Learn R Programming

lupa (version 0.1.1)

lupa-package: lupa: perfilar y medir la calidad de datos con evidencia

Description

lupa examina una tabla o una base de datos antes de confiar en ella: encuentra faltantes disfrazados, el mismo dato escrito de varias formas, fechas en formatos mezclados, filas y columnas repetidas y estructura que nadie declaró; dice en qué filas está la mayoría de los problemas y qué controles no pudo hacer. Cada resultado conserva su alcance y su evidencia, y ningún diagnóstico modifica los datos que recibe.

Arguments

Author

Maintainer: Sebastián Lucas [email protected] (ORCID) [copyright holder]

Authors:

Other contributors:

  • Robyn Speer (byte tables, character categories, regular expressions and repair functions of the encoding-repair engine, translated from ftfy 6.3.1 (Apache-2.0)) [contributor, copyright holder]

  • Nicholas Tierney (missing-value sentinel values from naniar 1.1.0 (MIT)) [contributor, copyright holder]

Details

La puerta de entrada es perfilar(). Sus hallazgos (hallazgos()) traen tipo, severidad (ok < sospechoso < error), evidencia y trazabilidad hasta las filas; su cobertura (cobertura()) enumera los diagnósticos que no se pudieron evaluar, con su motivo, y que nunca cuentan como cero. La viñeta "Empezar en diez minutos" (vignette("lupa")) recorre el primer uso, y "Leer un perfil" (vignette("leer-un-perfil")) explica cada parte.

Desde el perfil, el recorrido sigue estas etapas, cada una con su guía:

  1. explorar columnas y reunir el diagnóstico en un objeto con analizar(), y compartirlo en un HTML autocontenido con reportar();

  2. perfilar dentro de una base con perfilar_dbi(), o una colección de tablas con perfilar_coleccion();

  3. limpiar una copia con un plan editable: planificar_limpieza() y aplicar();

  4. convertir lo confirmado en mediciones explícitas y evaluarlas: proponer_modelo(), modelo(), medir() y evaluar();

  5. comparar entregas y seguir la calidad en el tiempo con comparar_perfiles() y historico_calidad().

Un marco de calidad es una taxonomía que se declara con marco_calidad(). El paquete incluye tres, marco_agesic(), marco_cepal() y marco_iso25012(), y ninguno restringe las declaraciones de quien lo usa: un factor se mide cuando los datos aportan evidencia o cuando se declaran el requisito y la métrica. cobertura_analisis() informa qué factores quedaron medidos. No hay un puntaje de fábrica: indice_calidad() calcula un índice sólo con los pesos que declara el proyecto.

References

Batini C, Scannapieco M (2016) tools:::Rd_expr_doi("10.1007/978-3-319-24106-7"). Data and Information Quality: Dimensions, Principles and Techniques. Springer.

AGESIC (2020). Marco de trabajo para la Gestión de la Calidad de Datos en Gobierno Digital, versión 1.6.

CEA/CEPAL (2022). Guía para la implementación del marco de aseguramiento de la calidad para procesos y productos estadísticos. LC/CEA.11/19. Santiago.

ISO/IEC (2008). ISO/IEC 25012:2008 Software engineering — Software product Quality Requirements and Evaluation (SQuaRE) — Data quality model.

See Also

datos_operativos, datos_administrativos

Examples

Run this code
perfil <- perfilar(datos_operativos)
subset(hallazgos(perfil), severidad == "error",
       c(columna, tipo_hallazgo, evidencia))
cobertura(perfil)[, c("diagnostico", "columna")]

Run the code above in your browser using DataLab