En los artículos anteriores de esta serie hemos visto cómo los espacios de datos organizan la confianza entre organizaciones: el rulebook que fija las reglas comunes, los roles que reparten responsabilidades y los instrumentos —acuerdos, permisos y contratos de datos— que formalizan cada intercambio. Pero hay una pregunta que antecede a todas las demás y que, curiosamente, se suele dejar para el final: ¿por qué iba nadie a querer consumir mis datos?
La respuesta es incómoda de puro sencilla: nadie construye un producto, entrena un modelo o toma una decisión sobre datos ajenos sin garantías sobre su calidad. En un espacio de datos, la calidad no es una aspiración interna de mejora continua: es el billete de entrada. Y como todo billete, hay que poder enseñarlo: de nada sirve tener datos excelentes si el consumidor no puede saberlo antes de usarlos. En este artículo explicamos por qué la calidad del dato cambia de naturaleza cuando los datos cruzan la frontera de la organización, cómo la especificación UNE 0081 permite medirla con rigor y cómo el etiquetado de calidad —con iniciativas como el proyecto europeo QUANTUM— la hace visible para quien tiene que decidir si se fía.
¿Por qué la calidad es diferente cuando los datos salen de casa?
Dentro de una organización, los problemas de calidad de los datos se compensan con conocimiento de contexto: el analista sabe que «ese campo no es fiable desde 2021» o que «las ventas de diciembre incluyen devoluciones de enero». Es una situación mejorable, pero funciona porque productor y consumidor del dato comparten pasillo.
En un espacio de datos, ese contexto desaparece. El consumidor es una organización externa que no conoce los procesos que generaron el dato, no puede inspeccionarlos y no tiene a quién preguntar en la máquina de café. Se produce lo que los economistas llaman una asimetría de información: el proveedor sabe lo que valen sus datos; el consumidor, no. Y la teoría económica —desde el célebre «mercado de limones» de Akerlof— nos enseña qué ocurre en los mercados con asimetría de información y sin señales de calidad: los productos buenos no se distinguen de los malos, los precios se hunden y el mercado termina por desaparecer.
La buena noticia es que la propia teoría económica nos da la solución: las señales de calidad. Es exactamente lo que hacen la etiqueta nutricional de los alimentos o la etiqueta energética de los electrodomésticos: condensar en un formato estandarizado y comparable una información que el comprador no puede verificar por sí mismo. Un espacio de datos maduro necesita ese mismo mecanismo, y por eso las reglas de calidad son una de las categorías esenciales de todo rulebook, como veíamos en el artículo dedicado a esta pieza.
Primero, medir: ¿de qué hablamos cuando hablamos de calidad del dato?
Antes de etiquetar hay que medir, y la calidad del dato no es una impresión subjetiva: es una disciplina con características medibles y métodos de evaluación normalizados. En el contexto español, la referencia es la especificación UNE 0081, que define cómo evaluar la calidad de un conjunto de datos a partir de las características de los modelos internacionales ISO/IEC 25012 y 25024, entre ellas:
-
- Exactitud: los datos representan correctamente la realidad a la que se refieren.
- Completitud: están todos los datos que deberían estar, sin huecos que invaliden el análisis.
- Consistencia: los datos no se contradicen entre sí ni entre sistemas.
- Credibilidad: el origen y el tratamiento de los datos son fiables y trazables.
- Actualidad: los datos están tan al día como exige el uso previsto.
Lo importante de este enfoque es que sustituye el «nuestros datos son buenos» por algo radicalmente distinto: una evaluación con criterios públicos, métricas definidas y resultados comparables. Esa evaluación es la materia prima de todo lo demás.
Después, etiquetar: hacer visible lo invisible
Medir la calidad resuelve la mitad del problema; la otra mitad es comunicarla de forma que un consumidor —humano o máquina— pueda entenderla y compararla en segundos. Ahí entra el etiquetado de calidad de los datos, una tendencia que está dejando de ser una idea académica para convertirse en exigencia regulatoria.
