Vol. 6 – Núm. 1 / Enero – Junio – 2025
Calidad de datos en el Data Lake de una Fintech de Servicios
Financieros, basado en las dimensiones de la norma ISO/IEC
25012
Data quality in the Data Lake of a Financial Services Fintech, based on the
dimensions of ISO/IEC 25012
Qualidade de dados no Data Lake de uma Fintech de Serviços Financeiros,
com base nas dimensões da norma ISO/IEC 25012
Barreno-Pilco, Byron Augusto
Escuela Superior Politécnica de Chimborazo
augusto.barreno@espoch.edu.ec
https://orcid.org/0009-0001-0169-4847
Silva-Peñafiel, Geovanny Euclides
Escuela Superior Politécnica de Chimborazo
geovanny.silva@espoch.edu.ec
https://orcid.org/0000-0002-1069-4574
DOI / URL: https://doi.org/10.55813/gaea/ccri/v6/n1/915
Como citar:
Barreno-Pilco, B. A., & Silva-Peñafiel, G. E. (2025). Calidad de datos en el Data Lake de una
Fintech de Servicios Financieros, basado en las dimensiones de la norma ISO/IEC 25012.
Código Científico Revista De Investigación, 6(1), 731–759.
https://doi.org/10.55813/gaea/ccri/v6/n1/915.
Recibido: 18/05/2025 Aceptado: 27/06/2025 Publicado: 30/06/2025
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
732
Resumen
En la actualidad, la calidad de los datos es un factor crítico para la toma de decisiones en
empresas financieras, incluidas las Fintech. Este estudio evalúa y mejora la calidad de los datos
en el dominio "Clientes" de una Fintech ecuatoriana, aplicando un subconjunto de las
dimensiones definidas en la norma ISO/IEC 25012, específicamente: unicidad, consistencia,
conformidad, y completitud. Para ello, se integró el enfoque Total Data Quality Management
(TDQM) con la metodología de la Ciencia del Diseño, estructurada en tres ciclos: relevancia,
diseño y rigor. Una vez definidas las reglas de calidad del dominio, se realizó una medición
inicial (baseline) a través de su implementación. Posteriormente, los resultados obtenidos
permitieron identificar deficiencias y desarrollar planes de remediación. A pesar del corto
periodo de evaluación, la implementación de estas estrategias resultó en una mejora del 3.8%
en la calidad de los datos. Los hallazgos de este estudio destacan la importancia de integrar la
gestión de calidad de datos en la gobernanza organizacional, contribuyendo a mejorar la
confianza de los stakeholders y la eficiencia operativa de la Fintech.
Palabras clave: calidad de datos, TDQM, ISO/IEC 25012, gobernanza de datos, lago de datos.
Abstract
Nowadays, data quality is a critical factor for decision-making in financial companies,
including Fintechs. This study evaluates and improves data quality in the "Clients" domain of
an Ecuadorian Fintech, applying a subset of the dimensions defined in the ISO/IEC 25012
standard, specifically: uniqueness, consistency, conformity and completeness. To achieve this,
the Total Data Quality Management (TDQM) approach was integrated with the Design Science
methodology, structured into three cycles: relevance, design, and rigor. Once the domain's
quality rules were defined, an initial measurement (baseline) was conducted through their
implementation. Subsequently, the obtained results allowed for identifying deficiencies and
developing remediation plans. Despite the short evaluation period, implementing these
strategies resulted in a 3.8% improvement in data quality. The findings of this study highlight
the importance of integrating data quality management into organizational governance,
contributing to enhanced stakeholder trust and the operational efficiency of the Fintech.
Keywords: data quality, TDQM, ISO/IEC 25012, data governance, datalake.
Resumo
Hoje, a qualidade dos dados é um fator crítico para a tomada de decisões em empresas
financeiras, incluindo empresas de Fintech. Este estudo avalia e melhora a qualidade dos dados
no domínio "Clientes" de uma empresa fintech equatoriana, aplicando um subconjunto das
dimensões definidas na norma ISO/IEC 25012, especificamente: exclusividade, consistência,
conformidade e integridade. Para isso, a abordagem Total Data Quality Management (TDQM)
foi integrada à metodologia Design Science, estruturada em três ciclos: relevância, design e
rigor. Uma vez definidas as regras de qualidade do domínio, foi realizada uma medição inicial
(linha de base) por meio de sua implementação. Os resultados obtidos posteriormente
permitiram identificar deficiências e desenvolver planos de remediação. Apesar do curto
período de avaliação, a implementação dessas estratégias resultou em uma melhoria de 3.8%
na qualidade dos dados. Os resultados deste estudo destacam a importância de integrar a gestão
da qualidade de dados à governança organizacional, contribuindo para melhorar a confiança
das partes interessadas e a eficiência operacional das empresas de fintech.
Palavras-chave: qualidade de dados, TDQM, ISO/IEC 25012, governança de dados, data lake.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
733
Introducción
En la era del Big Data, las organizaciones públicas y privadas enfrentan una creciente
necesidad de adoptar un enfoque data-driven para la toma de decisiones, dejando atrás los
métodos empíricos tradicionales (Wulff & Finnestrand, 2023). Sin embargo, esta
transformación estratégica implica retos significativos, entre los que destacan la inversión en
infraestructuras tecnológicas avanzadas, ya sean locales (on-premise) o en la nube (on-cloud)
(Vishnu Sakthi et al., 2024) así como la contratación de personal especializado capaz de
gestionar, analizar y convertir los datos en información valiosa (insights) para respaldar la toma
de decisiones (Araque González et al., 2021).
El crecimiento acelerado en la generación de datos desafía a los equipos de ciencia de
datos a garantizar datos de calidad, aunque estos equipos no son quienes provocan una
deficiencia en la calidad, son los dolientes directos pues son quienes dan la cara ante los
usuarios. Está claro que datos no confiables o de baja calidad deriva en decisiones erróneas,
posibles pérdidas económicas, inclusive riesgos o consecuencias legales. Por otro lado, contar
con datos de buena calidad brindaran el efecto contrario (Ardagna et al., 2018).
