1
CALIDAD DE INFORMACIÓN
CALIDAD DE
INFORMACIÓN
PORTADA
2
CALIDAD DE INFORMACIÓN
ÍNDICE
- INTRODUCCIÓN
- APROXIMACIONES A LA CALIDAD
- MEDICIÓN DE MODELOS CONCEPTUALES
- MEDICIÓN DE MODELOS LÓGICOS
- CALIDAD DE DATOS
- ASPECTOS DE GESTIÓN
3
CALIDAD DE INFORMACIÓN
ÍNDICE
- INTRODUCCIÓN
- APROXIMACIONES A LA CALIDAD
- MEDICIÓN DE MODELOS CONCEPTUALES
- MEDICIÓN DE MODELOS LÓGICOS
- CALIDAD DE DATOS
- ASPECTOS DE GESTIÓN
4
PROBLEMAS DE “POLUCIÓN DE DATOS”
• Facilidad y bajo coste para registrar datos
• Redundancia no controlada
• Grandes cantidades de datos históricos caducados
Celko (1995)
“la mitad del coste total de implementar un almacén de datos
(datawarehouse) puede deberse a una pobre calidad de datos”
“la pobre calidad de datos ha sido una de las causas de
fracaso más importantes en los proyectos de reingeniería”
Gartner Group
CALIDAD DE INFORMACIÓN
INTRODUCCIÓN
5
CALIDAD DE INFORMACIÓN
INTRODUCCIÓN
Si los datos no tienen suficiente calidad,
entonces, se pueden convertir en fuentes
de problemas:
• Datos no usados
• Barreras en la accesibilidad de los datos
• Dificultades en la utilización de los
datos y de la información
Strong et al. (1997)
6
“Las empresas deben gestionar la información como un
producto importante, capitalizar el conocimiento como
un activo principal y, de esta manera, sobrevivir y
prosperar en la economía digital”
Huang et al. (1999)
Datos Información Conocimiento
CALIDAD DE INFORMACIÓN
INTRODUCCIÓN
7
CALIDAD DE LA INFORMACIÓN
CALIDAD DE LA BD CALIDAD DE LA
PRESENTACIÓN
CALIDAD
DEL
SGBD
CALIDAD
MODELO
DE DATOS
CALIDAD
DE LOS
DATOS
CALIDAD DE INFORMACIÓN
INTRODUCCIÓN
8
Esquema
conceptual
Estrutura percibida
(no formalizada)
Esquema
de base
de datos
Esquema
interno
MODELO
DE BD
MODELO INTERNO
BASE DE
DATOS
FISICA
SGBD
DISEÑO FISICO
MODELADO CONCEPTUAL
DISEÑO LOGICO
Valores objetos y asociaciones con
sus propiedades y reglas
MODELO
CONCEPTUAL Esquema
conceptual
Estrutura percibida
(no formalizada)
Esquema
de base
de datos
Esquema
interno
MODELO
DE BD
MODELO INTERNO
BASE DE
DATOS
FISICA
BASE DE
DATOS
FISICA
SGBD
DISEÑO FISICO
MODELADO CONCEPTUAL
DISEÑO LOGICO
Valores
sus propiedades y reglas
MUNDO REAL
CALIDAD DE INFORMACIÓN
INTRODUCCIÓN
9
Calidad
del
proceso
Calidad
del
producto
AUTOR AUTOR
INSTITUCION INSTITUCION
LIBRO LIBRO Trata Trata TEMA TEMA
Edita Edita
EDITORIAL EDITORIAL SOCIO SOCIO
Tiene Tiene EJEMPLAR EJEMPLAR
Nombre_a
Nombre_i
Identificativo
Presta Presta
Consta Consta
(1,n) (0,n)
(0,n)
(0,n)
(0,n)
(0,n)
(0,n)
(0,n) (0,n)
(1,n) (1,n) (1,n) (1,1)
(1,1)
N:M
N:M
N:M
N:M
N:M
1:N
1:1
Escribe
Trabaja
Nombre_t
Fecha_p
Fecha_s
Num _s
Cod _libro
Nombre_e
BD
CALIDAD DE INFORMACIÓN
INTRODUCCIÓN
10
CALIDAD DE INFORMACIÓN
ÍNDICE
- INTRODUCCIÓN
- APROXIMACIONES A LA CALIDAD
- MEDICIÓN DE MODELOS CONCEPTUALES
- MEDICIÓN DE MODELOS LÓGICOS
- CALIDAD DE DATOS
- ASPECTOS DE GESTIÓN
11
Autor(es) Propósito Características Tipo Enfoque
Lindland, Sindre y
Solvberg (1994)
Krogstie, Lind land y
Sindre (1995)
Entender la calidad en
el modelado conceptual
Base lingüística.
Separación de objetivos
y medios
Marco de
referencia
Teórico
Pohl (1994) Definir objetivos y
dimensiones de proceso
para modelado de req.
Especificación,
representación y
acuerdo
Marco de
referencia
Teórico
Moody and Shanks (1994)
Moody (1998)
Evaluar la calidad de
modelos E/R
Factores de calidad,
Estrategias y métodos
de evaluación
Marco de
referencia
Práctico
Simsion (1994) Definir características
de calidad para
esquemas E/R
Diseño y evaluación de
esquemas alternativos
Lista Práctico
Batin i, Ceri and Navathe
(1992)
Mejorar la calidad de
un esquema de bases de
datos
Características de
calidad de un buen
esquema,
transformaciones de
esquemas
Lista Práctico
Roman (1985) Definir propiedades
para especificaciones
de requisitos
Propiedades asociadas
a su utilización en el
proceso de diseño
Lista Teórico
Boman et al. (1997) Construir modelos
conceptuales de calidad
Características de un
buen esquema
Lista Práctico
CALIDAD DE INFORMACIÓN
APROXIMACIONES
12
CALIDAD DE INFORMACIÓN
APROXIMACIONES
ROMAN (1985)
Conveniencia
Limpieza conceptual
Eficiencia computacional
Facilidad de construcción
Estructuración
Precisión, falta de ambigüedad,
compleción, consistencia
Analizabilidad
. . .
