1

Calidad en Data Warehouses

Andrs Enrique Daza Oyuela
02-256585
Universidad Nacional de Colombia
Maestra en Ingeniera Ingeniera de
Sistemas y Computacin
Bogot, Colombia

aedazao@unal.edu.co

RESUMEN decisiones administrativas en las organizaciones. Pero Cmo

Debido al gran inters que muestran las principales
organizaciones de hoy en da en cuanto al manejo de la
informacin organizacional que poseen, con el fin de poder tomar
entre otras cosas decisiones competitivas estratgicas para la
empresa, se han adoptado sistemas que permitan almacenar tal
informacin llamados Data Warehouse (DW). Sin embargo, la
calidad de la informacin almacenada en esas grandes bodegas de
datos depende en gran manera de los procesos de calidad
pertenecientes a los DW. En este trabajo se revisa de manera
general los progresos que se han realizado en los aspectos
concernientes a la administracin de la calidad de la informacin
contenida en los DW.
saben las organizaciones que se est haciendo uso de la
informacin correcta, en el momento preciso?, y Cmo pueden
de alguna manera evaluar tal informacin? Estas preguntas se
refieren al problema de calidad de informacin almacenada en los
Data Warehouse. En este trabajo pretendo dar una revisin de los
estudios que se han hecho en cuanto a la calidad en los Data
Warehouse. En la Seccin 2 se define el problema, en la Seccin 3
se habla de manera general sobre lo que es un Data Warehouse, y
sobre la Integracin y el Data Cleansing en un DW, la Seccin 4
trata sobre la calidad en los DW en cuanto a su administracin, y
por ltimo la Seccin 5, especifica los trabajos futuros en este
mbito.

Keywords 2. DEFINICIN DEL PROBLEMA

Data Warehouse, Calidad del Dato, Integracin, Data Cleansing,
Dimensin de Calidad
1. INTRODUCCIN
Hace treinta aos, las organizaciones no consideraban al software
como un recurso valioso para la organizacin, aunque era
considerado importante para stas, no era visto como un activo o
una posesin. Pasaba lo mismo con lo referente a la informacin
que se manejaba, a los datos especficos que manejaban
internamente las empresas. Hoy da, se considera a los datos de
una organizacin, es decir, a la informacin en general como un
recurso importante del cual se puede extraer informacin valiosa
con el fin de crear ventajas competitivas. Muchas organizaciones
saben que contar con la informacin adecuada en el momento
adecuado, pueden guiarlas a conseguir grandes beneficios.
Adems, la informacin tambin posee la gran habilidad de
proporcionar elementos encaminados a mejorar el desempeo de
una organizacin, as como ser herramienta principal en soporte a
la toma de decisiones para una empresa.
La informacin normalmente se almacena en grandes repositorios
de datos, llamados Bases de Datos pero, a principios de los aos
noventa (1992), Inmon [38] introdujo el trmino Data
Warehouse DW como A data warehouse is a subject-oriented,
integrated, time-variant, nonvolatile collection of data in support
of management's decisions, es decir, un Data Warehouse es una
coleccin de datos cuyo principal objetivo es brindar soporte a
Este artculo fue realizado para la materia Seminario de
Investigacin I, 2006-I, ofrecida por el programa de Maestra en
Ingeniera-Ingeniera de Sistemas y Computacin de la Universidad
Nacional de Colombia sede Bogot.
Andrs Enrique Daza, estudiante de la Maestra en Ingeniera-
Ingeniera de Sistemas y Computacin de la Universidad Nacional
de Colombia sede Bogot, Colombia
Dado que la informacin es un recurso organizacional, y que es
usada para generar nuevo conocimiento encaminado hacia la
creacin de mejores estrategias empresariales, es importante
analizar la calidad de dicha informacin. En particular, tal
informacin se encontrar almacenada en Data Warehouses, es
por esto que presentar un anlisis de la calidad que puede brindar
el Data Warehouse a la informacin es de crucial importancia,
ms an si se tiene en cuenta los aspectos generales que
conforman el diseo de estos grandes repositorios.
En general un DW integra datos provenientes de mltiples fuentes
heterogneas de informacin [16] y las transforma en una
representacin multidimensional para aplicaciones de soporte a
decisiones [39]. Sin embargo, esa integracin que es necesaria
para la construccin de los DW, es el principal problema que debe
afrontar el proceso de diseo de un DW, ya que aqu se debe tratar
con las posibles inconsistencias y redundancias que presentan los
datos de las diversas bases de datos heterogneas, para que
finalmente el DW pueda presentar una vista integrada y
reconciliada de toda la informacin requerida por la empresa.
Entonces una de las muchas formas en que la calidad final de un
DW es impactada es tal integracin de datos, aunque se han hecho
varias contribuciones a la realizacin de esta integracin de
diversas fuentes de datos de origen
[6,7,11,13,14,19,21,22,23,24,27,31,44,47], y tambin en poder
adquirir una buena informacin en presencia de datos ruidosos a
partir de tcnicas especiales p.e., [49], el problema de poder medir
la calidad de informacin presente en un DW y poder usar estos
resultados con el fin crear formas o modelos que me ayuden a
preservar y mejorar la calidad de un DW a travs de su uso y
evolucin es relativamente reciente, y no son muchos los modelos
realizados para este objetivo.