Ante este panorama, surge la interrogante sobre si las organizaciones cuentan con datos
de buena o mala calidad. Para responder a esta cuestión, se emplea el enfoque Total Data
Quality Management (TDQM), que comprende cuatro fases: definición de reglas de calidad,
medición, análisis de resultados y ejecución de acciones correctivas (Bicevskis et al., 2018;
Nikiforova, 2020). Como primer paso en este estudio, se ha iniciado la medición de la calidad
de los datos en la organización (Ardagna et al., 2018; McMann et al., 2022).
En el grupo corporativo al que pertenece la Fintech, se han llevado a cabo análisis
internos previos que han permitido identificar las dimensiones más críticas aplicables a datos
de banca. Dichos análisis previos llevaron a adoptar el estándar ISO/IEC 25012 para la
medición de calidad, el estándar contiene un total de 15 dimensiones entre 5 inherentes y 10
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
734
dependientes (Calabrese et al., 2019). Además, existen otras metodologías, como las
desarrolladas por DAMA e IBM, para la gestión de la calidad de datos. En este estudio, se han
priorizado cuatro dimensiones clave: unicidad, consistencia, conformidad, y completitud, que
no solo permiten medir el nivel de calidad, sino también facilitan la implementación de planes
de remediación para su mejora continua (Andrew Black (Van Nederpelt & Black) & Peter van
Nederpelt (Van Nederpelt & Black), 2020).
Las empresas financieras en Ecuador, incluidas las Fintech, no están exentas de los
problemas derivados de la baja calidad de los datos. El presente estudio tiene como objetivo
principal implementar un artefacto que permita medir la calidad de los datos, que apalanque
planes de remediación y mejora en la calidad de datos para el dominio: Clientes.
Para ello, se plantean tres objetivos específicos:
Primero: Diagnosticar el estado actual de la calidad de los datos en el Data Lake de la
Fintech, analizando las dimensiones de unicidad, precisión, consistencia, conformidad,
completitud y actualidad.
Segundo: Implementar reglas y mecanismos de control para gestionar y mejorar la
calidad de los datos en el Data Lake sobre la plataforma Databricks, para cada dimensión de
calidad.
Tercero: Evaluar el impacto de la implementación del artefacto, sobre las dimensiones
de calidad de datos, comparando indicadores antes y después del proceso de implementación.
Como medida de mitigación ante los riesgos asociados a la baja calidad de los datos, se
resalta la necesidad de integrar la disciplina de calidad de datos dentro de la gobernanza de
datos, buscando fortalecer la confianza de los usuarios de los datos para lograr ser una
compañía guiada por datos (Herrera & Kapur, 2007).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
735
Los resultados de este estudio sin duda contribuirán en el sector financiero ecuatoriano
y de la región, para la adopción de la gestión de calidad de datos, siempre con la finalidad de
promover las decisiones estratégicas de las compañías basado en datos confiables y precisos.
Esta investigación tiene su fundamento teórico llevado a cabo mediante una revisión
sistemática de libros y revistas sobre calidad de datos, incluyendo el estándar ISO/IEC 25012,
el libro DMBOOK2, y varios artículos científicos publicados en revistas indexadas en bases de
datos como Scopus, Science Direct, Springer y Google Scholar.
Esta investigación se ha llevado a cabo en una Fintech de servicios financieros que basa
sus decisiones y estrategia en datos, por ende, prioriza la calidad de los datos para una adecuada
generación de insights. La pregunta central que orienta este trabajo es:
¿La aplicación de una metodología para la medición de calidad de datos y la ejecución
de planes de remediación puede mejorar la calidad de los datos en la organización?
Para garantizar una mejora continua, es fundamental implementar planes de
remediación efectivos que cubran tanto la corrección de datos de baja calidad existentes, así
como los ajustes necesarios en los procesos o sistemas para evitar que los mismos problemas
que causaron baja calidad sigan ocurriendo; es mandatorio una sinergia adecuada entre las
personas que poseen los roles de Product Owner, Data Steward y Data Engineer. La
colaboración entre estos roles permitirá por un lado la remediación en deficiencias de calidad
de datos pasadas y actuales, y por otro lado, viendo hacia el futuro, el establecimiento de
mecanismos de control y gobernanza que aseguren la sostenibilidad de la calidad de los datos
(DAMA International, 2017).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
736
Metodología
El proyecto pretende aplicar la disciplina de calidad de datos, esencial dentro de la
gestión y gobernanza de los datos (DAMA International, 2017), con el objetivo de garantizar
que los datos de la Fintech, sean aptos para el propósito de guiar su estrategia por datos. Con
ese antecedente claro, se adopta la metodología de la ciencia del diseño, estructurada en tres
fases: 1. El ciclo de la relevancia, 2. El ciclo del diseño y 3. El ciclo del rigor, esta metodología
realza la validez científica y la aplicabilidad práctica de los resultados obtenidos.
Figura 1
Ciencia del diseño (DSR) aplicada a la gestión de calidad de datos
Nota: (Autores, 2025).
La figura representa el ciclo de investigación aplicado para mejorar la calidad de datos,
partiendo de la identificación del problema, el diseño del artefacto con base en la metodología
TDQM, y la evaluación comparativa del índice de calidad del dominio en el tiempo.
Ciclo de la Relevancia
El ciclo de la relevancia dentro de este estudio está orientado a comprender y abordar
el problema del desconocimiento del nivel de calidad de los datos en el dominio "Clientes" de
la Fintech. Este ciclo vincula las necesidades del entorno organizacional con el desarrollo de
soluciones tecnológicas y metodológicas basadas en Total Data Quality Management (TDQM)
y el estándar ISO/IEC 25012.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
737
Figura 2
Ciclo TDQM aplicado a la gestión de calidad de datos
Nota: (Autores, 2025).
La figura muestra el ciclo de la metodología Total Data Quality Management (TDQM),
compuesto por las fases de definir, medir, analizar y mejorar. Este proceso se complementa
con las dimensiones de calidad de datos del estándar ISO/IEC 25012 y los planes de
remediación propuestos en el marco del DMBOOK.
