1 / 19

Calidad de datos: detección y corrección

Calidad de datos: detección y corrección. I Taller sobre calidad en bases de datos sobre biodiversidad 13-14 septiembre 2007. Madrid. Francisco Pando Unidad de Coordinación GBIF-España. Guión. Conceptos Ciclo de vida de los datos y detección

bendek
Download Presentation

Calidad de datos: detección y corrección

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Calidad de datos: detección y corrección I Taller sobre calidad en bases de datos sobre biodiversidad 13-14 septiembre 2007. Madrid. Francisco Pando Unidad de Coordinación GBIF-España

  2. Guión • Conceptos • Ciclo de vida de los datos y detección • Introducción de datos: interpretar, distorsionar, errar • Captura de errores: validación y detección • Diseño de base de datos y gestión de errores • Virtualidad y realidad en las BBDD • Casos • La casa por los cimientos. Un ejemplo de Eslovenia

  3. Información original y derivada

  4. Ciclo de vida de los datos y detección Chapman, A. D. 2005. Principles of Data Quality, version 1.0. Report for GBIF

  5. Introducción de datos: interpretar, distorsionar, errar Una base de datos debe conciliar dos requisitos en extremo irreconciliables: • Representar la realidad • Que la información se encuentre, se pueda comparar y analizar ( estandarizar y normalizar  interpretar) Estándares (o referencias) explícitos usados con consistencia

  6. Componentes de la validación Validación = detectar y corregir: • Inexactitudes • Falta de datos • Potenciales errores (datos no razonables) La validación trata de garantizar la veracidad del registro

  7. Captura de errores: validación y detección • Validación: asegura que los datos se corresponden con el objeto. Incluye también el control de inexactitudes y pérdida de datos

  8. Procedimiento • Establecer procedimientos que no conlleven pérdida de datos • Las reglas de normalización deben cubrir todos los casos • Los procedimientos no deben bloquear el progreso del trabajo ante casos no contemplados o dudas

  9. Procedimientos que permita que los errores detectados se corrijan en la base de datos

  10. Por ejemplo: http://data.gbif.org/occurrences/76377384/ Proporcionar al usuario la posibilidad de reportar errores o comentarios

  11. Diseño de base de datos y gestión de errores • Diseños normalizados de bases de datos

  12. Diseño de base de datos y gestión de errores • Recomendación: distintos formatos de la misma información debe calcularse de un campo a otro para su uso específico y no duplicar la información en campos paralelos Campo UTM: 30TUF345871 Campo UTM: 30TUF345871 Campo UTM10: 30TUF38 … Y si.. Campo UTM: 30TUF345871 Campo UTM10: 30TUF31 Campo UTM: 30TUF38 temporal calculado

  13. Virtualidad y realidad en las BBDD Cuestión para debatir ¿Debe el objeto reflejar toda la información acumulada a partir del el? por ejemplo: ref. al Genbank, nombre de la camisa (Bot.) o de colección (Zool.)

  14. Casos (1) “Misma especie, misma localidad, al mismo sobre” ¡no hacer en casa!

  15. Casos (2) “Las malas identificaciones son errores que se han de corregir [i.e. eliminar]” ¡no hacer en casa!

  16. Casos (3)

  17. Casos (4)

  18. Casos(3) Herbar 3.4 Herbar 3.5

  19. Para terminar:La casa por los cimientos: Un ejemplo de Eslovenia

More Related