CONTENIDO
1. INTRODUCCIN
2. DEFINICIN DEL PROBLEMA
3. DATA WAREHOUSES
3.1 Integracin
3.2 Data Cleansing
4. CALIDAD EN DATA WAREHOUSES
4.1 Calidad del Dato (Data Quality)
4.2 Conceptos Bsicos para Calidad en DW
4.3 Dimensiones de Calidad en DW
4.4 Tcnicas Usadas para Medir la Calidad del DW
4.5 Modelos usados para Administrar y Mejorar la Calidad
del DW
4.5.1 Calidad en la Evolucin del Data Warehouse
5. TRABAJO FUTURO
6. REFERENCIAS
3. DATA WAREHOUSES
En general las caractersticas de un DW [42] son Orientado a
temas, es decir que los datos se organizan por reas presentes en
una empresa, por ejemplo, rea financiera, rea de sistemas, etc;
Integrada, la informacin conflictiva y las inconsistencias han
pasado por un proceso de limpiado; No-voltil, la informacin es
nicamente de slo lectura, no puede ser modificada por los
usuarios, maneja Series de Tiempo, es decir, que la informacin
que se encuentra almacenada no slo es de este ao, sino que
tambin presenta los aos anteriores relevantes para la compaa, global y presentan tcnicas para lo que es query-preserving
esto hace que sean muy Grandes; presentan informacin
Resumida, se encuentra fcilmente compactada y accesible para
los administradores, No est normalizada, ya que las Sistemas de
Soporte a Decisiones DSS pueden presentar informacin
redundante, Metadata, o informacin que es guardada por el DW
acerca de ella misma, y presentan entradas de sistemas
operacionales no integrados.
3.1 Integracin
Dado que la integracin es uno de los principales problemas a la
hora de construir un DW, ya que se debe lidiar con posibles
inconsistencias y redundancias entre los datos contenidos en las
fuentes de datos operacionales, y los datos que estn siendo
migrados a el DW [15], entonces el proceso de integracin tiene
un impacto sobre la calidad final de los datos de ste, se han
hecho diversos estudios que me permiten realizar este proceso de
diversas maneras, pero siempre hacia la obtencin de la mejor
calidad final del DW. Algunos de los trabajos que se han hecho
sobre integracin van desde modelos propuestos, mejoras a
modelos, hasta la creacin de aplicaciones de software.
Uno de los modelos propuestos se encuentra en [7] en donde se
describe un novedoso mecanismo para realizar la integracin y la
reconciliacin de los datos presentes en diferentes fuentes de
informacin, y que por ejemplo se unificarn hasta llegar a un
repositorio o bodega final de datos muy grande como un Data
2
Warehouse. La idea es poder resolver los posibles conflictos que
presentan las diferentes fuentes de bases heterogneas. El trabajo
se basa en el Modelo Conceptual del Dato, CDM y permite al
diseador especificar diferentes tipos de correspondencias entre
los datos en fuentes diferentes. Tales correspondencias son usadas
por un algoritmo modificado de bsqueda que realiza la
especificacin de los mediadores correctos para la carga de las
vistas materializadas en el Data Warehouse.
En [9] se discute la importancia de considerar informacin
incierta cuando se realiza un proceso de integracin de bases de
datos heterogneas. En la investigacin se clasifican estas
incertidumbres en tres categoras incertidumbre estructural, de
asignacin de data objects a clases y, de correspondencia
extensionales entre clases de dos fuentes de datos. Tambin se
presenta posibles orgenes de incertidumbre de datos que aparecen
en las fuentes de datos, y diversas tcnicas de data mining y
mtodos de matching para la integracin.
En [10] describen un nuevo enfoque para llevar a cabo la
ejecucin de la integracin y reconciliacin de los datos en DW
basado en la disponibilidad de un Modelo Conceptual del Dato
CDM. El modelo permite al diseador especificar varios tipos de
correspondencias entre los datos de diferentes fuentes, tales
correspondencias las usa un algoritmo el cual soporta la tarea de
especificar los mediadores correctos para la carga de vistas
materializadas en DW. Adems el modelo permite especificar
operaciones para efectuar conjuntos adecuados de matching,
conversiones y reconciliaciones con el fin de resolver los posibles
conflictos.
En [3] la idea es relacionar las dos formas de realizar la
integracin en una sola. Se presenta primero la nocin de query-
preserving transformation y query reducibility entre data
integration system y se muestra que cuando no se permiten
integrity constraint en el esquema global, el LAV1 y GAV2 (dos
formas de disear integracin) son incomparables. Por eso ellos
consideran la adicin de los integrity contraints en el esquema
transformation. Por ltimo el trabajo demuestra que pueden crear
una tcnica global GLAV en donde se unen las dos, y
transformarla en una GAV query-preserving
En [18] se pretende manejar los conflictos presentes en las
relaciones pero desde el instante-level, y no en el schema-level.
La investigacin exhibe la integracin de relationships instances
de bases de datos heterogneas. La metodologa propone todas las
caractersticas pertenecientes al manejo de los conflictos en el
instante-level. Provee una clasificacin de conflictos presentados
en instance-level relationships, y presenta un proceso sistemtico
para detectar y resolver tales conflictos.
En [30] por ejemplo, se plantea lo que es el uso de tcnicas de
Inteligencia Artificial, y tambin de bases de datos para manejar
lo referente a la integracin de datos, pero ellos lo dirigen hacia
cualquier tipo de dato. Se presenta temas relacionados con la
integracin de datos en cuanto a aplicaciones futuras de
inteligencia artificial.
En cuanto a lo que respecta a las aplicaciones de software, por
ejemplo en [34] el paper presenta a CORDS3, el cual es un
1
LAV Local As View
2
GAV Global As View
3
Consortium for Research on Distributed Systems

sistema para la integracin de esquemas de MDBS (Multy Data
Base System). En ste se muestran los diferentes modelos de
esquemas de integracin que usa el sistema a la hora de construir
una Data Warehouse pero al momento de la integracin. Ellos
presentan los posibles conflictos de esquema, y el mtodo usado
para la construccin del software en cuanto a la integracin, y las
herramientas que utilizaron.
En [45] se realiza una investigacin que presenta como se efecta
la integracin de informacin en una organizacin real. Sujansky
describe la gran necesidad de usar tcnicas de integracin debido
a las bases de datos heterogneas que se presentan en
biomedicina, al artculo presenta de una manera descriptiva tales
bases de datos heterogneas. Adems trata algunos tpicos
referentes a la integracin de dichas bases de datos.
A pesar de que se han hecho muchos esfuerzos para la resolucin
de los conflictos al integrar diferentes bases de datos a un DW,
todos estos enfoques no garantizan un 100% de calidad final en el
DW, por esto es necesario la creacin de herramientas o tcnicas
que me permitan de alguna forma evaluar la calidad final del DW
y aplicar dichos resultados a la construccin de modelos
orientados a optimizar la calidad del DW final, a travs de su uso
y evolucin.