13
BATINI, CERI y NAVATHE (1992)
Compleción
Corrección
Minimalidad
Expresividad
Legibilidad
Autoexplicación
Extensibilidad
Normalidad
CALIDAD DE INFORMACIÓN
APROXIMACIONES
14
Compleción: un esquema es completo cuando representa todas las
características relevantes del dominio de aplicación:
• respecto a los requisitos
• respecto al esquema
Corrección: un esquema es correcto cuando utilizan de forma apropiada
los conceptos del modelo E/R.
•sintáctica
•semántica
Minimalidad: un esquema es minimal cuando todo aspecto de los
requisitos aparece sólo una vez en el esquema
Expresividad: un esquema es expresivo cuando representa los requisitos
de una manera natural,sin necesidad de explicaciones adicionales.
CALIDAD DE INFORMACIÓN
APROXIMACIONES
15
Legibilidad: Es una propiedad del diagrama que representa al
esquema. Un diagrama tiene buena legibilidad cuando respeta ciertos
criterios estéticos que hacen al diagrama elegante.
Autoexplicación: Un esquema es autoexplicativo cuando un gran
número de propiedades puede representarse utilizando el propio
modelo conceptual, sin otros formalismos.
Extensibilidad: Un esquema es fácilmente adaptado a cambios en los
requisitos cuando se descompone en partes (módulos, vistas).
Normalidad: pretende conservar los datos en una forma limpia,
“purificada”. (Aplicación de la teoría de la normalización del modelo
relacional).
CALIDAD DE INFORMACIÓN
APROXIMACIONES
16
Lindland et al. (1994)
- Muchas definiciones son vagas, complicadas e, incluso, inexistentes - La lista no es estructurada y las propiedades se solapan parcialmente - Se mezclan propiedades de la especificación con las propiedades del método y del lenguaje - Presuponen la existencia de diseño/implementación - Algunos objetivos son poco realistas, o imposibles
CARACTERÍSTICAS DE LAS LISTAS
CALIDAD DE INFORMACIÓN
APROXIMACIONES
17
Lindland et al. (1994, 1995)
MODELO
DOMINIO
LENGUAJE
INTERPRETACIÓN
DE LA AUDIENCIA
CONOCIMIENTO
PARTICIPANTE
CALIDAD
SEMÁNTICA CALIDAD
SINTÁCTICA
CALIDAD
SEMÁNTICA
PERCIBIDA
CALIDAD
PRAGMÁTICA
CALIDAD
SOCIAL
AUTORAUTOR INSTITUCIONINSTITUCION
LIBROLIBRO TrataTrata TEMATEMA
EditaEdita
EDITORIALEDITORIALSOCIOSOCIO
TieneTieneEJEMPLAREJEMPLAR
Nombre_a
Nombre_i
Identificativo
PrestaPrestaConstaConsta
(1,n) (0,n)
(0,n)
(0,n)
(0,n)
(0,n)
(0,n)
(0,n) (0,n)
(1,n)(1,n)(1,n) (1,1)
(1,1)
N:M
N:M
N:M
N:M
N:M
1:N
1:1
Escribe
Trabaja
Nombre_t
Fecha_p
Fecha_s
Num_s
Cod_libro
Nombre_e
Lindland et al. (1994, 1995)
MODELO
DOMINIO
LENGUAJE
INTERPRETACIÓN
DE LA AUDIENCIA
CONOCIMIENTO
PARTICIPANTE
CALIDAD
SEMÁNTICA CALIDAD
SINTÁCTICA
CALIDAD
SEMÁNTICA
PERCIBIDA
CALIDAD
PRAGMÁTICA
CALIDAD
SOCIAL
AUTORAUTOR INSTITUCIONINSTITUCION
LIBROLIBRO TrataTrata TEMATEMA
EditaEdita
EDITORIALEDITORIALSOCIOSOCIO
TieneTieneEJEMPLAREJEMPLAR
Nombre_a
Nombre_i
Identificativo
PrestaPrestaConstaConsta
(1,n) (0,n)
(0,n)
(0,n)
(0,n)
(0,n)
(0,n)
(0,n) (0,n)
(1,n)(1,n)(1,n) (1,1)
(1,1)
N:M
N:M
N:M
N:M
N:M
1:N
1:1
Escribe
Trabaja
Nombre_t
Fecha_p
Fecha_s
Num_s
Cod_libro
Nombre_e
CALIDAD DE INFORMACIÓN
APROXIMACIONES
18
• Separar las propiedades directas de la especificación de las
del lenguaje y del método
• Separar los objetivos de calidad de los medios para
alcanzarlos (viabilidad)
• Disponer de un fundamento matemático
• Tener propiedades relacionadas directamente con la
especificación
OBJETIVOS
CALIDAD DE INFORMACIÓN
APROXIMACIONES
19
ELEMENTOS
• Audiencia: unión del conjunto de actores individuales, el conjunto
de actores sociales organizacionales y el conjunto de actores técnicos
que necesitan relacionarse con el modelo
• Modelo: conjunto de todas las sentencias expresadas explícita o
implícitamente
• Lenguaje: conjunto de todas las sentencias que se pueden expresar
de acuerdo al vocabulario y la gramática de los lenguajes de modelado
utilizados
• Dominio: conjunto de todas las sentencias serían correctas y
relevantes acerca del problema
• Interpretación de la audiencia: conjunto de todas las sentencias de
las que la audiencia piensa que consta el modelo
• Conocimiento de los participantes: unión de los conjuntos de
sentencias de todos los actores sociales individuales
CALIDAD DE INFORMACIÓN
APROXIMACIONES
20
CALIDAD
Sintáctica: corrección sintáctica
Semántica: validez y compleción (viables) percibidas
Pragmática: comprensión (viable)
Social: acuerdo (viable), conforme a 2 dimensiones:
. Conocimiento vs. acuerdo en la interpretación del modelo
. Acuerdo relativo vs. acuerdo absoluto
CALIDAD DE INFORMACIÓN
APROXIMACIONES
21
Tipos de calidad Objetivos Medios
Propiedades modelo Actividades
SINTÁCTICA Corrección sintáctica Sintaxis formal Verif. sintáctica
Validez viable
Compleción viable
Semántica formal
Modificabilidad
Verif. Consistencia
Inserción sentencias
Borrado sentencias
SEMÁNTICA
Percibida Entrenamiento
PRAGMÁTICA Comprensión viable Economía expresiva
Estética
Ejecutabilidad
Inspección
Visualización
Filtrado
Presentación diag.
