Please use this identifier to cite or link to this item: https://repository.unad.edu.co/handle/10596/78992
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorRodríguez Hernández, Javier Ernesto
dc.coverage.spatialcead_-_Zipaquirá
dc.creatorBello Castillo, Juan Sebastian
dc.creatorPerez Castillo, Dubert Harbey
dc.date.accessioned2026-02-20T21:07:49Z-
dc.date.available2026-02-20T21:07:49Z-
dc.date.created2025-12-18
dc.identifier.urihttps://repository.unad.edu.co/handle/10596/78992-
dc.description.abstractLa calidad de los datos es un pilar fundamental para el éxito de las empresas dentro del análisis de datos y da vía clave a la toma de decisiones informadas. Los datos de baja calidad pueden generar decisiones erróneas, pérdidas económicas, el incumplimiento de objetivos empresariales y una disminución de la productividad. Se presentan las dimensiones clave para evaluar y mejorar la fiabilidad de los datos: exactitud, integridad, validez, consistencia, entre otras. Además, se identifica una serie de problemas y desafíos comunes que afectan la calidad de los datos, incluyendo la duplicación de registros, la falta de integridad referencial, errores de formato y cálculo, inconsistencia entre fuentes, datos incompletos o desactualizados, entre otros. Para enfrentar estos retos, se proponen distintas estrategias, donde se incluye la necesidad de un plan de acción, la medición constante de la calidad y la implementación y entendimiento del ciclo de vida de la calidad de datos, apoyada también de la automatización, la capacitación del equipo, el uso de herramientas especializadas, la integración de datos, y la anonimización para proteger la información sensible. Finalmente, se definen múltiples beneficios al invertir en análisis de calidad de datos: mejores decisiones empresariales, optimización de procesos, mayor satisfacción del cliente y ventas más efectivas, incremento de la productividad y eficiencia, reducción de costos, identificación de nuevas oportunidades de negocio y una ventaja competitiva e innovación constante.
dc.formatpdf
dc.titleToma de decisiones informada: El rol clave en la calidad de datos
dc.typeMonografía
dc.subject.keywordsCalidad de Datos
dc.subject.keywordsToma de Decisiones
dc.subject.keywordsGestión de Datos
dc.subject.keywordsOrganizaciones
dc.subject.keywordsGobernanza de Datos
dc.description.abstractenglishData quality is a fundamental pillar of business success within data analytics and provides a key pathway to informed decision making. Poor quality data can lead to poor decisions, financial loss, failure to meet business objectives and decreased productivity. Key dimensions for assessing and improving the reliability of data are presented: accuracy, completeness, validity, consistency, among others. In addition, a number of common problems and challenges affecting data quality are identified, including duplication of records, lack of referential integrity, formatting and calculation errors, inconsistency between sources, incomplete or outdated data, among others. To address these challenges, several strategies are proposed, including the need for an action plan, constant quality measurement and the implementation and understanding of the data quality lifecycle, supported also by automation, team training, the use of specialized tools, data integration, and anonymization to protect sensitive information. Finally, multiple benefits of investing in data quality analytics are defined: better business decisions, process optimization, increased customer satisfaction and more effective sales, increased productivity and efficiency, cost reduction, identification of new business opportunities and a competitive advantage and constant innovation.
dc.subject.categoryInvestigación
dc.subject.categoryAnalítica de datos
Appears in Collections:Especialización en Ciencia de Datos y Analítica

Files in This Item:
File Description SizeFormat 
jsbelloc.pdf265.67 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.