Cómo medir la calidad de datos maestros antes del saneamiento

Para medir la calidad de los datos maestros antes del saneamiento, elija los campos críticos de cada dominio, defina el numerador y el denominador de cada indicador y haga el cálculo solo sobre los registros activos. Cinco indicadores alcanzan para la línea base: completitud, duplicidad, validez, estandarización de la descripción y consistencia. El resultado se convierte en el alcance y el orden de prioridad del saneamiento.

"Nuestra base de datos está pésima." Escuché esa frase en muchas reuniones durante los años en que implementé SAP. Compras se queja del material repetido, el área fiscal se queja del código fiscal vacío, finanzas se queja del proveedor cuyos datos no coinciden con los de la autoridad tributaria. Todos están de acuerdo. Entonces alguien pregunta: ¿pésima cuánto?

Nadie responde. Sin un número, el pedido de presupuesto para el saneamiento se vuelve una opinión contra otra. Y cuando el proyecto termina, nadie puede mostrar qué mejoró. Por eso defiendo medir antes de tocar un solo registro. La medición de hoy es la regla con la que se va a juzgar el saneamiento mañana.

¿Qué significa calidad de datos en los datos maestros?

Me gusta usar como referencia el Government Data Quality Framework, publicado por el Government Data Quality Hub del gobierno del Reino Unido. Describe seis dimensiones de calidad:

• Completitud: el grado en que los registros están presentes.
• Unicidad: el grado en que no hay duplicación de registros.
• Consistencia: el grado en que los valores de un conjunto no contradicen otros valores que representan la misma entidad.
• Actualidad: el grado en que el dato refleja con exactitud el período que representa.
• Validez: el grado en que el dato está en el rango y el formato esperados.
• Exactitud: el grado en que el dato corresponde a la realidad.

El mismo documento recuerda que la calidad perfecta puede no ser alcanzable y que el foco es tener datos adecuados para su uso (en inglés, fit for purpose). En los datos maestros, eso significa que el código fiscal del producto tiene que servir al área fiscal, la unidad de medida tiene que servir al almacén y la situación registral del proveedor tiene que servir a quien le paga.

Una advertencia antes de las cuentas: las fórmulas de este artículo son una recomendación operativa para armar la línea base. No son una norma ni un estándar oficial. Adáptelas a la realidad de su empresa y, sobre todo, documente cada regla para repetir la medición después. Si busca una visión más general de las dimensiones y las herramientas, tenemos un artículo sobre cómo garantizar datos precisos.

Una nota de contexto: los ejemplos vienen de Brasil. Allí cada empresa tiene un CNPJ, el número del registro nacional de personas jurídicas que administra la Receita Federal (la autoridad tributaria federal de Brasil), y las personas físicas tienen un CPF. Los materiales llevan un código NCM, la clasificación de productos del Mercosur, de ocho dígitos, usada con fines fiscales. La lógica de los indicadores sirve en cualquier país; solo cambian las fuentes oficiales.

¿Qué registros entran en el cálculo?

Este es el error que más distorsiona la línea base. Muchos equipos calculan los indicadores sobre toda la base, incluido el tornillo que nadie compra desde 2012 y el proveedor que cerró hace años.

Un registro sin movimiento no pesa igual en la operación diaria. Si entra en el denominador, el número sale peor que el problema real o, según el caso, mejor. En cualquiera de los dos, las prioridades salen mal.

Paso 1: defina qué es un registro activo

Elija una ventana de tiempo y un criterio de uso. Por ejemplo: material con orden de compra, factura, reserva o stock en los últimos 24 meses; proveedor con pedido o pago en el mismo período; cliente con venta o cuenta por cobrar abierta. Los registros bloqueados quedan fuera.

Paso 2: mida los inactivos por separado

El registro sin movimiento no desaparece del análisis. Se convierte en un número aparte, que suele alimentar una decisión simple: bloquear en lugar de sanear. Corregir la descripción de un ítem que nadie usa es gastar horas de especialista sin necesidad.

¿Qué campos son críticos en cada dominio?

Un campo crítico es aquel que, vacío o incorrecto, frena un proceso o genera riesgo. Elíjalos junto con las áreas que usan el dato y mantenga la lista corta. Una lista con cuarenta campos críticos se vuelve una lista de deseos que nadie logra atender.

• Materiales: descripción, unidad de medida, código NCM, grupo de artículos o clase, tipo de material y las características previstas en el patrón descriptivo.
• Proveedores: CNPJ o CPF, razón social, inscripción tributaria estatal cuando corresponda, dirección, datos bancarios y situación registral.
• Clientes: CNPJ o CPF, razón social, dirección de entrega y de cobro, inscripción tributaria estatal cuando corresponda y condición de pago.