3.2 Data Cleansing
Otro aspecto importante que repercute en la calidad final del DW
se relaciona con el aspecto del Data Cleansing, en el cual se
detectan y eliminan errores e inconsistencias de los datos en las
fuentes de entrada de informacin, de manera tal que se presente
un aumento en su calidad. Tpicamente se presentan las
inconsistencias debido a que en el diseo de un DW, se tienen que
fusionar mltiples fuentes de informacin almacenadas en bases
de datos, en las que se presentan registros que poseen diferentes
formatos y, que deben ser de alguna manera integrados.
Aunque se ha hecho investigacin acerca de este tema, realmente
la que existe no es mucha, por ejemplo en [25] se desarrolla un
sistema para llevar a cabo la tarea del Data Cleansing y se
demuestra su uso en una aplicacin de mercadera, y en una base
de datos real. Sus resultados muestran ser precisos y efectivos
cuando se procesa los datos diferentes veces usando diferentes
alternativas para el sorting. Su mtodo incorpora un lenguaje
declarativo de reglas con la cual es posible especificar una
ecuacin terica que permite de manera fcil modificar y
experimentar unos criterios para la equivalencia buscada.
En [32] se presenta un conjunto de mtodos los cuales tratan del
tema de correccin de errores en conjuntos de datos. Estos
mtodos detectan dichos errores de forma automtica los mtodos
se implementaron y los resultados muestran que algunos de estos
mtodos pueden ser aplicados de forma exitosa en ambientes del
mundo real, mientras que otros necesitan ser redefinidos y
mejorados. Sin embargo, cada uno de esos mtodos present
debilidades y fortalezas.
En [46] se propone una tcnica basada en operaciones que la
llaman fuzzy match, la cual est orientada hacia el aumento de la
calidad en DW. La tcnica se encarga del Data Cleansing de las
fuentes de datos provenientes del exterior y que van a ingresar en
un DW. La tcnica es evaluada en entornos reales, y se presentan
los resultados del algoritmo planteado, con respecto a la mejora de
la calidad, evaluados en precisin y eficiencia.
3
4. CALIDAD EN DATA WAREHOUSES
Desafortunadamente por un largo tiempo la calidad del DW se
dej de lado y no se hizo mucho nfasis en esta parte tan
importante para las organizaciones, sin embargo ha empezado a
cobrar importancia tan slo en los ltimos 7 aos, y los aportes
que se han hecho no han sido muchos, pero por lo menos ya se
tienen algunas cosas en las que se ha aportado y se puede seguir
avanzando.
La calidad en el DW se ve afectada desde su fase inicial de
diseo, hasta los procesos inherentes al mantenimiento y
evolucin. En general el resultado de la calidad final del DW, es
afectado por la calidad de las fuentes de informacin, la calidad
del proceso ETL (Extraction Transformation, Loading), y la
mejora a la calidad de los componentes propios del DW (ver
Figura 1). Los dos primeros han sido fuertemente considerados
por los investigadores, mientras que el ltimo no presenta muchas
exploraciones.
Fuentes de
Informacin
Calidad del Data
Warehouse
ETL Process Componentes
del DW
Figura 1. Factores que afectan la Calidad en Data Warehouses
En el ltimo tpico, introducir aspectos de calidad en los
componentes pertenecientes al DW, se ha avanzando
progresivamente desde los ltimos 7 aos, en temas como, (1)
tcnicas o modelos encaminados a introducir requerimientos de
calidad relevantes pertenecientes a cada rol de usuario del DW,
(2) tcnicas para medir el comportamiento de dichos
requerimientos, y por ltimo (3) como se comportaran dichos
requerimientos frente a la evolucin del DW (ver Figura 2). En el
ao de 1996 se empezaron a identificar muchos de los contenidos
que hacan falta por desarrollar en el DW [49], temas
concernientes a aspectos en su fase de diseo. Del mismo modo,
entre los aos 1996-1999, en cuanto al primer problema, se inici
un proyecto de investigacin cooperativo [36] fundado por las
Comunidades Europeas bajo la Reactive Long Term Research
Branch of their ESPRIT IV R&D Program, llamado el DWQ
(Foundations of Data Warehouse Quality) en donde participaron
varias organismos de investigacin y universidades de Italia,
Alemania, Francia y Grecia. Sus tres objetivos eran el de
enriquecer la semntica de los meta bases de datos con modelos
formales de informacin de calidad para permitir aspectos
cuantitativos y adaptativos en los diseos de optimizacin del
DW, enriquecer la semntica de los modelos de recursos de
informacin para permitir de una manera incremental la
resolucin de conflictos y la propagacin de los cambios, la
creacin de modelos que permitan a los diseadores tomar ventaja
explcita de la naturaleza espacial, temporal de los datos de un
DW. Entre sus grupos de investigacin tambin se encontraba la
investigacin de herramientas que me permitieran enfrentar el
problema (3) debido al constante cambio de un DW. La gran
mayora de sus resultados fueron publicados en el ao de 1999. A

partir de ah, otros investigadores interesados p.e. [17], han
propuesto mejoras a los modelos propuestos por el DWQ. En
cuanto al segundo problema, desde el momento en que las
organizaciones empezaron a implementar Data Warehouses, se
han hecho mediciones experimentales que me contribuyan a saber
con qu tanta informacin de calidad cuento a la hora de tomar
decisiones empresariales. Dichos estudios han sido conducidos
por institutos de investigacin de universidades. Inicialmente se
contaba slo con los estudios experimentales en organizaciones
reales, sin embargo, se ha intentado crear modelos formales que
me den una informacin ms formal de la calidad que percibe un
usuario, aunque en realidad son demasiado pocos. El DWQ,
proporcion los datos bsicos de calidad para esto, y p.e. en [8] se
realiza una investigacin soportada por el Italian FIRB Project
MAIS en el ao de 2004. Los estudios experimentales an deben
continuarse, con el fin de poder determinar, si despus de aplicar
modelos que incrementan la calidad en los DW, dicha calidad
realmente mejora o no.