El caso más avanzado vuelve a ser el sanitario. El reglamento del Espacio Europeo de Datos de Salud (EHDS) prevé una etiqueta de calidad y utilidad de los datos para los conjuntos puestos a disposición a través de los organismos de acceso, obligatoria además para los datos recogidos con financiación pública. Y el encargado de diseñarla es el proyecto europeo QUANTUM, una acción financiada por Horizonte Europa con 35 socios de toda Europa (2024–2026) que está desarrollando el sistema de etiquetado de calidad, utilidad y madurez para HealthData@EU: ha definido las dimensiones y métricas de la etiqueta, ha publicado una herramienta de verificación de conformidad de código abierto y ha pilotado el etiquetado tanto de conjuntos de datos como de la madurez de las organizaciones que los custodian. La idea de fondo es exactamente la de la etiqueta energética: que un investigador pueda comparar datasets de hospitales de distintos países con un lenguaje de calidad común.
QUANTUM no está solo; el etiquetado de datos es un movimiento de fondo con múltiples expresiones:
-
- La Dataset Nutrition Label, nacida en el entorno del MIT y Harvard, propone una «etiqueta nutricional» que resume los «ingredientes» de un dataset antes de usarlo para entrenar sistemas de IA, precisamente para evitar modelos construidos sobre datos incompletos o sesgados.
- El Data Utility Framework de HDR-UK evalúa los datasets sanitarios británicos en dimensiones como utilidad, usabilidad, accesibilidad y confiabilidad para mejorar su descubrimiento por los investigadores.
- Las redes federadas de investigación como EHDEN, sobre el modelo común OMOP de la comunidad OHDSI, aplican comprobaciones sistemáticas de consistencia, completitud y plausibilidad como requisito para participar en análisis federados.
- Y en el plano técnico, vocabularios del W3C como DQV (Data Quality Vocabulary), junto a DCAT para la catalogación, permiten expresar las medidas de calidad como metadatos legibles por máquina, que es la condición para que la etiqueta viaje con el dato por los catálogos federados de los espacios de datos.
La lección transversal: sea salud, movilidad o agroalimentario, la etiqueta convierte la calidad en un atributo público del producto de datos, comparable entre ofertas y procesable por los propios conectores del espacio.
La escalera completa: de la calidad medida a la calidad verificada
Con las piezas anteriores podemos dibujar el recorrido completo de la calidad en un espacio de datos, que es también una escalera de madurez para los proveedores:
|
Estadio |
Qué significa |
Instrumento |
|
Calidad medida |
El proveedor conoce objetivamente el nivel de calidad de sus datos |
Evaluación conforme a UNE 0081 (ISO/IEC 25012/25024) |
|
Calidad etiquetada |
El nivel de calidad se comunica en un formato estandarizado y comparable |
Etiquetas de calidad y utilidad (tipo QUANTUM) y metadatos DQV/DCAT en el catálogo |
|
Calidad comprometida |
El proveedor se obliga a mantener esos niveles, con umbrales y consecuencias |
Objetivos de nivel de servicio (SLO) en el data contract |
|
Calidad verificada |
Un tercero independiente confirma los niveles conforme a un esquema reconocido |
Evaluación y certificación independiente conforme a UNE 0081 |
Los peldaños se refuerzan entre sí. La etiqueta es la señal que resuelve la asimetría de información en el momento del descubrimiento: permite comparar ofertas en el catálogo antes de negociar nada. El data contract transforma lo etiquetado en obligación: exactitud mínima, completitud mínima, frecuencia de actualización y latencia máxima dejan de ser una descripción y pasan a ser compromisos monitorizables con consecuencias pactadas, la misma lógica que llevamos décadas aplicando a la disponibilidad de los servicios tecnológicos, aplicada por fin al contenido. Y la verificación independiente cierra el círculo: igual que nadie se cree una etiqueta energética autoimpresa, la etiqueta de calidad vale lo que valga quien la respalda, por lo que la evaluación y certificación por terceros conforme a UNE 0081 es lo que convierte la señal en garantía.