Para ello, se han llevado a cabo cinco actividades principales que establecen la base del
estudio, cabe mencionar que la primera actividad mencionada no forma parte del TDQM, sin
embargo, fue necesaria para llevar a cabo la experimentación de esta investigación:
1. Selección de herramienta para la medición de calidad de datos:
Evaluación comparativa de tres posibles soluciones tecnológicas para la medición y
monitoreo de la calidad de los datos: 1. Desarrollo de un motor de calidad a medida. 2. Librería
Great Expectations (GX) y 3. Delta Live Tables (DLT) con expectations de Databricks.
Se definieron criterios de selección basados en efectividad, escalabilidad, facilidad de
implementación y presupuesto dentro de la infraestructura de la Fintech, resultado de esta
evaluación se optó por trabajar con Great Expectations (GX).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
738
Tabla 1
Comparación de herramientas para la medición de calidad de datos
Criterio
Delta Live Tables (DLT)
Great Expectation
s (GX)
Motor de Calidad
Propio
Definición
Servicio gestionado de Databricks para
crear y monitorear pipelines de datos
confiables.
Framework de
validación de datos
open source para
crear pruebas y
monitorear
la calidad.
Solución
personalizada
desarrollada
para validar y
mejorar la calidad
de datos
según necesidades
específicas.
Facilidad de
uso
Alta, interfaz intuitiva, integración
con Databricks y SQL/PySpark.
Moderada, requiere
configuración
manual de las
expectativas.
Depende del
diseño,
inicialmente puede
ser más complejo.
Integración
Se integra nativamente
con Databricks, Spark y Delta Lake.
Compatible con
múltiples fuentes de
datos (SQL,
Pandas, Spark).
Desarrollo
específico
para Spark
Automatizaci
ón
Automático con mantenimiento
gestionado, incluye auto-healing.
Parcial, se puede
automatizar, pero
requiere scripts
adicionales.
Totalmente
personalizable,
pero
requiere desarrollo
y monitoreo.
Personalizaci
ón
Limitada a las funcionalidades
ofrecidas por Databricks.
Alta, permite
personalizar
validaciones
con código Python.
Alta, adaptable a
las necesidades del
negocio.
Escalabilidad
Alta, diseñado para grandes volúmenes
de datos.
Alta, soporta
grandes volúmenes
en
entornos distribuid
os.
Alta, dependiendo
del entorno.
Costos
Altos, requiere licencia de Databricks.
Es open source.
Desarrollo propio.,
sin embargo
requiere de
muchas horas
hombre
Tiempo
de Implement
ación
Rápido, configuración simple en
entornos existentes de Databricks.
Moderado, depende
de la complejidad
de las reglas.
Lento, desarrollo
desde cero según
las necesidades.
Documentaci
ón y Soporte
Amplia, soporte oficial de Databricks.
Amplia, comunidad
activa y
soporte comercial
opcional.
Depende del
equipo interno.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
739
Flexibilidad
en Reglas
Reglas predefinidas y pipelines
declarativos.
Reglas
completamente
definidas por
el usuario.
Totalmente
flexible, según los
requerimientos def
inidos.
Monitoreo
Integrado, dashboards en Databricks pa
ra monitorear pipelines.
Integrado, dashboar
ds de validación
y reportes
automatizados.
Depende del
desarrollo, puede
integrarse
con herramientas
BI.
Mantenimient
o
Bajo, gestionado por Databricks.
Moderado, requiere
actualizaciones ma
nuales.
Alto,
responsabilidad
completa del
equipo.
Nota: (Autores, 2025).
La tabla muestra detalles de la comparativa realizada para elegir la herramienta a
usar/implementar, proporcionando información valiosa a favor de DLT y GX, sin embargo el
costo dio un aporte adicional en la elección final por Great Expectations GX.
2. Definición de estándares de calidad:
Identificación de las dimensiones de calidad y establecimiento de reglas de calidad
aplicables al dominio de estudio “Clientes”.
3. Medición de la calidad de los datos:
Implementación de procesos automáticos ETL de medición, mismos que serán de
utilidad tanto para la medición inicial, así como las mediciones recurrentes sobre las
dimensiones de calidad priorizadas.
4. Análisis de la calidad de los datos:
Análisis mediante monitoreo continuo de los datos para identificar tendencias y puntos
críticos de mejora. Para este fin se ha diseñado un dashboard que permite el análisis de una
forma amigable.
5. Limpieza y remediación de datos:
Gestión de planes de remediación con un enfoque iterativo.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
740
Implementación directamente en los procesos ETL de transformaciones y limpieza de
datos basados en las reglas que deben cumplir los campos para corregir inconsistencias y
prevenir futuros problemas de calidad de datos.
El estudio sigue un enfoque cuantitativo y experimental, con el objetivo de medir el
índice de calidad de datos en el dominio "Clientes" mediante el análisis de datos reales
obtenidos de las bases de datos de la Fintech.
Población y Muestra
• Población: Clientes del grupo corporativo al que pertenece la Fintech.
• Muestra: Clientes que han instalado la aplicación desde 2023 hasta la actualidad
(2025).
• Criterios de inclusión: Clientes con onboarding completo.
• Criterios de exclusión: No se excluyen datos.
Instrumentos de Recolección de Datos
Para evaluar la calidad de los datos, se utilizarán los datos almacenados en el Datalake
de las capas bronze y gold de la arquitectura medallion, considerando los siguientes campos:
• Datos de identificación: Número de identificación, tipo de documento, nombre del
cliente.
• Datos de contacto: Teléfono, correo electrónico, dirección principal.
• Información financiera y de afiliación: Agencia de anclaje, código interno, estado
del cliente.
• Datos demográficos: Estado civil, fecha de nacimiento, género, nacionalidad.
• Datos de ubicación: País, provincia, cantón y parroquia de domicilio.
• Datos operativos: Fecha de creación del registro.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
741
Ciclo del Diseño
En esta primera fase del DSR, se ha diseñado el artefacto que permitirá abordar la
problemática de calidad de datos en el dominio "Clientes". La solución se basa en la
metodología Total Data Quality Management (TDQM) y el estándar ISO/IEC 25012,
asegurando una evaluación sistemática de la calidad de los datos mediante reglas predefinidas
y procesos de monitoreo continuo.