Mtricas Componentes del Modelos
de Calidad DW de Calidad
Figura 2. Factores que intervienen en la mejora de los
Componentes del Data Warehouse
4.1 Calidad del Dato (Data Quality)
Sin duda la calidad de la informacin presente en los DW es un
factor crucial para las organizaciones. De sta, entre otros factores
depende el xito o fracaso de una empresa. Diversas definiciones
se han encontrado al tratar de definir calidad del Dato, pero las
definiciones ms acertadas y generales apuntan a qu tan
relevante, preciso, til, en contexto, entendible y en tiempo es el
dato o la informacin [1], y en un caso ms general a la
adaptabilidad para su uso [29], lo que implica que la definicin
es relativa, es decir, la informacin de calidad que se emplea para
cierto uso, puede no ser de tan buena calidad para otro.
4.2 Conceptos Bsicos para Calidad en DW
Debido a que es necesario que el DW presente un nivel de calidad
en su informacin, es necesario introducir conceptos bsicos de
calidad que permitirn la incorporacin, mediante modelos de
calidad, de requerimientos de calidad propios a cada rol de
usuario del DW, con el fin de recuperar informacin pertinente de
calidad correspondiente a cada rol, desde el repositorio final.
En [33] se resume de manera general los conceptos bsicos que
debe considerarse en un DW a la hora de mejorar su calidad, tales
conceptos son:
Objetos Medibles: Es una etiqueta que se le da a
cualquier objeto perteneciente al DW, con el fin de
poder asignarle uno o algunos objetivos de calidad.
Objetivos de Calidad: Son los requerimientos de calidad
en lenguaje natural especificados por los stakeholders
para cada objeto del DW.
Consulta de Calidad: estas consultas operan sobre
medidas de calidad con el fin de poder verificar si un
objetivo de calidad est siendo logrado o no, o cmo ha
cambiado su rango de cumplimiento en el tiempo.
4
Dimensin de Calidad: son los trminos usados para
definir objetivos de calidad, por ejemplo, completitud,
consistencia, etc.
Medidas de Calidad: es la actividad o la relacin
documentada que existe entre un objeto medible con su
valor de calidad medible.
Unidad de mtrica: especifica la dimensin de medida
de un valor de calidad.
Dominios de Calidad: son los valores permisibles que
puede tomar un objeto medible en cuanto a su medida
de calidad.
Rango de Calidad: son los valores esperados de calidad
despus de una medida.
Y en [40], se hacer una introduccin nueva a estos conceptos
bsicos llamada:
Factor de Calidad: es una medida actual de un valor de
calidad, y que para su uso en el modelo particular que
proponen se clasifican en tres grupos, Factores de
Calidad Primarios, Factores de Calidad Derivados,
Design Choices
Tal introduccin es considerada, extendida, y modificada en otros
trabajos que requieran dichos trminos, ya sea para medir o
mejorar la calidad en DW.
4.3 Dimensiones de Calidad en DW
En general la norma ISO 9126 ha agrupado los modificadores de
los objetivos de calidad en seis dimensiones de alto nivel para el
software en general, y son [39]:
Funcionalidad
Fiabilidad
Usabilidad
Eficiencia
Mantenibilidad
Portabilidad
Sin embargo, la experiencia hace que prcticamente cada
stakeholder modifique esta lista e integre una nueva dimensin de
calidad a la lista de acuerdo a sus necesidades, entre las ms
generalmente usadas por estos para DW son [5,40]:
Completitud: es el porcentaje de datos almacenados en
una bodega de datos, respecto a la cantidad necesaria de
datos que debera estar all.
Relevancia: cada pieza de informacin almacenada es
importante para hacer una representacin del mundo
real.
Fiabilidad: los datos almacenados son confiables, es
decir se consideran como informacin cierta.
Cantidad de Datos: la cantidad de informacin
almacenada
Consistencia: no existe contradiccin alguna entre los
datos almacenados.
Correctitud: cada conjunto de los datos almacenados
representa una situacin del mundo real.
Timeliness: los datos son actualizados en el tiempo, se
recomienda una frecuencia de actualizacin.
Precisin: los datos son almacenados con la claridad
requerida para caracterizarlos.
Exactitud: cada dato almacenado coincide o est
relacionado de una manera precisa con un objeto del
mundo real
Objetividad: los datos son objetivos, no subjetivos.

Conciso: los datos representan el mundo real con la
mnima informacin requerida para tal fin.
Utilidad: la informacin almacenada es aplicable para la
organizacin
Usabilidad: la informacin almacenada es usable para la
organizacin.
4.4 Tcnicas Usadas para Medir la Calidad
del DW
Medir la calidad de la informacin almacenada en los DW es de
gran importancia para las organizaciones ya que le permite
conocer qu tan valiosa es la informacin y, lo que necesita ser
mejorado para incrementar su calidad. Adems medir la calidad
permite clarificar los objetivos y las metas estratgicas orientadas
hacia un incremento en la calidad de los procesos del negocio.
En general se usan dos tipos de tcnicas, la primera mediante
experimentacin o estudio en organizaciones reales, y la segunda
mediante modelos de mtricas de calidad. La ms utilizada hasta
ahora, es la primera.
En [1], por ejemplo, se presentan aspectos de calidad en un DW
para las organizaciones y se determina cules son las posibles
causas por las cuales la calidad de un DW se ve afectada, es decir,
la contaminacin de DW, el paper destaca las tres causas
principales en la polucin de la calidad en DW y son, que los
datos nunca son capturados de forma completa, por eso se
presentan inconsistencias, por lo que se trata de la integracin de
sistemas heterogneos y, la falta de polticas y planeacin de la
parte administrativa, dichas causas salen a flote por medio de un
proceso experimental en el cual describen la metodologa y los
resultados obtenidos.
En [2] se presenta una investigacin que se hizo con usuarios de
diferentes DW en Australia para medir la calidad de la
informacin que se obtiene del repositorio, desde la perspectiva
del usuario. Se presentan los resultados en formas de tabla donde
se concluye que en forma general satisfacen sus necesidades pero
que se deja una duda con respecto a si la calidad de los datos
provedos era considerable debido a factores de inconsistencia en
estructuras de datos a travs los muchos sistemas que manejan.
