Qualidade de Dados: As 4 Dimensões

Qualidade de Dados: As 4 Dimensões

Seu relatório diz "99% completo". 1% de 1 milhão = 10 mil pedidos faltando. Resultado: R$ 300 mil em oportunidade perdida.

As 4 Dimensões

Completude: Quantos campos preenchidos? Se 95% dos emails vazios, segmentação não funciona.

Consistência: Mesmo cliente tem 3 CPFs diferentes. Qual é certo? Sistema não sabe.

Conformidade: Email tem @? CEP tem 8 dígitos? Telefone tem 11?

Acurácia: Formato está certo, mas informação é factualmente errada. Cliente nasceu em 2050.

Como Medir

class Qualidade:
      @staticmethod
      def completude(df, coluna):
      nao_nulos = df[coluna].notna().sum()
      return (nao_nulos / len(df)) * 100
      @staticmethod
      def conformidade(emails):
      import re
      validos = sum(1 for e in emails
      if re.match(r'[\w\.-]+@[\w\.-]+\.\w+', e))
      return (validos / len(emails)) * 100
      qualidade = Qualidade()
      completude = qualidade.completude(df, 'email')
      print(f"Email: {completude:.1f}%")

Monitoramento

Meça todo dia. Segunda: 98% completo. Terça: 87%! Queda de 11%. Algo quebrou na extração.

Detecte tendências. Alerte quando cai abaixo de threshold.

Ganho

Qualidade conhecida = decisões confiáveis. Qualidade desconhecida = risco silencioso.