Cabe aclarar algo adicional que podría causar confusión. DSR es la metodología usada
en esta investigación que permite diseñar el artefacto de gestión de calidad de datos, TDQM
por su parte es la metodología que ha sido elegida luego de la investigación para llevar a cabo
de inicio a fin la gestión como tal de la calidad de datos, y finalmente es estándar ISO/IEC
25012 es el que proporciona las dimensiones a evaluar para medir la calidad de datos, de estas
dimensiones a su vez se derivan reglas de calidad aplicables a los campos de las tablas de las
bases de datos.
Dado que gran parte de los problemas de calidad se originan desde las fuentes de datos,
la remediación no será automática en esta etapa, sino que dependerá de los planes de acción y
la colaboración con otros equipos técnicos dentro de la organización. No obstante, este
proyecto establece las bases para medir, monitorear y visualizar la calidad de los datos,
proporcionando insumos clave para los planes de remediación.
Solución propuesta
La solución consiste en el diseño e implementación de un conjunto de procesos
automatizados ELTs de medición de calidad de datos, con la posibilidad de expandirse en el
futuro a otros dominios de información. Para la medición, se usó la librería Great Expectations.
El artefacto opera a tres niveles de evaluación de datos:
• Histórica: Evalúa la calidad de todos los datos almacenados en las tablas del
dominio.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
742
• Diaria: Analiza solo los nuevos datos ingresados en el sistema en un día específico.
• Near Real-Time (NRT): Realiza validaciones cada hora sobre los datos más
recientes.
Great Expectations proporciona los resultados en formatos JSON, estos a su vez en los
ETL son llevados hacia una tabla, la cual se constituye como la fuente para el dashboard de
monitoreo en Power BI, que permite la visualización de la calidad de los datos desde una
jerarquía de: dominio → tabla → campo. El dashboard facilita la identificación de problemas
de calidad y sirve como insumo para coordinar acciones de remediación con los equipos
técnicos.
Para evaluar la calidad conforme a cada dimensión, a nivel de campo se aplicaron las
siguientes fórmulas:
Unicidad. - Evaluación de registros únicos, sin duplicidad conforme a los campos clave
o que dan unicidad a los registros de las tablas a evaluar.
En donde un valor de Unicidad al 100% es interpretado como que no existen duplicados.
Completitud. – Medición del porcentaje de valores faltantes siendo estos valores nulos
o blancos.
En donde un valor de Completitud al 100% indica que no hay datos faltantes. Como
aclaración acá se toma como denominador “Total de registros evaluados”, ya que existen casos
en los que, si es correcto que el campo no posea valor, por lo tanto, la evaluación se hará sobre
los casos de registro que obligatoriamente deben poseer un valor válido, distinto de nulo o
blanco.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
743
Conformidad. - Verificación de que los datos cumplen con formatos y estructuras
definidas, por ejemplo, un campo con correos electrónicos debe contener un formato válido.
Consistencia (Lógica). – Evaluación si los datos mantienen una lógica coherente entre
sí, ya sea dentro de una misma tabla o con otras incluso de otras fuentes. Un dato es consistente
cuando no presenta contradicciones lógicas respecto a otros datos relacionados.
Mientras que para obtener el porcentaje general de cada dimensión se promedian los
resultados individuales de los campos.
Donde:
Ci representa el porcentaje de valores correctos obtenido para el “campo i” según su
respectiva regla de calidad.
n es el número total de campos evaluados bajo la dimensión de validez.
El numerador representa la suma de todos los valores individuales de la dimensión, y
el denominador simplemente normaliza el resultado dividiéndolo por el número total de
campos.
Por último, para obtener el índice de calidad del dominio, se suman los resultados
generales de cada dimensión de acuerdo a su ponderación:
Donde:
m es el número de dimensiones usadas para la medición.
Di representa el porcentaje de calidad de cada dimensión
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
744
wi representa la ponderación o peso que se le da a cada dimensión, para este estudio se
da la misma ponderación para cada dimensión, al ser 4 les corresponde el 25% a cada una.
Diseño del artefacto
El diseño de la solución se compone de los siguientes módulos:
1. ETLs con Great Expectations (GX): Encargados de ejecuta reglas de validación sobre
los datos en la capa cruda y master. Realiza validaciones en tres niveles: histórico para evaluar
todos los datos almacenados en la tabla, diario para evaluar los datos generados en un día y
NRT para evaluar los datos generados durante la última hora.
2. Dashboard de monitoreo: Desarrollado en Power BI para visualizar indicadores clave
y tendencias de calidad de datos, mismo que permite la identificación de campos específicos
con problemas.
3. Mecanismo de remediación: Actualmente, la remediación de datos no es automática
y depende de los equipos responsables de las fuentes de datos para el caso de zona bronze,
mientras que para zonas silver y gold, depende del equipo de ingeniería de datos. Se identifican
y documentan problemas de calidad en un libro Excel, desde donde se coordinan los planes de
remediación.
Proceso de desarrollo e iteración
La implementación sigue un enfoque iterativo, pasando por varias fases de prueba y
ajuste:
• Implementación inicial: Desarrollo del primer ETL con reglas de validación en
Great Expectations (GX). Se prueba con datos históricos sobre una tabla de clientes.
• Ajustes y optimización: Modificación de las reglas y ajustes en la arquitectura de
los ETLs según los primeros resultados obtenidos.
• Expansión de la solución: Desarrollo de 8 ETLs adicionales para cubrir todas las
tablas del dominio (capa cruda y master).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
745
• Validación con usuarios internos: Data Stewards, Data Architects y Data Engineers
para evaluar la efectividad del artefacto.
• Automatización: Programación o calendarización de los ETLs para que se ejecuten
de forma automática de acuerdo a la periodicidad.
Herramientas y tecnologías utilizadas
La solución está construida utilizando las siguientes herramientas.
Tabla 2
Herramientas usadas para la gestión de calidad de datos
Componente
Herramienta
Plataforma y procesamiento
Databricks
ETLs y validación de datos
Python, PySpark, Spark SQL, Great Expectations
(GX)
Almacenamiento de resultados
Delta Lake (Hive)
Visualización y monitoreo
Power BI
Gestión de planes de remediación
Excel (manual, en este primer release)
Nota: (Autores, 2025).
