Declarar una taxonomía de calidad de datos

Un marco_calidad enumera las dimensiones y factores contra los que se interpreta la cobertura de un análisis. No contiene métricas instanciadas: esa función sigue correspondiendo a modelo(). Tampoco es un catálogo de métricas; catalogo_agesic() conserva esa correspondencia específica.

Usage

marco_calidad(nombre, factores)

marco_agesic()

marco_iso25012()

marco_cepal()

Arguments

nombre

Nombre del marco.

factores

Data frame con dimension y factor, o lista con nombres. El data frame puede añadir estos campos de contrato:

como_resolverlo: instrucción que muestra cobertura_analisis() cuando el factor todavía no fue medido;
perfil_mide: lógico que declara si el profiling por sí solo aporta una medición suficiente del factor. No ejecuta métricas ni se infiere del nombre; su valor predeterminado es FALSE;
aplicabilidad: "siempre", "temporal" o "geometria". Las dos últimas permiten informar "no_aplica" cuando el perfil no contiene columnas temporales o geometrías, respectivamente;
disponibilidad: "disponible" o "fuera_de_alcance". Esta última declara una limitación del motor y no puede combinarse con perfil_mide = TRUE.

Las columnas adicionales se conservan como metadatos y no cambian por sí solas la cobertura. Si se usa una lista, como_resolverlo recibe una instrucción genérica, perfil_mide = FALSE, aplicabilidad = "siempre" y disponibilidad = "disponible" para todas las filas.

Value

marco_calidad(), marco_agesic(), marco_iso25012() y marco_cepal() devuelven un objeto S3 marco_calidad. as.data.frame() devuelve su tabla de factores.

Details

marco_agesic() devuelve la taxonomía incluida de fábrica. Un marco propio puede construirse con un data frame o con una lista cuyos nombres son dimensiones y cuyos valores son factores. La forma lista aplica a todas las filas los valores predeterminados descritos abajo; en particular, perfil_mide = FALSE.

marco_iso25012() adapta las dos perspectivas de ISO/IEC 25012:2008 a la estructura dimensión-factor. Usa tres grupos disjuntos como dimensiones: características inherentes, características inherentes y dependientes del sistema, y características dependientes del sistema. Este agrupamiento es una representación operativa para lupa, no afirma que la norma defina una jerarquía dimensión-factor. Los nombres de las quince características y su clasificación siguen la norma; las descripciones son redacción propia. Las quince filas declaran perfil_mide = FALSE: a diferencia de la política incluida para dos factores de AGESIC, el profiling genérico no demuestra por sí solo que una característica ISO satisfaga el uso declarado.

marco_cepal() representa los cuatro niveles y los diecinueve principios del marco nacional de aseguramiento de la calidad de las Naciones Unidas, adoptados y adaptados para América Latina y el Caribe por la CEA/CEPAL. La columna principio conserva la numeración de la fuente. Los nombres de los niveles y principios son textuales; las descripciones y las instrucciones como_resolverlo de este paquete son redacción propia. Los principios 1 a 13 quedan fuera del alcance de una tabla: se refieren al sistema, al entorno institucional o al proceso estadístico. Los principios 14 a 19 describen productos estadísticos y quedan disponibles, aunque ninguno se considera medido por el profiling genérico.

References

ISO/IEC (2008). ISO/IEC 25012:2008 Software engineering — Software product Quality Requirements and Evaluation (SQuaRE) — Data quality model. https://www.iso.org/standard/35736.html.

Naciones Unidas (2019). Manual del marco nacional de aseguramiento de calidad en las estadísticas oficiales. Estudios en Métodos, serie M, N° 100 (ST/ESA/STAT/SER.M/100), Nueva York.

Grupo de Trabajo de la Conferencia Estadística de las Américas (CEA), coordinado por Colombia (DANE) y México (INEGI), Secretaría Técnica: División de Estadísticas de la CEPAL (2022). Guía para la implementación del marco de aseguramiento de la calidad para procesos y productos estadísticos. LC/CEA.11/19. Comisión Económica para América Latina y el Caribe (CEPAL), Naciones Unidas, Santiago.

Examples

propio <- marco_calidad("Marco operativo", list(
  Trazabilidad = c("Origen documentado", "Linaje reproducible"),
  Pertinencia = "Adecuaci\u00f3n al uso"
))
propio
#> 
#> ── Marco operativo ──
#> 
#> Dimensiones: 2
#> Factores: 3
#> Origen: usuario
as.data.frame(propio)
#>      dimension              factor
#> 1 Trazabilidad  Origen documentado
#> 2 Trazabilidad Linaje reproducible
#> 3  Pertinencia   Adecuación al uso
#>                                     como_resolverlo perfil_mide aplicabilidad
#> 1 Declarar e instanciar una métrica de este factor.       FALSE       siempre
#> 2 Declarar e instanciar una métrica de este factor.       FALSE       siempre
#> 3 Declarar e instanciar una métrica de este factor.       FALSE       siempre
#>   disponibilidad
#> 1     disponible
#> 2     disponible
#> 3     disponible
marco_agesic()
#> 
#> ── Marco de calidad de datos de AGESIC ──
#> 
#> Dimensiones: 5
#> Factores: 17
#> Origen: AGESIC 2020, versión 1.6
iso <- marco_iso25012()
table(as.data.frame(iso)$dimension)
#> 
#>             Dependiente del sistema                           Inherente 
#>                                   3                                   5 
#> Inherente y dependiente del sistema 
#>                                   7 
marco_cepal()
#> 
#> ── Marco de aseguramiento de la calidad estadística de Naciones Unidas, adaptado por CEA/CEPAL ──
#> 
#> Dimensiones: 4
#> Factores: 19
#> Origen: Marco de Naciones Unidas (2019): Manual del marco nacional de
#> aseguramiento de calidad en las estadísticas oficiales, Estudios en Métodos,
#> serie M, N° 100 (ST/ESA/STAT/SER.M/100), Nueva York. Adaptación regional
#> CEA/CEPAL: Grupo de Trabajo de la Conferencia Estadística de las Américas
#> (CEA), coordinado por Colombia (DANE) y México (INEGI), Secretaría Técnica:
#> División de Estadísticas de la CEPAL (2022), Guía para la implementación del
#> marco de aseguramiento de la calidad para procesos y productos estadísticos
#> (LC/CEA.11/19), Comisión Económica para América Latina y el Caribe (CEPAL),
#> Naciones Unidas, Santiago. Fuentes:
#> https://unstats.un.org/unsd/methodology/dataquality/;
#> https://repositorio.cepal.org/handle/11362/47464