¿Qué indicadores medir y cómo calcular cada uno?

La tabla resume los cinco indicadores de la línea base. La validez ocupa dos filas porque se mide en dos capas (formato y fuente oficial), y la actualidad es opcional. El denominador siempre está explícito, porque es lo que decide si el número podrá compararse después.

Indicador	Qué mide	Fórmula (numerador / denominador)	Ejemplo de regla por dominio
Completitud de campos críticos	Si los campos que usan los procesos están llenos	Registros activos con todos los campos críticos llenos / registros activos evaluados	Material: descripción, unidad, NCM y grupo llenos. Proveedor: CNPJ o CPF, dirección y datos bancarios. Cliente: CNPJ o CPF y dirección de entrega.
Duplicidad	Cuánto de la base activa está en grupos que parecen el mismo ítem o la misma empresa	Registros activos en grupos sospechosos / registros activos	Material: mismo fabricante y número de parte, o mismas características con descripción distinta. Proveedor y cliente: mismo CNPJ completo (no solo la misma raíz) o mismo CPF en más de un código activo.
Validez de formato	Si el valor respeta el formato y los valores permitidos	Registros con valor en el formato esperado / registros con el campo lleno	Material: NCM de ocho dígitos y unidad de medida de la lista permitida. Proveedor y cliente: CNPJ o CPF con dígitos verificadores correctos.
Validez en la fuente oficial	Si el dato coincide con la fuente pública	Registros activos con situación registral activa en la Receita Federal / registros activos con CNPJ consultados	Proveedor y cliente: CNPJ consultado en la Receita Federal; cuenta como no conforme cuando la situación es distinta de activa. El CPF queda fuera de esta cuenta o se verifica en otra fuente. Material: NCM verificado contra la tabla vigente que usa el área fiscal.
Estandarización de la descripción	Si la descripción sigue el patrón descriptivo definido	Ítems que siguen el patrón descriptivo / ítems evaluados	Material: descripción armada según el patrón de la clase, con las características en el orden definido y sin abreviaturas libres. Proveedor y cliente: dirección sin abreviaturas libres y razón social separada del nombre comercial.
Consistencia	Si los campos o los sistemas se contradicen	Registros sin contradicción según la regla / registros evaluados por la regla	Material: unidad de compra distinta de la unidad base con factor de conversión registrado. Proveedor: estado de la dirección igual al estado de la inscripción tributaria. Cliente: mismo CNPJ con la misma razón social en el ERP y en el CRM.
Actualidad (opcional)	Si el dato fue revisado dentro del plazo definido	Registros revisados dentro del plazo / registros activos	Proveedor: datos bancarios y documentos revisados en los últimos 12 meses. Cliente: dirección confirmada en el último ciclo de revisión. Material: ítem revisado tras un cambio de fabricante.

¿Cómo contar la duplicidad sin inflar el número?

La duplicidad es donde veo más confusión. Hay quien cuenta pares. El problema es que un grupo de cuatro registros iguales genera seis pares, y el número crece mucho más rápido que el problema.

Prefiero contar registros dentro de grupos sospechosos y reportar dos números:

• Tasa de registros en grupos sospechosos: registros activos que cayeron en algún grupo, divididos por el total de registros activos. Muestra el tamaño del trabajo de revisión.
• Registros excedentes: registros en grupos sospechosos menos la cantidad de grupos. Cada grupo confirmado conserva un código y elimina los demás. Muestra cuántos códigos pueden salir.

Fíjese en la palabra sospechoso. Hasta que alguien lo revise, es una sospecha. Por eso conviene revisar una muestra de grupos y anotar la tasa de confirmación. Esa tasa ajusta la estimación y enseña dónde la regla de búsqueda genera falsos positivos. Los términos y la lógica de agrupación están en nuestro glosario de deduplicación.

Una observación de dominio para Brasil. Cuando el ERP valida el CNPJ o el CPF como campo único, el proveedor o cliente duplicado tiende a ser menos común, y el problema real del proveedor suele estar en la validez. Conviene revisar cómo está configurado su sistema, porque no todas las bases tienen esa validación activa. En la regla de agrupación, separe también la raíz del CNPJ (los 8 primeros dígitos, compartidos por la casa matriz y sus sucursales) del CNPJ completo: la misma raíz con un CNPJ completo distinto puede ser una sucursal legítima, mientras que el mismo CNPJ completo en más de un código activo es sospecha de duplicidad. La duplicidad pesa de verdad en el maestro de materiales, donde el mismo ítem aparece con descripciones distintas.

¿Cómo medir la validez contra la fuente oficial?