Validación del diseño
Para asegurar que el sistema cumple con sus objetivos, se implementa una validación
en dos niveles:
Nivel 1: Evaluación cuantitativa en la que se comparan métricas de calidad antes y
después de implementar el artefacto. Además se analiza la evolución de indicadores como
porcentaje de registros duplicados, valores nulos o inconsistentes.
Nivel 2: Evaluación cualitativa en donde se recoge feedback de los Data Stewards y
Data Engineers sobre la usabilidad y efectividad del artefacto. Se evalúa que tan fácil es
interpretar los resultados y tomar decisiones basadas en el dashboard.
Limitaciones de la solución
El artefacto representa un avance significativo en la gestión de calidad de datos, con
oportunidad de mejora debido a ciertas limitaciones de esta versión inicial:
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
746
1. Ausencia de alertas y notificaciones automáticas
Para el monitoreo de la calidad se cuenta con el dashboard, cuya interpretación de
resultados o indicadores lo deben realizar personas. En una fase futura se considera la
incorporación de alertas automáticas para notificar problemas críticos.
2. Falta de automatización en los planes de remediación
Aunque el sistema identifica problemas de calidad, la remediación sigue siendo un
proceso manual. La corrección de datos depende de los equipos responsables de las fuentes de
datos, lo que puede generar demoras en la resolución.
3. Dependencia de la colaboración interdepartamental
La mejora en la calidad de datos requiere la cooperación de diferentes áreas de la
organización. La efectividad del artefacto dependerá del grado de compromiso de los equipos
de desarrollo y operaciones.
Estas limitaciones destacan posibles áreas de mejora y futuras líneas de investigación,
con el objetivo de evolucionar hacia una solución más automatizada e integrada con los
procesos de negocio.
Ciclo del rigor
El modelo de evaluación de calidad de datos utilizado en este estudio se fundamenta en
la norma ISO/IEC 25012, la cual define un conjunto de 15 dimensiones para la gestión de
calidad de datos. Sin embargo, estudios previos han demostrado que no todas las dimensiones
son igualmente relevantes en todos los dominios de datos (Calabrese et al., 2019). Para este
estudio, se han seleccionado cuatro dimensiones clave (unicidad, consistencia, conformidad y
completitud) debido a su impacto en la calidad de los datos en el sector financiero, alineándose
con investigaciones previas en entornos de datos estructurados (Andrew Black (Van Nederpelt
& Black) & Peter van Nederpelt (Van Nederpelt & Black), 2020; Zibak et al., 2022).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
747
Otros estudios recientes, han usado métricas similares para evaluar la integridad y
confiabilidad de los datos (McMann et al., 2022). Si bien dentro de la revisión sistemática no
se hallaron estudios que hayan usado Great Expectations (GX), diversos foros, páginas, la
misma documentación de la librería y los resultados de la comparativa realizada, dieron el aval
de que sería la mejor decisión para usar sobre la plataforma analítica que utiliza la Fintech. Las
fórmulas utilizadas para evaluar cada dimensión han sido adoptadas en diversas metodologías
de calidad de datos y han demostrado su validez en escenarios similares.
Por ejemplo: La métrica de unicidad ha sido ampliamente utilizada en modelos de
detección de duplicados en sistemas financieros (Bena et al., 2024). La métrica de completitud
es una de las más utilizadas en Data Quality Management y ha sido aplicada en estudios sobre
la confiabilidad de los datos de clientes (Ardagna et al., 2018). Por lo tanto, la combinación de
estas métricas proporciona un marco sólido y científicamente validado para la evaluación de
calidad de datos en la Fintech, asegurando que los resultados obtenidos sean comparables con
otros estudios y puedan ser utilizados como referencia en futuros proyectos de calidad de datos.
La revisión sistemática de la literatura proporcionó información interesante entre ello
se identificó que la mayoría de las investigaciones relacionadas con calidad de datos se enfocan
principalmente en la etapa de medición o diagnóstico, lo cual es tan solo una etapa en la gestión
de calidad de datos. Como punto a favor, el presente estudio incorpora una etapa adicional en
cuanto a la gestión de planes de remediación, fortaleciendo el vínculo entre diagnóstico y
mejora efectiva. Esta integración responde a la necesidad de generar valor real a partir del
análisis de calidad, alineándose con los principios del enfoque TDQM. Para cubrir con esta
validación se realiza una comparación de las métricas de calidad de datos por dimensión, antes
(línea base) y después (actualidad) de modo que quede la evidencia de la gestión realizada para
la mejora del índice de calidad de datos.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
748
Resultados
Baseline
Como se mencionó, el punto de partida sería la medición inicial, que permite identificar
el punto de partida en términos de calidad de datos, de aquí nacen los planes de remediación.
A continuación, se presentarán muestras de los resultados de la medición inicial, se presentaran
las tablas 3, 4, 5 y 6 que contienen los resultados por cada dimensión, a nivel de tabla, regla de
calidad aplicada, cantidad total de registros evaluados, cantidad de registros correctos y el
porcentaje de calidad de cada campo.
Tabla 3
Resultados de la evaluación de dimensión de completitud.
Tabla
Regla
Registros
analizados
Registros
correctos
Porcentaje
calidad
Client
Agencia anclaje no
puede ser nulo ni
blanco
1.780.453
1.744.166
97,96%
Client
Cantón no puede ser
nulo ni blanco
1.780.453
1.647.648
92,54%
Client
País no puede ser nulo
ni blanco
1.780.453
-
0,00%
Customers
Agencia anclaje no
puede ser nulo ni
blanco
1.810.305
1.740.186
96,13%
Customers
Código interno no
puede ser nulo ni
blanco
1.810.305
1.777.142
98,17%
Customers
Fecha creación no
puede ser nulo ni
blanco
1.810.305
1.777.230
98,17%
Users
Cantón no puede ser
nulo ni blanco
1.810.305
1.654.357
91,39%
Users
Celular no puede ser
nulo ni blanco
1.810.305
1.783.231
98,50%
Users
Estado civil no puede
ser nulo ni blanco
1.810.305
1.787.098
98,72%
Clients
Tipo de cliente no
puede ser nulo ni
blanco
2.688.432
2.688.432
100,00%
Clients
Descripción de usuario
no puede ser nulo ni
blanco
2.688.432
2.688.432
100,00%
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
749
Clients
Ds_churn_category no
puede ser nulo ni
blanco
2.688.432
2.688.432
100,00%
Users_pilo
t
Numero de cuentas no
debe estar vacía
746.926
746.601
99,96%
Users_pilo
t
Apps no debe estar
vacía
746.926
746.926
100,00%
Users_pilo
t
Tipo de cliente no
puede ser nulo ni
blanco
746.926
746.926
100,00%
Nota: (Autores, 2025).
