mecanismo
Qualidade de dados depende da utilização prevista. Completude indica se os atributos necessários estão preenchidos; exatidão exige que representem adequadamente a realidade. Consistência trata representações compatíveis, como códigos de país e unidades. Atualidade importa quando a informação pode mudar. Duplicação afeta contagens, relações e decisões repetidas. Utilização ajuda a perceber se a informação serve os processos pretendidos. Um ficheiro pode ser completo e incorreto, recente como exportação e antigo como conteúdo. Medir apenas campos não vazios incentiva preenchimento sem verdade. Uma transformação de qualidade conserva significado: não basta fazer o ficheiro passar uma validação técnica. Os critérios devem identificar quais atributos são críticos para o caso de uso e como serão confirmados.
Aplicação guiada
Na preparação de dados de clientes, começar pela identidade e pela proveniência. Sistemas diferentes podem atribuir identificadores diferentes à mesma entidade. Nomes semelhantes, por outro lado, podem pertencer a pessoas distintas. Definir critérios de correspondência, rever exceções e conservar relações antes de fundir registos. Se operadores classificam o mesmo pedido de formas incompatíveis, reconciliar instruções e rever uma amostra em conjunto. Converter etiquetas em números não resolve a divergência de significado. Para contactos de emergência, confirmar a pessoa e a função atuais é mais relevante do que atualizar a data técnica do registo. Registar os critérios permite explicar ao patrocinador por que um conjunto de dados ainda precisa de trabalho apesar de ter sido importado sem erros.
Exemplo: 1200 contactos têm telefone, mas 170 não foram confirmados no período acordado. A completude é 100%; isso não prova que os 1200 números continuam corretos.
Armadilhas comuns
Fusão pelo nome; data de carga como prova de atualidade; quantidade como qualidade; etiquetas inconsistentes escondidas por uma codificação comum.
Tópicos relacionados: Escolher a tarefa de IA e a evidência de qualidade · Capacidades CRM, recomendações e ações · Princípios de confiança e consequências reais
Aceitar dados pelo significado e pelo uso, com evidência de identidade e qualidade.
Referência: Assess the Quality of Data · AI Associate historical Spring 24; retired 2026-02-02