Ejemplo de uso: en un espacio de datos logístico, un proveedor evalúa sus datos de posiciones de flota conforme a UNE 0081, publica en el catálogo su oferta con una etiqueta de calidad que declara niveles altos de completitud y actualidad expresados como metadatos DQV, compromete esos niveles como SLOs en el data contract y aporta una certificación independiente. El consumidor compara etiquetas en el catálogo, elige con criterio y sabe qué garantías tiene y qué ocurre si no se cumplen.
Lo que gana el proveedor (porque esto no va solo de exigencias)
Hasta aquí podría parecer que la calidad es una barrera que los espacios de datos imponen a los proveedores. La lectura correcta es la contraria: es su principal herramienta de diferenciación.
-
- Precio y posicionamiento: en un catálogo federado, la etiqueta de calidad es lo que permite competir por valor y no por precio; el dato etiquetado y certificado es al dato genérico lo que el producto con denominación de origen al producto a granel.
- Reducción de riesgo y de fricción: unos niveles de calidad claros, etiquetados y comprometidos reducen las disputas con los consumidores, acotan la responsabilidad del proveedor a lo pactado y aceleran las negociaciones, porque gran parte de la conversación ya está resuelta antes de empezar.
- Preparación regulatoria: el EHDS ya exige la etiqueta en salud, y es razonable esperar que los demás espacios de datos sectoriales europeos sigan el mismo camino; quien etiquete hoy voluntariamente llegará con ventaja cuando sea obligatorio.
- Preparación para la IA: los consumidores más exigentes del mercado de datos son hoy los sistemas de inteligencia artificial, y marcos emergentes como los principios FAIR² —de los que hemos hablado en este blog— insisten en que solo el dato de calidad conocida, documentada y comunicada es realmente aprovechable para entrenar modelos con garantías.
¿Por dónde empezar?
Para una organización que aspira a ser proveedora en un espacio de datos, el camino es abordable si se recorre por etapas:
-
- Seleccionar los conjuntos de datos candidatos a compartirse y las características de calidad relevantes para su uso previsto (no todas pesan igual en todos los casos).
- Medir conforme a un método normalizado como UNE 0081, obteniendo una fotografía objetiva del punto de partida.
- Remediar las carencias detectadas, priorizando por impacto en el uso previsto.
- Etiquetar y declarar: comunicar los niveles alcanzados mediante etiquetas y metadatos de calidad estandarizados en el catálogo del espacio.
- Comprometer: fijar esos niveles como SLOs en los data contracts con los consumidores.
- Monitorizar y certificar: automatizar la vigilancia continua de los niveles y, cuando aporte valor diferencial, someterse a evaluación y certificación independiente.
Los espacios de datos van a poner a cada organización frente a un espejo exigente: sus datos serán consumidos por terceros que no conocen su contexto, no perdonan sus defectos y pueden elegir otra oferta del catálogo. En ese escenario, la calidad del dato deja de ser un asunto interno de los equipos técnicos y se convierte en una cuestión de competitividad: se mide con normas como la UNE 0081, se hace visible mediante etiquetas como las que el proyecto QUANTUM está construyendo para el espacio de datos de salud, se compromete en los data contracts y se demuestra mediante certificación independiente. La secuencia importa: medir, etiquetar, comprometer, verificar. Quien la recorra no solo podrá entrar en los espacios de datos: podrá destacar en ellos.
Si tu organización quiere evaluar la calidad de sus datos, etiquetarlos y prepararlos para compartirse con garantías, o avanzar hacia su certificación, en DQTeam podemos ayudarte. ¡Hablemos de datos!