En [4] el artculo bsicamente est dirigido hacia el anlisis de En [5] se presenta la calidad del dato desde un punto de vista de la
qu tan buena es la calidad de los datos o de la informacin que se
encuentra en un DW. Para ello el paper presenta una metodologa
que se usa con el objetivo de responder tal pregunta, se realiza el
experimento con fuentes reales y se muestran los resultados con el
fin de dar a conocer y sobretodo discutir cules fueron las posibles
causas, y as llegar a mejorar algn paso del diseo, o tener en
cuenta algn paso de manera mucho ms profunda. Por ejemplo
algunos de los problemas que tratan es el de desintegridad
semntica es decir, cuando se procesa una bsqueda, pero el
resultado que arroja no es el esperado.
En [12] se realiza un estudio real sobre la calidad de los datos en
tres organizaciones poderosas a nivel financiero. Se evala en las
organizaciones la calidad de bases de datos que utilizan teniendo
como referencia unos factores globales de calidad que mencionan
a manera de tabla. Los resultados adoptan la perspectiva del
cliente y reflejan que para las organizaciones es muy importante la
calidad de los datos. Tambin toman en cuenta los problemas que
puede presentar una calidad en los datos no tolerable. El estudio
arroja datos interesantes para poderse enfocar mucho ms en
problemas relativos a la calidad de la informacin.
5
En [20] se discute sobre la calidad de los datos y de la integracin
de los datos. El paper no lo dirige hacia el DW, sin embargo usan
los CRM4, lo cual es una aplicacin para la administracin de las
relaciones que se tienen con los clientes de la organizacin. Se
hace un estudio experimental sobre el impacto de la calidad y la
integracin, y se direccionan algunos tpicos importantes en lo
que la organizacin estar interesada con respecto a la calidad de
sus datos.
En [28] se presenta un estudio sobre la medida de satisfaccin de
un usuario final de DW. El estudio propone unos factores de
evaluacin y la forma como esos factores deben ser evaluados,
planean una metodologa para la valoracin, se hace el estudio y
por ltimo se discuten los resultados. La investigacin es
importante ya que permite mirar desde el punto de vista del
usuario que tan satisfecho est con la informacin que obtiene del
DW.
En [41] se realiza una investigacin emprica sobre el uso del DW
en lo correspondiente a si la informacin que se obtiene para
sistemas de soporte DSS est a un grado aceptable o no. El
estudio refleja que el uso de DW resulta en un desempeo
significante cuando se usa a gran escala (full), que cuando se usa
en una escala parcial. La idea es reflejar de qu tan buena calidad
es la informacin de la cual se extraen datos importantes para los
sistemas de soporte a decisiones. El estudio es importante ya que
de alguna forma refleja qu tan valiosa es la informacin que se
tiene al momento de hacer una decisin basada en la informacin
que se extrae.
En cuanto a los modelos, en [8] se propone un modelo para
valorar la calidad de la informacin que presentan las
organizaciones, desde el punto de vista del usuario. En el paper se
presenta la arquitectura del modelo de forma clara pero un poco
matemtica. Lo principal del modelo es que permite la
personalizacin de los procedimientos de valoracin de la calidad
desde los requerimientos del usuario y temas relevantes para la
organizacin. El modelo ha implementado algoritmos para
automatizar y evaluar los procesos ms importantes en
organizaciones reales, sin embargo como trabajo futuro falta hacer
pruebas ms especficas al respecto.
ingeniera de software. El paper analiza tres temas importantes
que son, medidas de calidad de la informacin, pruebas de la
informacin y, requerimientos de calidad de la informacin en
procesos de desarrollo de software. Se especifica qu es calidad,
se mira el problema de calidad de la informacin, y se proponen
tres aspectos para su investigacin, mtricas de calidad del dato,
evaluacin de la calidad del dato, y calidad del dato en los proceso
de desarrollo de software. Para lo referente a las mtricas de la
calidad del dato, se basan en la metodologa GQM5 la cual
considera como primario que una organizacin especifique sus
objetivos, que los caracterice mediante preguntas importantes
apuntando a sus atributos relevantes, y dar medidas que puedan
resolver dichas preguntas.
4
CRM Customer Relationship Management
5
GQM Goal Question Metric el cual, es un modelo orientado a la
administracin de la calidad en el software.

4.5 Modelos usados para Administrar y
Mejorar la Calidad del DW
Al mismo tiempo, el DW debe proveer informacin pertinente y
de buena calidad a diversos sectores de una empresa, es necesario
que pueda involucrar las diferentes perspectivas de calidad
intrnsecas a cada uno de ellos, y en especial, a cada tipo de
stakeholder. Tales criterios de calidad no son soportados ni por la
integracin, ni por el Data Cleansing, por lo que es necesario
introducir dichos criterios en modelos con el fin de obtener una
mejora en la calidad final del DW a partir de cada usuario, y
adems poder mantenerla en el proceso de su administracin.
Realmente no es mucho lo que se ha trabajado en este aspecto.
La mayora de las tcnicas propuestas para la introduccin de
criterios de calidad provenientes de cada usuario del DW, integran
los conceptos bsicos de calidad citados en el numeral 4.2. Su
idea es mejorar la calidad en el diseo, pero tambin utilizar el
modelo de calidad, para propsitos de anlisis en las medidas de
calidad, con respecto a los requerimientos de calidad definidos por
cada usuario.
En [33], se propone un quality meta model, el modelo incorpora
la calidad en los dos aspectos mencionados anteriormente. El
modelo est hecho de tal manera que es posible incorporarlo en el
sistema de meta database ConceptBase. Entre sus principales
ventajas est poder soportar cualquier tipo de objeto medible
siempre y cuando est representado en el meta database para el
DW, los objetivos de calidad pueden ser presentados desde un
conjunto amplio de stakeholders y cada uno stos puede realizar
consultas de calidad para valorar su objetivos de calidad
especfico, las consultas de calidad son ejecutables en el meta
database, y permiten ser adicionadas, modificadas, eliminadas;
por ltimo las medidas de calidad pueden ser almacenadas
explcitamente en el meta database.