Parafrasear
Explicación
Entrenamiento
Ejecución
Animación
Simulación
SOCIAL Acuerdo viable Modelado conflicto Análisis punto vista
Resolución conflicto
Fusión de modelos
CALIDAD DE INFORMACIÓN
APROXIMACIONES
22
Moody y Schanks (1994, 1998)
MODELO
AUTORAUTOR INSTITUCIONINSTITUCION
LIBROLIBRO TrataTrata TEMATEMA
EditaEdita
EDITORIALEDITORIALSOCIOSOCIO
TieneTieneEJEMPLAREJEMPLAR
Nombre_a
Nombre_i
Identificativo
PrestaPrestaConstaConsta
(1,n) (0,n)
(0,n)
(0,n)
(0,n)
(0,n)
(0,n)
(0,n) (0,n)
(1,n)(1,n)(1,n) (1,1)
(1,1)
N:M
N:M
N:M
N:M
N:M
1:N
1:1
Escribe
Trabaja
Nombre_t
Fecha_p
Fecha_s
Num_s
Cod_libro
Nombre_e
FACTOR DE
CALIDAD
STAKEHOLDER MÉTODO DE
EVALUACIÓN
ESTRATEGIA DE MEJORA
PESO
VALORACIÓN
CALIDAD DE INFORMACIÓN
APROXIMACIONES
23
ELEMENTOS
• Factor de calidad: propiedad deseable de un modelo de datos
• Stakeholder: personas involucradas en la construcción o utilización
del modelo
• Estrategias de mejora: Técnicas para mejorar la calidad de los
modelos de datos
• Método de evaluación: modo sistemático de evaluar factores de
calidad
• Peso: define la importancia relativa de los factores de calidad
• Valores: representan la valoración de un factor de calidad por un
stakeholder
CALIDAD DE INFORMACIÓN
APROXIMACIONES
24
FACTORES DE CALIDAD
Moody (1998)
usuario usuario usuario usuario
MODELO
DE CALIDAD
analista analista admin.
datos
desarrollador
compleción integridad flexibilidad comprens.
corrección simplicidad integración implem.
CALIDAD DE INFORMACIÓN
APROXIMACIONES
25
• Compleción: capacidad del modelo de tener toda la
información requerida para cumplir los requisitos del usuario
• Integridad: grado en el que las reglas del negocio que se
aplican a los datos están definidas en el modelo de datos
• Flexibilidad: facilidad con la que el modelo de datos se puede
adaptar a los cambios en los requisitos
• Comprensibilidad: facilidad con la que el modelo de datos
puede ser entendido (perceptual y operacional)
CALIDAD DE INFORMACIÓN
APROXIMACIONES
26
• Corrección: se refiere a si el modelo cumple las reglas de las
técnicas de modelado utilizadas
• Simplicidad: significa que el modelo contiene los mínimos
constructores posibles
• Integración: nivel de consistencia del modelo de datos con el
resto de los datos de la organización
• Implementabilidad: facilidad con la que el modelo de datos
puede ser implementado dentro de las restricciones de tiempo,
presupuesto y tecnología del proyecto
CALIDAD DE INFORMACIÓN
APROXIMACIONES
27
INTERACCIONES ENTRE FACTORES
COMPREN SIMPLIC FLEXIB COMPLEC IMPLEM INTEGR
COMPREN.
SIMPLIC. +FLEXIB. +COMPLEC. +IMPLEM. + - -INTEGR. - + - +
Moody y Schanks (1994)
CALIDAD DE INFORMACIÓN
APROXIMACIONES
28
Shanks y Darke (1997)
MARCO INTEGRADO PARA LA CALIDAD
- AMBOS MARCOS COMPARTEN CONCEPTOS
AUDIENCIA = STAKEHOLDER
OBJETIVO, PROPIEDAD = FACTOR DE CALIDAD
ACTIVIDAD = ESTRATEGIA
- CONSIDERACIONES TEÓRICAS Y PRÁCTICAS
- VÁLIDO PARA EL PRODUCTO Y EL PROCESO
CALIDAD DE INFORMACIÓN
APROXIMACIONES
29
AUDIENCE
EVALUATION METHOD
WEIGHTING
QUALITY FACTOR
MEANS
MODEL
RATING
DOMAIN
LANGUAGE
QUALITY TYPE
GOAL
Theory
Based
Practice
Based
has knowledge
of
appropriate for
appropriate for
interprets
represents
used in
PROPERTY
ACTIVITY
classifies
contains
is achieved by
maps to
is achieved by is assigned
scores
used for assigns
concerned with
is assigned
valued by
maps to
OR
CALIDAD DE INFORMACIÓN
APROXIMACIONES
30
ENFOQUE ONTOLÓGICO Kesh (1995)
calidad
Funcionamiento Ontología
Usabilidad
(usuario)
Usabilidad
(diseñador)
Estructura Contenido
adecuación al problema
validez
consistencia
concisión
compleción
cohesión
validez
Mantenibilidad
Precisión Rendimiento
CALIDAD DE INFORMACIÓN
APROXIMACIONES
31
USABIL. (usuario)
USABIL. (diseñador)
MANTENIB. EXACT RENDIM.