Después de promediar los porcentajes de calidad para cada campo de cada tabla se
obtiene un 90.58% de calidad en completitud, en términos generales el resultado de la métrica
de calidad para la dimensión de completitud es bueno, sin embargo, se ve impactado por
campos como los de ubicación, latitud y longitud que en su mayoría son datos faltantes, para
el resto de campos se tiene un porcentaje mayor al 90%.
Dimensión de Unicidad
Tabla 4
Resultados de la evaluación de dimensión de unicidad
Tabla
Regla
Registros analizados
Registros correctos
Porcentaje calidad
Client
Celular no
debe estar
repetidos
1.780.453
1.621.720
91,08%
Client
Identificación
no puede estar
duplicado
1.780.453
1.621.722
91,08%
Client
Correo
electrónico no
debe estar
repetido los
correos
1.780.453
1.621.720
91,08%
Users
Celular no
debe estar
repetidos
1.810.305
1.623.590
89,69%
Users
Identificación
no puede estar
duplicado
1.810.305
1.649.746
91,13%
Users
Correo
electrI³nico no
debe estar
1.810.305
1.650.629
91,18%
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
750
repetidos los
correos
Clients
Identificación
no puede estar
duplicado
2.688.432
2.688.432
100,00%
Clients
Celular no
debe estar
repetidos
2.688.432
2.678.287
99,62%
Users_pilot
Identificación
no puede estar
duplicado
746.926
746.926
100,00%
Nota: (Autores, 2025).
A pesar de que el porcentaje de calidad en unicidad es bueno 93.66% (promedio de los
porcentajes por campo y tabla), la existencia de duplicidad causa problemas, obligando a
realizar depuraciones de la duplicidad en todos los procesos en donde se use esta data.
Dimensión de Validez
Tabla 5
Resultados de la evaluación de dimensión de validez.
Tabla
Regla
Registros analizados
Registros correctos
Porcentaje calidad
Client
Identificación solo
debe tener números
1.780.453
1.780.453
100,00%
Client
Fecha de nacimiento
debe estar en
formato 'YYYY-
MM-DD'
1.780.453
1.780.397
100,00%
Client
Genero debe ser
MALE o FEMALE
1.780.453
1.780.397
100,00%
Client
Correo electrónico
no debe contener
doble arroba, puntos
seguidos ni ser uno
de los correos por
defecto
1.780.453
1.780.109
99,98%
Users
Nombre completo
debe tener al menos
un nombre y
apellido
1.810.305
1.612.042
89,05%
Users
País debe pertenecer
al catalogo
1.810.305
1.787.116
98,72%
Users
Parroquia debe
pertenecer al
catalogo
1.810.305
669.729
37,00%
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
751
Users
Correo electrónico
no debe contener
doble arroba, puntos
seguidos ni ser uno
de los correos por
defecto
1.810.305
1.809.906
99,98%
Users
Nacionalidad debe
ser
ECUATORIANA
1.810.305
1.667.263
92,10%
Clients
Nombre completo
debe tener al menos
un nombre y
apellido
2.688.432
2.388.547
88,85%
Clients
Latitud debe estar
entre -5 y 2
(Ecuador)
2.688.432
209.318
7,79%
Clients
Longitud debe estar
entre -81 y -75
(Ecuador)
2.688.432
207.345
7,71%
Users_pilot
Identificación solo
debe tener números
746.926
744.359
99,66%
Users_pilot
Identificación debe
tener la longitud de
10
746.926
744.330
99,65%
Users_pilot
Tipo de usuario debe
ser User
746.926
746.926
100,00%
Nota: (Autores, 2025).
En el caso de esta dimensión, se evidencia un porcentaje de calidad menor: 87.50%, sin
embargo, se ratifican problemas de calidad en campos de ubicación: parroquia, cantón,
provincia, latitud y longitud.
Dimensión de conformidad
Tabla 6
Resultados de la evaluación de dimensión de conformidad
Tabla
Regla
Registros
analizados
Registros
correctos
Porcentaje
calidad
Client
Identificación debe
cumplir con algoritmo
Cedula
1.780.453
1.780.453
100,00%
Client
Fecha de nacimiento de
estar entre 18 y 110 años
1.780.453
1.780.140
99,98%
Client
Fecha creación debe estar
entre las fechas definidas
1.780.453
1.780.453
100,00%
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
752
Users
Estado cliente es
'NEWLY_REGISTERE
D',
'ACTIVE_ACCOUNT',
'ACTIVE' y fecha deceso
no puede tener valor
1.810.305
693.277
38,30%
Users
Estado civil si es
CASADO o UNIÓN
LIBRE debe tener pareja,
caso de SOLTERO,
DIVORCIADO o
VIUDO no debe tener
pareja
1.810.305
820.630
45,33%
Customers
Fecha creación debe estar
entre las fechas definidas
1.810.305
1.777.230
98,17%
Users
Identificación debe
cumplir con algoritmo
Cedula
1.810.305
1.810.305
100,00%
Users
Fecha de nacimiento de
estar entre 18 y 110 años
1.810.305
1.786.819
98,70%
Users
Celular debe tener 9 dí-
gitos y ser numérico y
debe empezar con 09 o
+593
1.810.305
1.782.815
98,48%
Clients
Fecha creación debe estar
entre las fechas definidas
2.688.432
2.688.432
100,00%
Clients
Celular debe tener 9 dí-
gitos y ser numérico y
debe empezar con 09 o
+593
2.688.432
2.686.525
99,93%
Users_pil
ot
Fecha creación debe estar
entre las fechas definidas
746.926
746.926
100,00%
Nota: (Autores, 2025).
En cuanto a la conformidad, las reglas aplicables para el dominio de estudio son pocas,
dando como resultado un 90.68% de calidad, este resultado se ve impactado por dos campos
“estado civil” y “estado del cliente”, los mismos que también serán como parte de los planes
de remediación.