En [40] se presenta un modelo de calidad que integra temas ms
interesantes y mucho ms completos. El modelo se basa en el
GQM. El modelo propone un tema novedoso a la hora de
incorporar los aspectos que debe considerar cada usuario con
respecto a su criterio de calidad conocidos como factores de
calidad. Cada rol de usuario puede definir sus criterios con
respecto a cada objeto medible del DW utilizando los factores de
calidad. Para ello se han clasificado los siguientes roles mediante
un estudio experimental realizado anteriormente:
Tomador de decisiones: Usuario final del DW
Administrador del Data Warehouse: Se encarga de que
el DW opere de manera adecuada
Diseador del Data Warehouse: Se encarga de la
construccin del esquema del DW y del diseo de los
procesos del DW
Programadores de los componentes del Data
Warehouse: las personas que desarrollan las
aplicaciones para el DW
Usuarios, administradores y diseadores: son los
afectados por la informacin almacenada en el DW
En su metodologa exploran los criterios de calidad en cuatro
fases, en la fase de diseo, la fase de evaluacin, la fase de
anlisis y mejora, y la fase de reevaluacin y evolucin.
En [48] se presenta una novedosa forma que incorpora alguno de
los problemas concernientes al diseo de DW. Tales
consideraciones toman en cuenta aspectos de factores de calidad.
Su metodologa soporta factores de calidad en el desempeo, en la
6
consistencia de los datos, en la completitud, y en la concurrencia.
Tambin miran el problema de si una vista seleccionada satisface
las restricciones dadas para ella. Para ello, su arquitectura se basa
en AND/OR dag la cual es una manera de representar mltiples
consultas y vistas. El trabajo presenta algunos resultados
importantes que se pueden llegar a incorporar en los modelos
sobre calidad de DW.
En [17] se ofrece un modelo conceptual o un marco conceptual
con el fin de mejorar la calidad en entornos de DW. Para ello, se
exploran factores que deben ser considerados tales como el nivel
actual de la calidad del dato, los niveles de calidad necesitados por
los procesos relevantes, y los beneficios potenciales del diseo del
proyecto para mejorar la calidad. En el paper se muestran ideas
que permiten pensar de una manera sistemtica y comprensiva, de
cmo poder soportar una mejora en la calidad del DW, mientras
se resaltan factores relevantes.
En [35] desarrollan dos contribuciones especiales para mejorar la
calidad que se presenta en el DW. La motivacin fue debido a que
con los mtodos que se usaban hasta el momento no era posible
considerar aspectos importantes en la mejora final de calidad de
un DW. La investigacin aporta la introduccin de una
perspectiva explcita de la organizacin en la arquitectura del DW,
con el fin de que la empresa pueda interpretar de una forma ms
apropiada la informacin presente en el repositorio y, mediante la
adaptacin del GQM vinculan muchas de las tcnicas que se han
realizado para medir y optimizar muchos de los aspectos de
calidad en DW, con un marco conceptual general de calidad en
DW.
En [39] se hace una extensin al modelo que se present en [33],
en donde se definen nuevos conceptos pertenecientes a lo que se
conoce como dimensiones de calidad. Tambin se explica cmo
es posible vincular y utilizar el modelo descrito en [33], con los
procesos de calidad definidos en la administracin de un DW.
En [29] se desarrolla un modelo de calidad en una organizacin
real perteneciente al rea de la salud. En la investigacin se tratan
varios temas relacionados con la calidad del dato como lo son, qu
es data quality, la importancia y el proceso del data quality; para
despus aplicar en la organizacin de salud, un modelo basado en
una metodologa propuesta con el fin de entender mejor estos
temas relacionados a ambientes de cuidados de salud, de acuerdo
a sus necesidades especficas, el modelo se evalu en cuanto a su
validez y utilidad.
4.5.1 Calidad en la Evolucin del Data Warehouse
Una de las caractersticas importantes del DW es que evoluciona
en el tiempo. Las investigaciones en este aspecto se refieren a la
evolucin de la arquitectura propia del DW, administracin en
cuanto a la actualizacin de la informacin [37,26] pero muy
pocas se especializan en los requerimientos de calidad propios de
los stakeholders. Tal evolucin entonces, hace necesaria que la
definicin de los objetivos de calidad propios a cada rol de
usuario pueda ser tambin evolucionable. Muy pocas
contribuciones se tienen al respecto, ya que sta es la
investigacin en la que menos se ha trabajado, pero que es igual
de importante. Sera interesante poder evaluar las propuestas
actuales, identificar los errores que puedan presentar y, proponer
mejoras que ayuden a la calidad de la informacin para las
organizaciones.
En [40] se presenta la forma en que evolucionan los factores de
calidad y los objetivos de calidad en los cambios constantes del
DW. Los cambios en la arquitectura de un DW, generan cambios

en la definicin de factores de calidad para el DW y vicerversa.
Los cambios que pueden surgir en los factores de calidad, son por
ejemplo, la definicin o agregacin de nuevos y eliminacin de
existentes, las medidas de calidad tambin pueden cambiar y
entonces es necesario computar de nuevo los valores de factores
de calidad. As como cambian los factores de calidad, lo ms
normal, es que los objetivos de calidad demanden una
modificacin tambin, debido a la reforma en la estructura. Se
crean nuevos requerimientos, se eliminan los que no requieren ser
utilizados, el modelo permite adems la insercin de nuevos
usuarios al igual que sus propias especificaciones. Tambin se
mira cmo los cambios en la arquitectura afectan los factores de
calidad, y cmo se deben atacar dichos inconvenientes.
5. TRABAJO FUTURO
La calidad en DW es de suma importancia para las
organizaciones. Las contribuciones que se puedan desarrollar en
este mbito ayudarn sin duda a que las organizaciones sean ms
competitivas en todos sus mbitos. Se han plasmado cules son
los esfuerzos en los que es necesario ocuparse con el fin de
obtener una mejor calidad en la informacin obtenida de parte de
los DW.
