Gestión de la calidad de los datos para una mejora continua Un caso práctico en E&P
Language: Español Publication details: 2018Description: 11 p. ; 195-206Subject(s): DDC classification:- 068.82 553.28 C62 2018 0015647
| Current library | Call number | Status | Barcode | |
|---|---|---|---|---|
| IAPG-Colección | 068.82 553.28 C62 2018 0015647 (Browse shelf(Opens below)) | Not for loan | 200065254 |
El mundo desarrollado ha pasado de una economía industrial a una economía de la información.Las empresas compiten sobre la capacidad de absorber y responder a la información, tomando decisiones a partir de ésta, no sólo de fabricar y distribuir productos. Por lo tanto, los datos son un activo valioso y necesario y la calidad de los mismos es crítica para el éxito.En particular, la toma de decisiones técnicas y estratégicas en la industria del Petróleo & Gas se basan en el análisis de grandes volúmenes de datos de variadas características: tipos, orígenes, granularidad, temporalidad, entre otras Estos datos generalmente están dispersos en diversas plataformas, lo cual puede ser redundante, complejo y costoso.En Data Management de YPF se inició un proyecto de integración de datos entre plataformas de interpretación lo que generó la necesidad de avanzar en la calidad de datos a nivel general con el fin de asegurar que los proyectos integrales resultantes sean consistentes desde la fuente misma de los datos, y de esta manera cumplir con una de las principales premisas de nuestra actividad que es la de facilitar al usuario información consolidada de la mejor calidad posible.Para lograr un nuevo nivel de calidad de los datos, se propuso medir, mejorar y monitorear la calidad de los datos en el tiempo. Esto implicó delimitar un alcance dentro del amplio concepto de Calidad, descomponer la calidad en características observables, definir -entre la gran variedad existente - los atributos de estas características de manera de generar métricas estandarizadas y sencillas.Estos conceptos se implementaron técnicamente logrando formalizar las actividades de calidad de datos, obteniendo las métricas, clasificando e identificando en detalle los problemas de calidad, automatizando tareas repetitivas y generando la oportunidad de extender el concepto a otros dominios de datos de una forma sencilla.