Una vez que se cuenta con los resultados detallados por cada dimensión, queda obtener
el porcentaje de calidad de partida, para lo cual según la fórmula previamente descrita se suman
los resultados individuales de cada dimensión según su ponderación.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
753
Figura 3
Resultados iniciales (baseline) registrados en el dashboard de monitoreo.
Nota: (Autores, 2025).
La figura muestra una primera visualización del dashboard desarrollado, del cual se
puede revisar los resultados históricos, además se puede aplicar varios filtros, por último,
proporciona una tabla con el detalle por dimensión, tabla y campo de los resultados individuales
de la medición.
Plan de remediación
El objetivo del siguiente plan de remediación, es elevar la calidad de datos del dominio
Clientes que parte desde un baseline del 91.3%, priorizando los campos que afectan procesos
clave entre ellos la analítica de datos para las dimensiones: completitud, unicidad, validez y
conformidad. Para este fin aplicaremos dos principios clave mencionados en DMBOOK
(DAMA International, 2017), como son: Remediación correctiva: Arreglar los datos que ya
están mal, es decir limpieza y Remediación preventiva: Corregir procesos para que los errores
no vuelvan a ocurrir.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
754
Tabla 7
Campos críticos identificados
Campo / Regla
Dimensión
Problema
Criticidad
Latitud y Longitud
Completitud / Validez
Altísimo nivel de nulos y
valores fuera de rango
Alta
País, Parroquia, Cantón
Completitud / Validez
Datos faltantes o no
pertenecen al catálogo
Media
Estado Civil / Estado del
cliente
Conformidad
Reglas de negocio no
cumplidas
Media
Duplicidad de Celular,
Correo, ID
Unicidad
Registros duplicados con
impacto operativo
Media
Dirección principal
Validez
Registros con datos
incompletos o inválidos
Media
Nota: (Autores, 2025).
Accionables de remediación
Remediación correctiva:
Se delimita el alcance a nivel de capa analítica (datalake) en las capas silver y gold,
realizando los correctivos mediante la obtención de data correcta de otras fuentes oficiales.
Esta estrategia se justifica debido a la naturaleza de la capa bronze, en la cual no se realiza
limpieza ni transformación y para la remediación correctiva de estos datos históricos en las
fuentes, se comunica formalmente los hallazgos de baja calidad al Data Steward, para que los
coordine oportunamente con las áreas de negocio, después de esto automáticamente se
remediarán los problemas de calidad desde las fuentes.
Tabla 8
Actividades para remediación de variables críticas
Actividad
Detalle
Ámbito de aplicación
Georreferenciar
coordenadas
Basado en las coordenadas de inicio de sesión
obtener la ubicación de mayor permanencia
basado en franjas horarios.
Capa gold
Validar ubicación vs.
catálogos
Comparar y corregir parroquia, cantón,
provincia, país usando catálogos oficiales.
Capa silver
Limpieza de duplicados
Usar técnicas de deduplicación exacta y fuzzy
matching sobre celular, ID y correo.
Capa silver
Corrección de valores de
Estado Civil / Estado
Cliente
Reglas programadas para establecer
relaciones válidas.
Capa silver
Revisión de formatos
Corregir longitud de cédula, formato de
correo, número de celular, etc.
Capas silver, gold
Nota: (Autores, 2025).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
755
Remediación preventiva:
Para cubrir la remediación preventiva se requiere de la intervención de las áreas de
producto, quienes, con los hallazgos encontrados deben establecer los mecanismos adecuados
dentro de los desarrollos, para garantizar que no vuelvan a ocurrir. En esta investigación el
alcance llega hasta: 1. La comunicación formal de los hallazgos al Data Steward quien es el
encargado por parte de gobierno de datos de escalar los errores de calidad y velar por el
cumplimiento de las acciones correctivas preventivas y 2. El monitoreo continuo de la calidad
desde las fuentes de datos. Por tal razón no se plantean actividades dentro de este apartado de
remediación preventiva.
Roles y responsabilidades.
Cabe recalcar que toda remediación es dirigida por el Data Steward, quien para los
casos de remediación a nivel de capa analítica dispondrá de Data Engineers para su ejecución,
mientras que, para remediación a nivel de fuentes, coordina con los Data Owner.
Tabla 9
Roles y responsabilidades para la gestión de calidad de datos
Rol
Responsabilidad
Data Steward
Coordina y supervisar ejecución de remediación, validar reglas.
Product Owner
Aprobar reglas de negocio y priorización de focos.
Data Engineer
Implementar validaciones, limpieza y pipelines.
Data Qualty
Engineer
Medir KPIs, generar alertas y reportes de seguimiento.
Software
Developer
Implementar las reglas a nivel de aplicación para ambos tipos de remediación,
correctiva y preventiva.
Chief Data Officer
Asegurar recursos y alinear con objetivos del negocio.
Nota: (Autores, 2025).
Resultados actuales
Posterior a la ejecución de gran parte de los planes de remediación se llega en un corto
plazo al 95.1%, iniciando como se mencionó anteriormente por los accionables dependientes
del equipo de datos es decir a nivel del datalake, en las capas silver y gold. Se realiza una nueva
medición y comparando con los resultados anteriores se tiene:
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
756
Tabla 10
Comparativa de los resultados por dimensión al inicio (Baseline) y en la actualidad (Después
de remediación)
Dimensión
Baseline
Después de remediación
Completitud
93,49%
93,56%
Unicidad
93,87%
99.80%
Validez
87,5%
88,13%
Conformidad
90,68%
98,95%
Nota: (Autores, 2025).
Figura 4
Resultados actuales registrados en el dashboard de monitoreo
Nota: (Autores, 2025).
Discusión
Los resultados arrojados por el artefacto en su etapa de evaluación inicial (baseline)
permitió identificar claramente los principales puntos de dolor en cuanto a la calidad de datos
del dominio “Clientes”. Un índice de calidad inicial del 91.3% no parecería malo al contrario
es bueno con oportunidades de mejora, principalmente en atributos relacionados con ubicación,
estado del cliente y estado del cliente.