Por ejemplo en [40], en el GQM, cada objetivo de calidad es
definido a partir de un conjunto de preguntas con el fin de poder
generar un mecanismo de ayuda en la transicin de peticiones
muy generales de los usuarios, a un conjunto especfico en que los
objetivos se puedan medir. Sin embargo, la seleccin de ese
conjunto especfico de preguntas para un objetivo especfico, o un
tipo especfico de objetivos todava no se ha solucionado.
En [5] se expone que se deben definir mtricas especficas para la
medicin de la calidad, ya que segn lo proponen, sin un
conocimiento claro de lo que se espera medir, es difcil poder
observar las mejoras que se presentan despus de la aplicacin de
tcnicas de calidad. Otro tpico es tener establecida la nocin del
valor de la informacin para una organizacin, es decir, qu tan
valiosa es un tipo de la informacin para la organizacin en
trminos de dollar value valor monetario y market value valor
comercial.
En [35] se propone establecer prioridades en los criterios de
calidad a travs de la realizacin de varios casos de estudio, con el
fin de poder ser explicados en tcnicas especficas de medidas y
anlisis. As como el desarrollo de estas mismas tcnicas y la
manera en la cual sea posible vincularlas al marco general de
desarrollo de un DW a travs de herramientas adecuadas de
medidas de calidad, de extensiones al modelo global de diseo, y
de tcnicas de optimizacin. Tambin estn desarrollando un
mecanismo con el fin de poder propagar las tcnicas de calidad de
DW hacia las fuentes e informacin.
En [33] se plantea extender el mtodo de calidad aqu utilizado
con el fin de incluir temas como, estrategias para la actualizacin
de las vistas que componen el DW, la seleccin de las fuentes de
bases de datos adecuadas, filtros, transports agents y etc,
basados en sus objetivos de calidad, y vincularlo a un modelo de
calidad orientado a la evolucin del DW, para que se obtenga una
mejora continua de los aspectos de calidad del DW, frente a su
constante cambio.
Tambin se deja planteada en [48] la integracin de su
investigacin con algoritmos de seleccin de vistas en DW, y la
validacin experimental de un proceso automtico de diseo de
calidad de DW.
7
En [39] se presenta que sera interesante conducir su investigacin
de manera que se pueda desarrollar herramientas computacionales
encaminadas a poder brindar asistencia a los stakeholders, en el
momento de definir los objetivos de calidad para popular el
repositorio con informacin ms relevante.
6. REFERENCIAS
[1] Amit Rudra, E.Y, (Amit1999) Key Issues in Achieving
Data Quality and Consistency in Data Warehousing among
Large Organizations in Australia Thirty-second Annual
Hawaii International Conference on System Sciences, 1999,
7
[2] Amit Rudra, E.Y. (Amit2000) Issues in User Perceptions of
Data Quality and Satisfaction in using a Data Warehouse:
An Australian Experience 33rd Hawaii International
Conference on System Sciences, 2000, 7
[3] Andrea Cal, D.C. & Lenzerini, M. (Andrea2002) Andrea
Cal, D.C. & Lenzerini, M. On the expressive power of data
integration systems Proc. of the 21st Int. Conf. on
Conceptual Modeling (ER 2002), Springer, 2002, 2503 ,
338-350
[4] Artz, J.M. (Artz1997) How good is that data in the
warehouse? ACM SIGMIS Database, 1997 , 28
[5] Bobrowski, M.; Marr, M. & Yankelevich, D.
(Bobrowski1998) A Software Engineering View of Data
Quality European Quality Week Conference, 1998
[6] Cal, D.C. & Lenzerini, M. (Cal2002) Data Integration under
Integrity Constraints In CAiSE, 2002 , 262-279
[7] Calvanese, G.D.G. (Calvanese1999) A principled approach
to data integration and reconciliation in data warehousing In
Proc. Intl. Workshop on Design and Management of Data
Warehouses (DMDW'99), Heidelberg, Germany, 1999
[8] Cinzia Cappiello, C.F. (Cinzia2004) Data quality
assessment from the users perspective Proceedings of the
2004 international workshop on Information quality in
information systems, 2004, 68 - 73
[9] Conrad, E.A.S. (Conrad2002) Dealing with Uncertainties
during the Data(base) Integration Grundlagen von
Datenbanken, 2002
[10] D. Calvanese, G.D.G. & Rosati, R. (D.1999) Data
integration and reconciliation in data warehousing:
Conceptual modeling and reasoning support Network and
Information Systems, 1999, 2, 413-432
[11] D. Calvanese, G.D.G. & Rosati, R. (D.1998) Source
integration in data warehousing IEEE Computer Society
Press, 1998, 192-197
[12] D. M. Strong, Y.W.L. & Wang, R.Y. (D.1997) Data
Quality in Context. Communications of the ACM, 1997, 40,
103-110
[13] Diego Calvanese, G.D.G. & Rosati, R. (Diego1998)
Description logic framework for information integration. In
Proc. of the 6th Int. Conf. on the Principles of Knowledge
Representation and Reasoning (KR-98), 1998, 2-13
[14] Diego Calvanese, G.D.G. & Rosati., R. (Diego1998b)
Press, A.P.M. (ed.) Knowledge representation approach to
information integration In Proc. of AAAI Workshop on AI
and Information Integration, 1998, 58-65
[15] Diego Calvanesea, L.D. (Diego2006) Enterprise modeling
and Data Warehousing in TELECOM ITALIA. Information
Systems, 2006, 31, 132

[16] Dimitri Theodoratos, T.S. (Dimitri1999) Designing data
warehouses Data & Knowledge Engineering, 1999 , 31,
279-301
[17] Donald P. Ballou, G.K.T. (Donald1999) Enhancing data
quality in data warehouse environments Communications
of the ACM,, 1999, 42
[18] Ee-Peng Lim, R.H.C. (Ee-Peng2000) The integration of
relationship instances from heterogeneous databases
Decision Support Systems, 2000, 29, 153167
[19] Ee-Peng Lima, R.H.C. (Ee-Peng2004) Accommodating
instance heterogeneities in database integration Decision
Support Systems, 2004, 38, 213 231
[20] Farouk Missi, S.A. (Farouk2005) Why CRM Efforts Fail?
