Este conjunto de directrices articula y define un conjunto común de métricas de calidad de datos independientes del dominio para conjuntos de datos estructurados y legibles por máquina. Los datos pueden incluir:
——Datos históricos que contengan información pasada (por ejemplo, préstamo de libros de la biblioteca, registros de transacciones);
——Datos en vivo que contienen información actual (por ejemplo, disponibilidad de libros en la biblioteca). Los datos pueden estar disponibles como:
——Datos puntuales, que se recopilan o registran de vez en cuando en algunos intervalos de tiempo discretos o - Un flujo de datos, que incluye flujos continuos y estables o una secuencia de información. Los ejemplos incluyen precios de acciones, feeds de datos de mercado, feeds sensoriales y feeds de vídeo. Las métricas de calidad de datos para conjuntos de datos no estructurados están actualmente fuera del alcance de este documento y las pautas sugeridas pueden o no ser aplicables a conjuntos de datos no estructurados. El agnosticismo y la generalidad de la industria son preocupaciones fundamentales en el proceso de selección para su inclusión en el conjunto básico de métricas de calidad. Si bien otras métricas pueden ejemplificar la calidad de los datos en conjuntos de datos utilizados por algunas industrias, si no se pueden aplicar fácilmente en todos los ámbitos, no se incluyen en estas pautas. Sin embargo, se anima a los proveedores de datos a adoptar la metodología descrita en 4.2, La metodología Meta-Pregunta-Métrica, para desarrollar métricas adicionales que ayuden a transmitir aspectos particulares de la calidad de los datos que ayuden a los compradores potenciales en su evaluación del conjunto de datos en oferta. Lo siguiente está fuera del alcance de la Referencia Técnica:
——Las métricas que están sujetas a interpretación o abordan inquietudes que constituyen parte del proceso de evaluación del comprador también están fuera del alcance de estas pautas. - Tampoco se incluyen métricas que se deriven de más de una métrica básica donde el método de cálculo o derivación pueda variar según las necesidades del usuario. Por ejemplo, la relación entre registros no vacíos y el número máximo posible de registros puede dar una indicación de la integridad o extensión de un conjunto de datos. Sin embargo, dado que puede no haber un número máximo o un número esperado de registros para ciertos tipos de conjuntos de datos, correspondería a los usuarios que evalúan el conjunto de datos contextualizar las métricas publicadas según sus requisitos y expectativas. - Recomendaciones sobre formas de aplicar las métricas publicadas para responder preguntas de orden superior relacionadas con la calidad de los datos. Cabe señalar que algunas de las métricas incluidas no son intrínsecas a los datos, por ejemplo, el costo de acceso y el soporte. Sin embargo, se han incluido como parte de las directrices porque son consideraciones importantes y proporcionan indicadores útiles sobre la viabilidad de un conjunto de datos para el usuario.