Adecuación X
Solidez X X
Consistencia X X X
Concisión X X X
Compleción X X X X
Cohesión X X
Validez X
CALIDAD DE INFORMACIÓN
APROXIMACIONES
32
CALIDAD DE INFORMACIÓN
ÍNDICE
- INTRODUCCIÓN
- APROXIMACIONES A LA CALIDAD
- MEDICIÓN DE MODELOS CONCEPTUALES
- MEDICIÓN DE MODELOS LÓGICOS
- CALIDAD DE DATOS
- ASPECTOS DE GESTIÓN
33
Esquema
conceptual
Estrutura percibida
(no formalizada)
Esquema
de base
de datos
Esquema
interno
MODELO
DE BD
MODELO INTERNO
BASE DE
DATOS
FISICA
SGBD
DISEÑO FISICO
MODELADO CONCEPTUAL
DISEÑO LOGICO
Valores objetos y asociaciones con
sus propiedades y reglas
MODELO
CONCEPTUAL Esquema
conceptual
Estrutura percibida
(no formalizada)
Esquema
de base
de datos
Esquema
interno
MODELO
DE BD
MODELO INTERNO
BASE DE
DATOS
FISICA
BASE DE
DATOS
FISICA
SGBD
DISEÑO FISICO
MODELADO CONCEPTUAL
DISEÑO LOGICO
Valores
sus propiedades y reglas
MUNDO REAL
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
E/R
UML
34
-Definir sólo “propiedades deseables” no es suficiente
para evaluar la calidad, ... por lo que es necesario contar
con medidas que permitan evaluar la calidad de los
modelos conceptuales de datos de forma cuantitativa y
objetiva, ... Moody et al. (1998)
- Medir datos puede ayudar a controlar y predecir
aspectos del modelo de datos durante el proceso de
desarrollo software (MacDonell et al., 1997)
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
35
Moody (1998) Compleción
•Nº de elementos del modelo de datos que no corresponden con requisitos de
usuario
Nº de requisitos de usuario no representados en el modelo de datos
Nº de elementos de datos que corresponden a requisitos de usuario pero
definidos de forma inexacta
Nº de inconsistencias con el modelo de procesos
Integridad
Nº de reglas del negocio que no se hacen cumplir por el modelo de datos
Nº de restricciones de integridad incluidas en el modelo de datos que no
corresponden a políticas del negocio
Flexibilidad
Nº de elementos en el modelo que están sujetos a cambios en el futuro
Costes estimados de los cambios
Importancia estratégica de los cambios
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
36
Moody (1998)
Comprensibilidad
•Valoración de los usuarios sobre la comprensibilidad del modelo
Capacidad de los usuarios de interpretar el modelo correctamente
Valoración de los desarrolladores de aplicaciones sobre la comprensibilidad
del modelo
Corrección
•Nº de violaciones de las convenciones de modelado de datos
Nº de violaciones a las formas normales
Nº de instancias de redundancia en el modelo
Simplicidad
•Nº de entidades
Nº de entidades e interrelaciones
Suma ponderada de constructos (aNE + bNR + cNA)
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
37
Moody (1998)
Integración
• Nº de conflictos con el modelo de datos corporativo
Nº de conflictos con los sistemas existentes
Valoración de los representantes de todas las áreas de negocio
Implementabilidad
• Valoración de riesgo técnico
Valoración de riesgo de planificación
Estimación del coste de desarrollo
Nº de elementos físicos incluidos en el modelo de datos
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
38
Kesh (1995)
• Calcular la puntuación de los componentes ontológicos
individuales
• Combinar las puntuaciones de los componentes
ontológicos relevantes a cada comportamiento
• Combinar las puntuaciones de los componentes para
calcular la puntuación de la calidad
Q = w1 . s1 + w2 . s2 + w3 . s3 + w4 . s4 + w5 . s5
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
39
s1 = (o1 + o3 + o4 + o5) / 4
s2 = (o2 + o3 + o5 + o6 + o7) / 5
s3 = (o2 + o4 + o6) / 3
s4 = (o3 + o5) / 2
s5 = (o4 + o5) / 2
USABIL. (usuario)
USABIL.(diseñador)
MANTENIB. EXACT RENDIM.
Adecuación X
Solidez X X
Consistencia X X X
Concisión X X X
Compleción X X X X
Cohesión X X
Validez X
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
40
o1 (adecuación de la estructura): valorada por los usuarios en una escala de 5 puntos
o2 (solidez de la estructura): valorada por un grupo de técnicos
o3 (consistencia de la estructura): o3 = M – D1 donde M = Máximo de puntos
posibles (5) y D1 está basado en el ratio R = (número de inconsitencias/número de
implicacions), dado por 4n1, donde n1 es el número de interrelaciones
o4 (concisión de la estructura): Si n es el número de entidades, el mínimo de
interrelaciones será (n-1), en cuyo caso o4 = 5. La peor situación posible es c2n, en
cuyo caso o4 = 0. En general: o4 = M ((c2n – n1) / (c2
n – (n-1)).
o5 (compleción del contenido): se deduce de un máximo M los datos que faltan
según los informes y consultas que se deben generar de la base de datos.
o6 (cohesión del contenido): para cada entidad se mide el tamaño de su clave
primaria. Si es simple se puntúa el máximo. Si utiliza todos los atributos de la entidad
se puntúa o6i = 0, donde i es el número de la entidad. En general o6i= M ((ne – np) / (ne
– 1)) donde ne es el número de atributos de la entidad y np el número de atributos que
forman la clave primaria. La cohesión total es: o6 = o6i / n
o7 (validez del contenido): se asigna M si todos los atributos son válidos. En
general: o7 = M (1 – ni / ne) siendo ni los atributos incorrectos.
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
41
Gray et al. (1991)
• Complejidad de una entidad “i”:
iF*iDiE Di = Complejidad de la arquitectura de datos
Fi = Complejidad funcional
• Complejidad de la arquitectura de datos:
)iNFDA*biFDA*a(*iRiD 0<a<=b
Ri = número de interrelaciones
FDAi = nº de atributos funcionalmente dependientes
NFDAi = nº atributos no dependientes
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
42
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
Gray (1991)
( ) c n
i i E E
1
ERAREA
E eReAeReE eAeM
333333
43
Eick (1991)
5 qu 4 qu 3 qu
2 qu * 3
1 qu * 3
1 f
qu1, número de dependencias funcionales que se dan en U no
expresadas en Si
qu2, número de dependencias en existencia que se dan en U no
expresadas en Si
qu3, número de atributos y conexiones de subtipos en Si.
