Dizer que um dado tem “qualidade” é vago. Uma forma mais útil é avaliar dimensões específicas.
1. Completude
Os campos necessários estão preenchidos? Um cadastro sem CNPJ ou um pedido sem data pode limitar análises e processos.
2. Validade
O valor respeita regras esperadas? Datas futuras impossíveis, códigos inexistentes ou formatos inválidos são exemplos.
3. Consistência
O mesmo conceito mantém coerência entre sistemas e registros? Se o cliente aparece como ativo em um sistema e inativo em outro, existe inconsistência.
4. Unicidade
Existem duplicidades que representam a mesma entidade? Esse problema é frequente em cadastros de clientes e fornecedores.
5. Atualidade
O dado está recente o suficiente para o uso? Um número correto de três meses atrás pode ser inadequado para uma decisão diária.
6. Acurácia
O valor representa corretamente a realidade? Essa dimensão pode exigir comparação com uma fonte confiável ou validação do processo que gera o dado.
Qualidade depende do uso
Não existe qualidade absoluta. Um endereço sem complemento pode ser suficiente para uma análise regional e inadequado para uma entrega.
Por isso, defina critérios a partir de casos de uso críticos.
Medir poucas regras relevantes é melhor do que criar centenas de controles que ninguém acompanha.