Como se mencionó con anterioridad un diferencial importante que representa uno de
los aportes más relevantes del presente estudio fue la incorporación de la gestión de planes de
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
757
remediación. Siendo clave la sinergia entre los actores involucrados permitió iniciar un proceso
de mejora continua. Por tanto, se puede responder afirmativamente a la pregunta de
investigación, pues se verificó que la aplicación de una metodología para la medición de
calidad de datos y la ejecución de planes de remediación sí permite mejorar la calidad de datos.
Este caso de éxito aplicado al dominio de “Clientes” ahora mismo ya se está extendiendo hacia
otros dominios de información.
La mejora observada de 91,3% a 95,1% en el índice de calidad, sumada a la
identificación detallada de problemas específicos y la articulación de equipos técnicos para su
corrección, confirman que una gestión activa y sistemática genera un impacto positivo y
medible.
El incremento de un 3.8% respecto a la evaluación inicial, es pequeño y modesto, pero
de gran importancia si se considera que fue logrado en un entorno real de producción, con datos
activos y las limitantes de participación interdepartamental. Además, las metodologías
adoptadas Ciencia del Diseño (DSR) y TDQM demostraron ser eficaces para construir un
artefacto replicable, escalable y con valor práctico.
Otro aspecto para destacar es la utilidad del dashboard de monitoreo, el cual ha
permitido visualizar la calidad de los datos de forma granular, facilitando la toma de decisiones
para los responsables técnicos y de negocio. Sin embargo, también se evidenciaron limitaciones
importantes: la ausencia de alertas automáticas y la dependencia de procesos manuales tanto
para el seguimiento como para la remediación.
Conclusión
Este estudio ha demostrado que la aplicación de una metodología sistemática y práctica
para la gestión de calidad de datos en una Fintech permite no solo diagnosticar, sino también
mejorar la calidad de la información crítica para el negocio. La integración del enfoque TDQM
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
758
con la Ciencia del Diseño (DSR) permitió construir una solución orientada a resultados
concretos, validada empíricamente y apoyada en herramientas modernas como Great
Expectations y Power BI.
Uno de los principales logros fue evidenciar que los planes de remediación son una
pieza clave para cerrar el ciclo de calidad, logrando pasar de un diagnóstico del 91,3% a un
95,1% de calidad global en el dominio “Clientes”. Además, se reforzó la importancia de
involucrar distintos roles organizacionales Data Stewards, Data Engineers, Product Owners
para sostener las mejoras alcanzadas.
No obstante, el sistema aún tiene oportunidades de mejora, como la automatización de
alertas y la remediación directa desde las fuentes. Estos elementos se contemplan como
siguientes pasos, así como la extensión de este modelo a otros dominios de datos dentro de la
organización.
Referencias bibliográficas
Andrew Black (Van Nederpelt & Black), & Peter van Nederpelt (Van Nederpelt & Black).
(2020). Dimensions of Data Quality (DDQ). 1–113. https://www.dama-nl.org/wp-
content/uploads/2020/09/DDQ-Dimensions-of-Data-Quality-Research-Paper-version-
1.2-d.d.-3-Sept-2020.pdf
Araque González, G. A., Gómez Vásquez, M., Vélez Uribe, J. P., & Suárez Hernández, A. H.
(2021). Big Data y las implicaciones en la cuarta revolución industrial - Retos,
oportunidades y tendencias futuras. Revista Venezolana de Gerencia, 26(93), 33–47.
https://doi.org/10.52080/rvg93.04
Ardagna, D., Cappiello, C., Samá, W., & Vitali, M. (2018). Context-aware data quality
assessment for big data. Future Generation Computer Systems, 89, 548–562.
https://doi.org/10.1016/J.FUTURE.2018.07.014
Bena, Y. A., Ibrahim, R., & Mahmood, J. (2024). Current Challenges of Big Data Quality
Management in Big Data Governance: A Literature Review. Lecture Notes on Data
Engineering and Communications Technologies, 210, 160–172.
https://doi.org/10.1007/978-3-031-59711-4_15
Bicevskis, J., Bicevska, Z., Nikiforova, A., & Oditis, I. (2018). An Approach to Data Quality
Evaluation. 2018 5th International Conference on Social Networks Analysis,
Management and Security, SNAMS 2018, 196–201.
https://doi.org/10.1109/SNAMS.2018.8554915
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
759
Calabrese, J., Esponda, S., Pasini, A. C., Boracchia, M., & Pesado, P. M. (2019). Guía para
evaluar calidad de datos basada en ISO/IEC 25012. XXV Congreso Argentino de
Ciencias de La Computación, 1288–1296.
http://sedici.unlp.edu.ar/handle/10915/91086
DAMA International. (2017). DAMA-DMBOK: Data Management Body of Knowledge (2nd
ed.).
Herrera, Y. M., & Kapur, D. (2007). Improving data quality: Actors, incentives, and
capabilities. Political Analysis, 15(4), 365–386. https://doi.org/10.1093/pan/mpm007
McMann, K., Pemstein, D., Seim, B., Teorell, J., & Lindberg, S. (2022). Assessing Data
Quality: An Approach and An Application. Political Analysis, 30(3), 426–449.
https://doi.org/10.1017/pan.2021.27
Nikiforova, A. (2020). Definition and Evaluation of Data Quality: User-Oriented Data Object-
Driven Approach to Data Quality Assessment. BALTIC JOURNAL OF MODERN
COMPUTING, 8(3), 391–432. https://doi.org/10.22364/bjmc.2020.8.3.02
Vishnu Sakthi, D., Valarmathi, V., Surya, V., Karthikeyan, A., & Malathi, E. (2024). Bigdata
clustering and classification with improved fuzzy based deep architecture under
MapReduce framework. Intelligent Decision Technologies, 18(2), 1511–1540.
https://doi.org/10.3233/IDT-230537
Wulff, K., & Finnestrand, H. (2023). Data-driven information for action. Gruppe. Interaktion.
Organisation. Zeitschrift Fur Angewandte Organisationspsychologie, 54(1), 65–77.
https://doi.org/10.1007/s11612-023-00666-9
Zibak, A., Sauerwein, C., & Simpson, A. C. (2022). Threat Intelligence Quality Dimensions
for Research and Practice. Digital Threats: Research and Practice, 3(4).
https://doi.org/10.1145/3484202