qu4, número de clases en Si
qu5, número de etiquetas en Si
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
44
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
ISO 9126
SOFTWARE QUALITY
Usability
Efficiency
Reliability
Maintainability
Functionality Portability
45
CALIDAD DE BASES DE DATOS MODELOS CONCEPTUALES
Maintainability
Modifiability AnalysabilityUnderstandability TestabilityStability Compliance
Complexity
Maintainability
Modifiability AnalysabilityUnderstandability TestabilityStability Compliance
Maintainability
Modifiability AnalysabilityUnderstandability TestabilityStability Compliance
Complexity
46
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
Henderson-Sellers (1994)
COMPLEXITY
Computational Representational
Problem
Complexity
Product or
Structural
Complexity
Cognitive
Complexity
Psychological
47
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
GOAL
Analyse ER diagrams
for the purpose of Evaluating
with respect to their Maintainability
from the point of view of the Software designers
in the context of Software delevopment organisations
48
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
• Number of entities (NE)
• Number of attributes (NA)
• Number of derived attributes (NDA)
• Number of composite attributes (NCA)
• Number of multivalued attributes (NMVA)
• Number of relationships (NR)
• Number of M:N relationships (NM:NR)
• Number of 1:N relationships (N1:NR)
49
CALIDAD DE INFORMACIÓN
MODELOS CONCEPTUALES
• Number of N-Ary relationships (NN-AryR)
• Number of binary relationships (NBinaryR)
• Number of IS_A relationships (NIS_AR)
• Number of reflexive relationships (NRefR)
• Number of redundant relationships (NRR)
50
CALIDAD DE INFORMACIÓN
ÍNDICE
- INTRODUCCIÓN
- APROXIMACIONES A LA CALIDAD
- MEDICIÓN DE MODELOS CONCEPTUALES
- MEDICIÓN DE MODELOS LÓGICOS
- CALIDAD DE DATOS
- ASPECTOS DE GESTIÓN
51
- Prácticamente no existen métricas para bases de datos
- Sneed y Foshag (1998) “metrics for databases have been
neglected in the metric community”
- Medir datos puede ayudar a controlar y predecir
aspectos del modelo de datos durante el proceso de
desarrollo software (MacDonell et al., 1997)
- Un enfoque más “riguroso” para asegurar la calidad de
las bases de datos
CALIDAD DE INFORMACIÓN
MODELOS LÓGICOS
52
CALIDAD DE INFORMACIÓN
MODELOS LÓGICOS
Esquema
conceptual
Estrutura percibida
(no formalizada)
Esquema
de base
de datos
Esquema
interno
MODELO INTERNO
BASE DE
DATOS
FISICA
SGBD
DISEÑO FISICO
MODELADO CONCEPTUAL
DISEÑO LOGICO
Valores objetos y asociaciones con
sus propiedades y reglas
MODELO
CONCEPTUAL Esquema
conceptual
Estrutura percibida
(no formalizada)
Esquema
de base
de datos
Esquema
interno
MODELO INTERNO
BASE DE
DATOS
FISICA
BASE DE
DATOS
FISICA
SGBD
DISEÑO FISICO
MODELADO CONCEPTUAL
DISEÑO LOGICO
Valores
sus propiedades y reglas
MUNDO REAL
relacional
obj-rel
activa MODELO
DE BD
MODELO
DE BD
53
CALIDAD DE INFORMACIÓN
MODELOS LÓGICOS
Bases de datos relacionales
– Las más implantadas en la actualidad
(Leavit, 2000)
Bases de datos activas
– Muchos productos comerciales incluyen actividad
(Ceri y Widom, 1996; Paton y Díaz, 2000)
Bases de datos objeto-relacionales
– En el año 2003 sustituirán a las relacionales
(Leavit, 2000)
54
CALIDAD DE INFORMACIÓN
MODELOS LÓGICOS
• Métricas propuestas para programas tradicionales
– Líneas de código
– Número de sentencias de programación
– SIZE1. Definida como el número de ;. Li y Henry (1993)
– Métricas de la Ciencia del Software (Software Science). Halstead (1977)
– Puntos Función. Albrecht y Gaffney (1983)
– Complejidad ciclomática. McCabe (1976)
– Fan-in y fan-out. Henry y Kafura (1981)
55
CALIDAD DE INFORMACIÓN
MODELOS LÓGICOS
Métricas para modelos lógicos
Bases de datos relacionales
Ratio de normalidad (Gray et al., 1991)
Bases de datos activas
Bases de datos objeto-relacionales
Adaptación de métricas para sistemas OO
56
CALIDAD DE INFORMACIÓN
MODELOS LÓGICOS
OBJETIVO (Goal)
Propósito: Asegurar la
Asunto: mantenibilidad
Objeto: de las bases de datos relacionales
Punto de vista: desde el punto de vista del diseñador de la base de datos
DEFINICIÓN DE MÉTRICAS
Bases de Datos Relacionales
57
CALIDAD DE INFORMACIÓN
MODELOS LÓGICOS
PREGUNTAS (Question)
1. ¿Cómo influye la complejidad de las tablas en la
mantenibilidad de las bases de datos relacionales?
2. ¿Cómo influye la complejidad entre tablas en la
mantenibilidad de las bases de datos relacionales?
58
CALIDAD DE INFORMACIÓN
MODELOS LÓGICOS
INTRA
ELEMENTO
INTER
ELEMENTO
NA(T) NA
NFK(T) NFK
DRT(T) DRT
RFK(T) RFK
NT
NR
BASES DE DATOS
RELACIONALES
COS
59
CALIDAD DE INFORMACIÓN
MODELOS LÓGICOS
BASE DE
DATOS
NIVEL
MÉTRICA
BRIAND ET AL. (1996)
ZUSE (1998)
NA TAMAÑO ENCIMA ORDINAL
NFK COMPLEJIDAD ENCIMA ORDINAL
DRT LONGITUD ORDINAL
TABLA
RFK NO CLASIFICABLE ABSOLUTA
NA TAMAÑO ENCIMA ORDINAL
NFK COMPLEJIDAD ENCIMA ORDINAL
DRT LONGITUD ORDINAL
RFK NO CLASIFICABLE ABSOLUTA
NT TAMAÑO RATIO
NR NO CLASIFICABLE ABSOLUTA
RELACIONAL
ESQUEMA
COS NO CLASIFICABLE RATIO
60
CALIDAD DE INFORMACIÓN
MODELOS LÓGICOS
DEFINICIÓN DE MÉTRICAS
Bases de Datos Activas
INTER
ELEMENTO
INTRA
ELEMENTO
NAn NO
D NS
BASES DE DATOS ACTIVAS
TP
61
CALIDAD DE INFORMACIÓN
CALIDAD DE DATOS
- INTRODUCCIÓN
- APROXIMACIONES A LA CALIDAD
- MEDICIÓN DE MODELOS CONCEPTUALES
- MEDICIÓN DE MODELOS LÓGICOS
- CALIDAD DE DATOS
- ASPECTOS DE GESTIÓN
62
CALIDAD DE BASES DE DATOS
Wang et al. (1993) y (1995)
requisitos de la aplicación
DETERMINAR LA VISTA DE DATOS
requisitos de calidad VISTA DE
APLICACIÓN atributos de calidad
DETERMINAR PARÁMETROS
VISTA DE
PARÁMETROS
CALIDAD DE DATOS
63
CALIDAD DE BASES DE DATOS
ALUMNO CURSO Mat.
