Gestión de data para la medición de valor social

La buena gestión de datos incluye el desarrollo de procesos efectivos para su recopilación, registro,
almacenamiento, respaldo, limpieza y modificación de manera consistente, para que puedan ser
transferidos entre diferentes tipos de software de análisis.

La buena gestión de datos está inseparablemente vinculada a la garantía de calidad de los mismos
(procesos y procedimientos que se utilizan para garantizar la calidad). El uso de datos, de baja calidad o
de origen desconocido, puede resultar erróneo en la toma de decisiones sobre políticas y programas. El
control de calidad de los datos debe integrarse en cada paso del ciclo de datos: recopilación, información,
análisis, difusión y retroalimentación.

Incluso cuando los datos se han recopilado por medio de procedimientos

bien definidos y herramientas estandarizadas, deben revisarse en busca de
datos inexactos o faltantes. Esta "limpieza de datos" implica encontrar y
tratar cualquier error que ocurra durante la escritura, lectura,
almacenamiento, transmisión o procesamiento de datos computarizados.

Asegurar la calidad de los datos también se extiende a su presentación en

el informe de evaluación para que los hallazgos sean claros y las
conclusiones fundamentadas.
A menudo, esto implica hacer que los datos sean accesibles para que otros puedan verificarlos y/o
utilizarlos con fines adicionales, como para sintetizar resultados en diferentes evaluaciones.

Los aspectos comúnmente referidos a la calidad de los datos son:

⮚ Validez: el grado en que los datos miden lo que se pretende medir.

⮚ Fiabilidad: los datos se recopilan de forma coherente; las definiciones y las metodologías son
las mismas cuando se realizan mediciones repetidas a lo largo del tiempo.

⮚ Integridad: los datos están completos (es decir, no faltan datos o elementos de datos).

⮚ Precisión: los datos tienen suficiente detalle.

⮚ Integridad: los datos están protegidos contra sesgos o manipulaciones deliberadas por razones
políticas o personales.

⮚ Disponibilidad: los datos son accesibles para que puedan validarse y utilizarse con otros fines.

⮚ Oportunidad: los datos están actualizados al día y disponibles a tiempo.

Recomendaciones para el manejo de data

A continuación, encuentran recomendaciones para el manejo de data para el valor social:

Recopilación y registro de datos coherentes: procesos para garantizar que los datos se recopilan de
forma coherente en diferentes sitios y por diferentes recopiladores.

Copia de seguridad de datos: procesos internos y externos, automáticos y manuales, para evitar el
riesgo de pérdida o corrupción de datos.

Limpieza de datos: detectar, eliminar o corregir errores e inconsistencias en

un conjunto de datos o base de datos debido a la corrupción o al ingreso
incorrecto de los mismos.

Transferencia de datos efectiva: procesos para mover datos entre sistemas,

incluso entre paquetes de software, para evitar la necesidad de cambiar los
datos.

Almacenamiento seguro de datos: procesos para proteger los datos

electrónicos y de copias impresas en todas sus formas, incluidos cuestionarios,
cintas de entrevistas y archivos electrónicos; impidiendo acceder a ellos sin autorización y/o evitando
daños.

Archivar datos para uso futuro: sistemas para almacenar datos no identificados de modo que se pueda
acceder a ellos con fines de verificación o para futuros análisis e investigaciones en el futuro.

Este texto fue adaptado de Betterevaluation.org por Measurement Matters en abril de 2019