A Study of the Impact of Data Quality and Data Integration
Proceedings of the 38th Annual Hawaii International
Conference on System Sciences (HICSS'05), 2005
[21] Felix Nauman, U.L. (Felix1999) Quality-driven Integration
of Heterogeneous Information Systems Proceeding of the
25th Conference, Edimburg Scotland, 1999
[22] Giuseppe De Giacomo, D.L. (Giuseppe2004) Information
quality-driven data integration: Tackling inconsistencies in
data integration through source preferences Proceedings of
the 2004 international workshop on Information quality in
information systems ACM Press, 2004
[23] Hepner, P. (Hepner1995) Integrating Heterogeneous
Databases: An Overview School of Computing and
Mathematics Deakin University Geelong, Victoria,
Australia., 1995
[24] Hepner, P. & Zhou, W. (Hepner1997) Integrating
Heterogeneous Databases: A Distributed Model
Proceedings of the IEEE third International Conference on
Algorithms and Architectures for Parallel Processing
(ICA3PP'97), 1997, 695-702
[25] Hernandez, M.A. & Stolfo., S.J. (Hernandez1998.) Real-
world data is dirty: Data Cleansing and the Merge/Purge
problem Journal of Data Mining and Knowledge Discovery,
1998., 9-37,
[26] Jorng-Tzong Horng, C.C. (Jorng-Tzong2001) A mechanism
for view consistency in a data warehousing system The
Journal of Systems and Software, 2001, 56, 23-37
[27] L. Miller, X.Y. (L.2002) Integration of Relational
Databases and Record-Based Legacy Systems for
Populating Data Warehouses 35th Annual Hawaii
International Conference on System Sciences (HICSS'02),
2002 , 8
[28] Lei-da Chena, K.S.S. (Lei-da2000) Measuring user
satisfaction with data warehouses: an exploratory study
Information & Management, 2000, 37, 103-110
[29] Leitheiser, B.R. (Leitheiser2001) Data Quality in Health
Care Data Warehouse Environments 34th Annual Hawaii
International Conference on System Sciences ( HICSS-34),
2001, 6
[30] Levy, A.Y. (Levy1998) Combining Artificial Intelligence
and Databases for Data Integration Lecture Notes in
Computer Science, 1998, 1600, 249-268
[31] M. Garca-Solaco, F.S. & Castellanos, M. (M.1995)
Extensional Issues in Schema Integration Proc. of the Sixth
Int. Hong Kong Computer Society Database Workshop on
Database Reengineering and Interoperability, 1995, 261-
273
8
[32] Maletic, J. & Marcus, A. (Maletic2000) Data Cleansing:
Beyond Integrity Analysis In Proceedings of the
Conference on Information Quality (IQ2000), 2000
[33] Manfred A. Jeusfeld, C.Q. (Manfred1998) Design and
Analysis of Quality Information for Data Warehouses Proc.
17th International Conference on Conceptual Modeling
(ER'98), 1998, 349-362
[34] Martin, P. & Powley, W. (Martin1995) CORDS Schema
Integration Environment Dept. of Computing and
Information Science Queens University at Kingston, 1995
[35] Matthias Jarke, M.A.J. & Vassiliadis, P. (Matthias1999)
Architecture and quality in data warehouses: an extended
repository approach Information Systems, 1999 , 24, 229-
253
[36] Matthias Jarke, Y.V. (Matthias1997) Data Warehouse
Quality: A Review of the DWQ Project Invited Paper,
Proc. 2nd Conference on Information Quality, 1997
[37] Michael V. Mannino, Z.W. (Michael2004) A framework for
data warehouse refresh policies Decision Support Systems,
2004
[38] Mora, S.L. & Trujillo, J. (Mora2003) A Comprehensive
Method for Data Warehouse Design Proceedings of the 5th
Intl. Workshop DMDW'2003, 2003
[39] Panos Vassiliadis, C.Q. (Panos2001) Data warehouse
process Management Information Systems, 2001 , 26, 205
236
[40] Panos Vassiliadis, M.B. & Quix, C. (PANOS2000)
Towards quality-oriented data warehouse usage and
evolution Information Systems, 2000, 25, pp. 89 -115
[41] Park, Y. (Park2006) An empirical investigation of the
effects of data warehousing on decision performance
Information & Management, 2006, 43, 5161
[42] Paul Gray, H.J.W. (Paul1998) Present and future directions
in data warehousing ACM SIGMIS Database,, 1998, 29,
83-90
[43] Sally McClean, B.S. (Sally2000) Using background
knowledge in the aggregation of imprecise evidence in
databases Data & Knowledge Engineering, 2000, 32, 131-
143
[44] Songting Chen, J.C. & Rundensteiner, E.A. (Songting2004)
Detection and Correction of Conflicting Source Updates for
View Maintenance Proceedings of the 20th International
Conference on Data Engineering table of contents, 2004
[45] Sujansky, W. (Sujansky2001) Heterogeneous Database
Integration in Biomedicina Journal of Biomedical
Informatics, 2001, 34, 285298
[46] Surajit Chaudhuri, K.G. (Surajit2003) Similarity queries I:
Robust and efficient fuzzy match for online data cleaning
Proceedings of the 2003 ACM SIGMOD international
conference on Management of data, ACM Press, 2003
[47] Susan Davidson, P.B. & Kosky, A. (Susan1998) Semantic
of database transformation Dept. of Computer and Lecture
Notes in Computer Science, 1998
[48] Theodoratos, D. (Theodoratos1999) Data Currency Quality
Factors in Data Warehouse Design Proceed. of the
International Workshop on Design and Management of
Data Warehouses (DMDW'99), Heidelberg, Germany, 1999
[49] Wu, M. & Buchmann, A.P. (Wu1997) Research Issues in
Data Warehousing Datenbanksysteme in Buro, Technik
und Wissenschaft, Informatik, 1997, 61-82