núm.
nombre
direc
tel.
núm.
nombre
precio
descr.
fecha
nota
CALIDAD DE DATOS
64
CALIDAD DE BASES DE DATOS
ALUMNO CURSOMat.
núm.
nombre
direc
tel.
núm.
nombre
precio
eval.
fecha
nota
OPORT.
PRECISIÓN
OPORT. OPORT.
COSTE
CREDIBILIDAD
OPORTUNIDAD
FORMATO.
ü INSPECCIÓN
QUIÉN, CUÁNDO
CALIDAD DE DATOS
65
CALIDAD DE BASES DE DATOS
DETERMINAR INDICADORES
VISTA DE
CALIDAD
INTEGRAR VISTAS DE CALIDAD
VISTA DE
PARÁMETROS
ESQUEMA DE
CALIDAD
CALIDAD DE DATOS
66
CALIDAD DE BASES DE DATOS
ALUMNO CURSOMat.
núm.
nombre
direc
tel.
núm.
nombre
precio
eval.
fecha
nota
EDAD
MÉTODO
RECOGIDA
EDAD EDAD
COSTE
NOMBRE EVAL
FECHA
MEDIO
QUIÉN CUÁNDO PROC. INSPEC. RESULTADO
ID.
USUARIOFECHA
CALIDAD DE DATOS
67
CALIDAD DE BASES DE DATOS
ALUMNO NOTA SELECTIVIDAD
NOTA MEDIA CARRERA
William Smith 8
<30/10/90, MEC>
7
<30/7/95, Esc. Inf.>
Gene Hackman 9 <30/10/90, MEC>
6
<10/9/96, Esc. Inf.>
. . . . . .
CALIDAD DE DATOS
68
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
Marco de Trabajo para la Mejora de la Gestión de la
Calidad de los Datos y de la Información, con dos
componentes:
• CALDEA. Modelo de referencia de gestión de
calidad de datos e información basado en niveles de
madurez.
• EVAMECAL. Metodología de evaluación y
mejora del PGI basada en CALDEA.
Caballero (2004)
69
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
ACTIVIDADES DE CALDEA ORGANIZADAS POR
NIVELES DE MADUREZ
Inicial
Definición (GEGCDI) Gestión de un Equipo de Calidad de Datos
(GP) Gestión de un Proyecto para el Proceso de Gestión de
Información (PyPGI)
(GR) Gestión de Requisitos de Usuario.
(GCI) Gestión de la Calidad de Datos en los componentes del
PGI.
(FS) Gestión de fuentes y destinos (sumideros) de datos
(ADM) Gestión de proyecto para la adquisición, el desarrollo o
el mantenimiento de una base o almacén de datos.
Integración (VV) Validación y Verificación de los productos
de datos.
(GIR) Gestión del impacto de riesgos y de la
pobre calidad de datos.
(GE) Gestión de la estandarización de la calidad
de datos
(GPO) Gestión de políticas de calidad de datos
organizacionales.
Gestionado Cuantitativamente
(GPM) Gestión de Planes de medición
para los componentes del PGI.
(GAPM) Gestión de la Automatización
de los Planes de Medida
Optimizante (GPD) Análisis Causal para la
prevención e identificación de defectos
(GIDO) Innovación y desarrollo
organizacional.
70
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
ACP O BJETIVO
(GEGCDI) Gestión de un Eq uipo de un Equipo de Aseguramiento de
Calidad de Datos y de Información.
Organizar un equipo que se encargue de todas las iniciativas
de evaluación y mejora de los PGI.
(GP) Gestión de un Proyecto para el PGI.
Elaborar un proyecto que permita definir todo s los aspectos de
cada uno de los PGI que integran el Sistema de Información.
(GR) Gestión de Requisitos de Usuario.
Recoger y elaborar los documentos pertinentes a los requisitos
de usuario para cada uno de los PGI y las características de
calidad de dat os que tienen que tener cada uno de sus
componentes.
(GCI) Gestión de la Calidad de Datos en los componentes del PGI y en el producto de información.
Definir y documentar los aspectos cuantitativos y cualitativos de calidad de datos para cada uno de los componentes de los
PGI expresados en términos de dimensiones y métricas de
calidad de datos.
(FS) Gestión de fuentes de datos y de los destinos (sumideros) de los
productos de información.
Identificar y documentar las fuentes y sumideros de datos y
product os de información, así como los formatos en que se
intercambiarán los datos con ellos.
(ADM) Gestión de proyecto para la adquisición, el desarrollo o el mantenimiento de una base de
datos o de un almacén de datos.
Asegurar que el lugar donde se va a almacenar los datos
responde a los requisitos establecidos tanto a nivel técnico del
producto comercial elegido, como al esquema diseñado para
albergar los datos.
71
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
ACTIVIDADES DE CALDEA ORGANIZADAS POR
NIVELES DE MADUREZ
Inicial
Definición (GEGCDI) Gestión de un Equipo de Calidad de Datos
(GP) Gestión de un Proyecto para el Proceso de Gestión de
Información (PyPGI)
(GR) Gestión de Requisitos de Usuario.
(GCI) Gestión de la Calidad de Datos en los componentes del
PGI.
(FS) Gestión de fuentes y destinos (sumideros) de datos
(ADM) Gestión de proyecto para la adquisición, el desarrollo o
el mantenimiento de una base o almacén de datos.