Separe la validez en dos capas, porque responden preguntas distintas.

Capa 1: formato

¿El CNPJ tiene los dígitos verificadores correctos? ¿El NCM tiene ocho dígitos? ¿La unidad de medida está en la lista permitida? Esta capa se ejecuta sobre toda la base, con reglas simples, y detecta errores de digitación.

Capa 2: fuente oficial

Un CNPJ puede estar perfecto en el formato y aun así pertenecer a una empresa con situación registral distinta de activa. La consulta de la situación registral es un servicio público de la Receita Federal, que ofrece la emisión del comprobante de inscripción y situación registral y publica los datos abiertos del CNPJ en su página del CNPJ (en portugués).

El cálculo queda así: proveedores activos con situación activa en la Receita Federal, divididos por los proveedores activos consultados. Registre la fecha de la consulta junto con el resultado, porque la situación registral cambia con el tiempo y la línea base tiene que decir de cuándo es.

¿Cómo medir la estandarización de la descripción?

Solo se puede medir la estandarización si existe un estándar. Para materiales, eso significa un patrón descriptivo por clase de ítem: nombre del ítem, características obligatorias y el orden en que aparecen. Es lo que llamamos patrón descriptivo de materiales (PDM).

Si la empresa todavía no tiene un estándar, eso ya es un hallazgo de la línea base, y de los más importantes. De nada sirve deduplicar descripciones libres si el próximo registro nace igual.

Cuándo usar toda la base y cuándo una muestra

Completitud, validez de formato, consulta del CNPJ y búsqueda de grupos sospechosos se pueden automatizar. Ejecútelas sobre toda la base activa. La estandarización de la descripción y la confirmación de duplicados necesitan ojo humano. Para eso, use una muestra aleatoria, de preferencia estratificada por grupo de artículos, del tamaño que el equipo pueda revisar con cuidado. Anote el criterio y el tamaño de la muestra; si no, la próxima medición no será comparable.

¿Cómo queda la línea base en números? (ejemplo hipotético)

Ejemplo hipotético, con números redondos inventados solo para mostrar el cálculo. No es un caso real.

Materiales

• Base con 50.000 materiales registrados. De ellos, 30.000 tuvieron movimiento en los últimos 24 meses. Los otros 20.000 se miden aparte, como candidatos a bloqueo.
• Completitud: 24.000 materiales activos tienen descripción, unidad, NCM y grupo llenos. 24.000 / 30.000 = 80 %. Campo por campo, 4.500 activos no tienen NCM, así que la completitud del NCM es 25.500 / 30.000 = 85 %.
• Duplicidad: la búsqueda encontró 1.200 grupos sospechosos con 3.000 materiales activos. Tasa de registros en grupos sospechosos: 3.000 / 30.000 = 10 %. Registros excedentes: 3.000 menos 1.200 = 1.800, o el 6 % de la base activa.
• Confirmación: en una muestra de 200 grupos revisados, 150 se confirmaron (75 %). La estimación de excedentes reales queda en 1.800 x 0,75 = 1.350.
• Estandarización: en una muestra de 600 materiales activos, 330 siguen el patrón descriptivo. 330 / 600 = 55 %.

Proveedores

• Base con 6.000 proveedores registrados, de los cuales 2.000 tuvieron pedido o pago en los últimos 24 meses.
• Validez de formato: 1.990 tienen CNPJ o CPF con dígitos verificadores correctos. 1.990 / 2.000 = 99,5 %.
• Validez en la fuente oficial: de los 1.900 proveedores activos con CNPJ, 1.824 tienen situación activa en la Receita Federal. 1.824 / 1.900 = 96 %. Los otros 76 necesitan análisis.

Clientes

• Consistencia: de 10.000 clientes activos presentes en el ERP y en el CRM, 9.200 tienen la misma razón social para el mismo CNPJ en los dos sistemas. 9.200 / 10.000 = 92 %.

¿Cómo convertir la foto en alcance y prioridad del saneamiento?

El número solo no decide nada. Lo que decide es el número cruzado con el impacto. En el ejemplo hipotético, la lectura sería más o menos esta:

1. Riesgo primero: los 76 proveedores activos con situación distinta de activa pasan al frente, porque están recibiendo pedidos o pagos.
2. Dinero inmovilizado después: los grupos de materiales duplicados con stock o pedidos en más de un código vienen luego, porque generan compras repetidas y stock inflado.
3. Campos que frenan procesos: los 4.500 materiales activos sin NCM forman un paquete propio, con el área fiscal como responsable.
4. Estándar antes de la corrección: con un 55 % de estandarización, la primera entrega es el patrón descriptivo de las clases de mayor consumo. Solo después viene la reescritura masiva.
5. Bloqueo en lugar de saneamiento: los 20.000 materiales sin movimiento salen del alcance detallado y se convierten en una decisión de bloqueo.