Integración (VV) Validación y Verificación de los productos
de datos.
(GIR) Gestión del impacto de riesgos y de la
pobre calidad de datos.
(GE) Gestión de la estandarización de la calidad
de datos
(GPO) Gestión de políticas de calidad de datos
organizacionales.
Gestionado Cuantitativamente
(GPM) Gestión de Planes de medición
para los componentes del PGI.
(GAPM) Gestión de la Automatización
de los Planes de Medida
Optimizante (GPD) Análisis Causal para la
prevención e identificación de defectos
(GIDO) Innovación y desarrollo
organizacional.
72
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
(VV) Validación y Verificación de los productos de datos.
Elaborar un plan para la validación y verificación de los
productos de datos desarrollados en el PGI.
(GIR) Gestión del impacto de riesgos y de la pobre calidad de
datos.
Delimitar, acotar y documentar todos los posibles impactos y
riesgos derivados de tener una pobre calidad de datos en los
componentes del PGI.
(GE) Gestión de la estandarización de la calidad de datos
Ir creando una cultura organizacional de calidad de datos a
través de las experiencias propias y/o ajenas.
(GPO) Gestión de políticas de calidad de datos organizacionales.
A partir del conocimiento de calidad de datos y de las
necesidades de la organización con respecto a los productos de
datos establecer y documentar políticas de calidad de datos
que incidan sobre los componentes del PGI.
ACP O BJETIVO
73
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
Gestión
de la
Estandarización
de la
Calidad
de la
Información
GE.1. Elección de
Estándares de
Calidad de Datos y
de Información
Catálogo de estándares de calidad de datos y de información.
Definición del PGI.
GE.3.
Revisión y compleción de las
ERU
GE2.
Elección de
Políticas
Organizacionales
Lista con las características observadas en cada uno de los componentes del PGI o del producto de información que son modificadas por los estándares elegidos.
Catálogo de políticas or ganizacionales.
Definición del PGI.
Lista con las características observadas en cada uno de los componentes del PGI o del producto de información que son modificadas por las políticas de calidad elegidas.
ERU - PGI, ERU-CDI - ERU - PI.
Definición PGI con modelos de datos y procesos
Definición revisada del PGI con modelos de datos y de procesos
74
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
GE.1.Elección de estándares y dimensiones de calidad de
datos y de información
Entrada
Catálogo de e stándares de calidad de datos y de información.
Definición del PGI.
Productos
Salida
Lista con las características observadas en cada uno de los componentes del PGI o del producto de información que son modificadas por los
estándares elegidos.
Técnicas y Herramie ntas
Sesiones de Trabajo.
Inspección de los estándares.
Participantes
EGCDI.
Especialistas o Consultores en estándares de calidad de datos.
Todas aquellas personas que desempeñen un rol relacionado con los estándares de calidad de datos y de información e elegidos
Momento de Realización de Actividad
Cuando se tenga definido el PGI.
75
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
ACTIVIDADES DE CALDEA ORGANIZADAS POR
NIVELES DE MADUREZ
Inicial
Definición (GEGCDI) Gestión de un Equipo de Calidad de Datos
(GP) Gestión de un Proyecto para el Proceso de Gestión de
Información (PyPGI)
(GR) Gestión de Requisitos de Usuario.
(GCI) Gestión de la Calidad de Datos en los componentes del
PGI.
(FS) Gestión de fuentes y destinos (sumideros) de datos
(ADM) Gestión de proyecto para la adquisición, el desarrollo o
el mantenimiento de una base o almacén de datos.
Integración (VV) Validación y Verificación de los productos
de datos.
(GIR) Gestión del impacto de riesgos y de la
pobre calidad de datos.
(GE) Gestión de la estandarización de la calidad
de datos
(GPO) Gestión de políticas de calidad de datos
organizacionales.
Gestionado Cuantitativamente
(GPM) Gestión de Planes de medición
para los componentes del PGI.
(GAPM) Gestión de la Automatización
de los Planes de Medida
Optimizante (GPD) Análisis Causal para la
prevención e identificación de defectos
(GIDO) Innovación y desarrollo
organizacional.
76
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
(GPM) Gestión de Planes de
Medición para componentes del
PGI
Elaborar planes para la medición de los aspectos de calidad de
datos definidos en la actividad (GCD) Gestión de la Calidad de
Datos en los componentes del PGI del nivel de Definición, así
como los formatos de presentación de resultados.
(GAPM). Gestión de la
Auto matización de Planes de Medidas para Componentes del
PGI.
Establecer los mecanismos necesarios para automatizar los
procesos de medición.
ACP O BJETIVO
77
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
ACTIVIDADES DE CALDEA ORGANIZADAS POR
NIVELES DE MADUREZ
Inicial
Definición (GEGCDI) Gestión de un Equipo de Calidad de Datos
(GP) Gestión de un Proyecto para el Proceso de Gestión de
Información (PyPGI)
(GR) Gestión de Requisitos de Usuario.
(GCI) Gestión de la Calidad de Datos en los componentes del
PGI.
(FS) Gestión de fuentes y destinos (sumideros) de datos
(ADM) Gestión de proyecto para la adquisición, el desarrollo o
el mantenimiento de una base o almacén de datos.
Integración (VV) Validación y Verificación de los productos
de datos.
(GIR) Gestión del impacto de riesgos y de la
pobre calidad de datos.
(GE) Gestión de la estandarización de la calidad
de datos
(GPO) Gestión de políticas de calidad de datos
organizacionales.
Gestionado Cuantitativamente
(GPM) Gestión de Planes de medición
para los componentes del PGI.
(GAPM) Gestión de la Automatización
de los Planes de Medida
Optimizante (GPD) Análisis Causal para la
prevención e identificación de defectos
(GIDO) Innovación y desarrollo
organizacional.
78
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
(GPD) Análisis causal para la preven ción e identificación de
defectos.
A partir de los indicadores de calidad obtenidos en la actividad
(GPM) Gestión de Planes de Medición para componentes del
PGI se trata de identificar las causas de los defectos.
(GIDO) Innovación y desarrollo organizacio nal.
Esta actividad tiene como objetivo elaborar propuestas de
mejora para el PI o los componentes del PGI.
ACP O BJETIVO
79
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
EVAMECAL
– Metodología de evaluación y mejora basada en el modelo de referencia CALDEA y orientada a la mejora continua de los PGI
– Al estilo de SCAMPI, ISO/IEC 15504
– Basada en Ballou y Tayi (1996) y adaptada al ciclo PDCA de Deming (1986)
80
CALIDAD DE BASES DE DATOS CALIDAD DE DATOS
EMC - P.1. D EFINICIÓN
DE LA S ITUACIÓN A CTUAL
EMC - P.2. D EFINICIÓN
DE O BJETIVOS DE
M EJORA
EMC - C.1. C OMPROBA - CIÓN DE LA EFICACIA
ACCIONES CORRECTORAS
EMC - D.2. E JECUCIÓN
DEL PM - PGI
EMC - D.1. A NÁLISIS DE
CAUSAS Y DESARROLLO DE
PM - PGI
Situación Actual
del PGI
ECM - A.1. O BTENER
C ONCLUSIONES
Informe de realización
del Plan
PGI
Informe Listado de
Comprobaciones
ECM - A.2. E STANDARI -
ZAR EL C ONOCIMIENTO
O BTENIDO
Informe con Objetivos de Mejora
PM - PGI
Conocimiento sobre PGI
PLAN
DO
CHECK
ACT
81
CALIDAD DE INFORMACIÓN
ÍNDICE
- INTRODUCCIÓN
- APROXIMACIONES A LA CALIDAD
- MEDICIÓN DE MODELOS CONCEPTUALES
- MEDICIÓN DE MODELOS LÓGICOS
- CALIDAD DE DATOS
- ASPECTOS DE GESTIÓN
82
• Múltiples fuentes de la misma información producen diferentes valores
• La información se produce utilizando juicios subjetivos, produciéndose sesgos
• Errores sistemáticos en la producción de la información produce pérdida de información
• Grandes volúmenes de información almacenada hace difícil el acceso en tiempo
razonable
• Sistemas distribuidos heterogéneos producen definiciones, formatos y valores
inconsistentes
• La información no numérica es difícil de indexar
• No se dispone todavía de análisis automático a lo largo de colecciones de datos
• Al cambiar las tareas de los consumidores de información y el entorno organizacional, la
información que es relevante y útil también cambia
• La facilidad de acceso a la información puede entrar en conflicto con los requisitos de
seguridad, privacidad y confidencialidad
• La falta de suficientes recursos de computación limita el acceso
CAUSAS DE LOS PROBLEMAS DE CALIDAD
Strong et al. (1997)
CALIDAD DE INFORMACIÓN
ASPECTOS DE GESTIÓN
83
• Todos los empleados de la empresa tienen que asumir que los datos y la
información así como los procesos de negocio que los crean, almacenan,
procesan y utilizan son propiedad de la empresa y que su compartición
dentro de la empresa, así como con terceros deberá estar sometida a
consideraciones legales o de privacidad.
El director de informática (CIO) será el responsable de mantener un
inventario actualizado de datos, de su disponiblidad, así como de informar
sobre la calidad de los mismos.
Los suministradores y creadores de datos deben comprender quién usa
los datos y con qué propósitos, implementar las medidas de calidad de
datos para asegurar que se satisfacen los requisitos de los usuarios e
implementar la gestión del proceso para los datos que crean.
POLÍTICA DE CALIDAD
Redman (1996)
CALIDAD DE INFORMACIÓN
ASPECTOS DE GESTIÓN
84
Los que almacenan y procesan datos deben proporcionar arquitecturas y
bases de datos que minimicen la redundancia innecesaria, salvaguardar los
datos de daños o accesos no autorizados y diseñar las nuevas tecnologías
con el fin de promover la calidad de los datos.
Los usuarios deben trabajar con los suministradores de datos,
proporcionar retroalimentación, asegurar que los datos se intepretan
correctamente, asegurar que los datos se utilizan sólo para propósitos
empresariales legítimos, proteger los derechos de los clientes, empleados,
etc. sobre privacidad.
POLÍTICA DE CALIDAD
Redman (1996)
CALIDAD DE INFORMACIÓN
ASPECTOS DE GESTIÓN
85
TQdM (Total Quality data Management) English (1999)
1) Identificar un grupo de información que tenga un impacto significativo con el
fin de aportar un mayor valor añadido.
2) Establecer objetivos y medidas de la calidad de la información, por ejemplo:
asegurar la oportunidad de la información, midiendo el tiempo que pasa desde
que se conoce un dato hasta que se encuentra disponible para un determinado
proceso.
3) Identificar la cadena de valor y de costes de la información, que consiste en
una cadena de valor de negocio extendida y centrada en un grupo de datos. Esta
cadena comprenderá todos los ficheros, documentos y bases de datos, procesos
de negocio, programas y roles que tengan relación con el grupo de datos.
4) Determinar los ficheros o procesos a evaluar.
5) Identificar las fuentes de validación de datos para evaluar la precisión.
6) Extraer muestras de datos aleatorias, aplicando las técnicas estadísticas
adecuadas
7) Medir la calidad de la información, con el fin de determinar su nivel de
fiabilidad y descubrir los defectos.
8) Interpretar e informar sobre la calidad de la información.
CALIDAD DE INFORMACIÓN
ASPECTOS DE GESTIÓN
86
Cuestiones para los directivos Miller (1996)
¿Son todavía válidas las percepciones de nuestras
necesidades de calidad de información que teníamos ayer?
¿Cómo se traducen las necesidades de calidad en requisitos
tecnológicos?
¿Es nuestra estrategia tecnológica consistente con nuestras
necesidades de calidad?
•¿Están la colección, diseminación y procedimientos de
verificación internos a la altura de los requisitos de calidad?
CALIDAD DE INFORMACIÓN
ASPECTOS DE GESTIÓN
87
CALIDAD DE INFORMACIÓN
ASPECTOS DE GESTIÓN
calidad de la
información
satisfacción
del cliente
satisfacción
del personal
empresa
88
CALIDAD DE INFORMACIÓN
ASPECTOS DE GESTIÓN