Ese diseño da el alcance (cuántos registros, de qué dominios, con qué tratamiento) y el orden. Y deja lista la regla para volver a medir al final.

¿Por dónde empezar?

1. Elija un dominio para empezar, normalmente el que más duele hoy: materiales o proveedores.
2. Defina el criterio de registro activo y la ventana de tiempo. Déjelo por escrito.
3. Liste los campos críticos con las áreas que usan el dato.
4. Escriba la regla de cada indicador con numerador y denominador explícitos.
5. Ejecute las reglas automatizables sobre toda la base activa y separe la muestra para las revisiones manuales.
6. Consulte la situación registral de los CNPJ activos y registre la fecha de la consulta.
7. Cruce los resultados con el impacto en cada proceso y arme la lista de prioridades.

Con esa foto en la mano, es mucho más fácil diseñar y defender un proyecto de saneamiento de datos maestros con alcance y orden de ataque claros.

Preguntas frecuentes

¿Cuántas dimensiones de calidad necesito medir de verdad?

Para una línea base previa al saneamiento, cinco indicadores suelen alcanzar: completitud de campos críticos, duplicidad, validez (formato y fuente oficial), estandarización de la descripción y consistencia. La actualidad entra cuando la empresa ya tiene una rutina de revisión. La exactitud, en el sentido de comparar con la realidad física, exige ir al ítem o al proveedor y suele quedar para muestras puntuales.

¿Qué meta de calidad es aceptable?

No existe un número universal. El Government Data Quality Framework habla de datos adecuados para su uso, y la meta sigue esa lógica: depende del impacto del campo. Para la situación registral de un proveedor que recibe pagos, la tolerancia tiende a ser mínima. Para un campo descriptivo secundario, una meta menor puede alcanzar. Defina la meta por campo crítico, con el responsable del proceso, después de tener la línea base.

¿Cómo contar duplicados cuando la descripción es distinta?

No compare solo el texto de la descripción. Busque por atributos que identifican el ítem: fabricante y número de parte, características técnicas, unidad de medida y clase. Los registros que coinciden en esos atributos forman un grupo sospechoso, aunque tengan descripciones distintas. Después, cuente registros en los grupos (no pares) y confirme una muestra para calibrar la regla.

¿Con qué frecuencia debo volver a medir después del saneamiento?

Mida apenas se entregue el saneamiento, con las mismas reglas, ventana y criterios de la línea base, para comparar lo comparable. Después, convierta los indicadores en una rutina de gobierno de datos, con la periodicidad que defina la empresa, para ver si la calidad se mantiene o si los datos maestros vuelven a degradarse.

¿Un indicador de calidad de datos maestros es lo mismo que un KPI de desempeño del proveedor?

No. El KPI de desempeño mide cómo entrega el proveedor: plazo, calidad del producto, atención. El indicador de calidad de datos maestros mide si el registro del proveedor está completo, válido, consistente y sin duplicados. Un proveedor puede entregar muy bien y tener un CNPJ con una situación que no coincide, y lo contrario también ocurre.

Cómo 4MDG puede ayudar

Si su empresa sabe que sus datos maestros tienen problemas pero todavía no tiene números, el primer paso es el diagnóstico. Es la primera de las cinco etapas de nuestro servicio de saneamiento de datos (diagnóstico, estandarización, deduplicación, validación y enriquecimiento, gobierno continuo).

• El diagnóstico gratuito se hace sobre un recorte real de la base de materiales, proveedores y clientes, sin instalar nada, en pocos días.
• Entrega el índice de duplicidad con ejemplos de grupos de duplicados, la completitud por atributo, la conformidad registral verificada en fuentes públicas, la calidad de la descripción, una estimación de ganancia y una recomendación de camino.
• El material queda con la empresa, contrate o no.

Puede solicitar el diagnóstico, y el equipo evaluará si aplica a su caso, o ponerse en contacto con nosotros.

Fuentes

• Government Data Quality Hub (gobierno del Reino Unido). The Government Data Quality Framework. https://www.gov.uk/government/publications/the-government-data-quality-framework/the-government-data-quality-framework. Consultado el 5 de octubre de 2026.
• Receita Federal (autoridad tributaria federal de Brasil). Página del CNPJ, orientación tributaria, registros (en portugués). https://www.gov.br/receitafederal/pt-br/assuntos/orientacao-tributaria/cadastros/cnpj. Consultado el 5 de octubre de 2026.