Introducción a Data Reviewer

Disponible con una licencia de Data Reviewer.

Para producir productos de información de alta calidad y realizar un análisis espacial con exactitud, sus datos de origen deben ser de alta calidad y estar bien mantenidos. Data Reviewer le permite administrar los datos para la producción y el análisis de datos al proporcionar un sistema para automatizar y simplificar el control de calidad de los datos que puede mejorar la integridad de los datos.

Data Reviewer proporciona un conjunto de herramientas de control de calidad (QC) que permiten un proceso de revisión de datos eficiente y uniforme. Entre ellas existen herramientas que permiten realizar análisis de datos automáticos y semiautomáticos para detectar errores en la integridad, atribución o relaciones espaciales con otras entidades. Los errores detectados se almacenan para que pueda revisarlos para corregir los flujos de trabajo y realizar informes sobre la calidad de los datos.

Revisión de datos automática

La revisión automatizada de datos evalúa la calidad de una entidad sin intervención humana. Data Reviewer incluye una biblioteca de comprobaciones configurables que le permiten validar los datos en función de sus requisitos de calidad. Las comprobaciones de Data Reviewer han sido diseñadas para evaluar distintos aspectos de la calidad de una entidad, incluidos su atribución, integridad o relación espacial con otras entidades. Las comprobaciones automáticas de Data Reviewer se pueden configurar y no requieren conocimientos de programación especializados para su implementación. En muchos casos, los profesionales de SIG con un buen conocimiento de los requisitos de calidad de sus datos pueden implementar la revisión automatizada con una formación mínima.

En los flujos de trabajo basados en reglas de atributos, las comprobaciones se configuran y almacenan en la geodatabase para evaluar la calidad de una entidad y su idoneidad para el uso. Las capacidades de revisión automatizada se pueden integrar de varias maneras:

  • Evaluando la calidad de una entidad durante su creación o modificación para evitar la introducción de entidades que no cumplan con los requisitos de calidad y para reducir la necesidad de repetir el trabajo.
  • Evaluando la calidad de una entidad después de su creación. Esto puede resultar útil cuando no se conoce la calidad de los datos existentes y se necesita una evaluación de referencia para identificar el esfuerzo requerido para lograr los requisitos de calidad.

Para obtener más información sobre los flujos de trabajo automáticos de Data Reviewer para evaluar la calidad de los datos, consulte los siguientes temas:

Revisión de datos semiautomática

No todos los errores de los datos se pueden detectar utilizando métodos automatizados. La revisión semiautomática evalúa la calidad de los datos utilizando métodos en los que normalmente intervienen flujos de trabajo guiados que requieren interacción y entradas por parte de un usuario. La revisión visual es la forma más común de revisión semiautomática y se utiliza para evaluar la calidad de formas que la revisión automática de datos no puede. Aquí se incluye la identificación de entidades que faltan, están mal colocadas o mal codificadas, así como de otros problemas que no se pueden detectar con las comprobaciones automáticas.

Para obtener más información sobre cómo utilizar Data Reviewer para implementar flujos de trabajo semiautomáticos para evaluar la calidad de los datos, consulte los siguientes temas:

Administración de errores

Data Reviewer permite administrar los errores de la detección mediante procesos de corrección y verificación. Estas capacidades mejoran la calidad de los datos al identificar el origen, la ubicación y la causa de los errores. Se reducen los costes y se evita el trabajo duplicado porque se dispone de información sobre cómo se detectó el error, quién lo corrigió y si la corrección se verificó como aceptable.

El seguimiento de los errores detectados durante el proceso de revisión de datos se realiza mediante un proceso de ciclo de vida definido. Este proceso incluye tres fases: revisión, corrección y verificación.

Fases del ciclo de vida de Reviewer

Cada fase contiene uno o más valores de estado que describen las acciones tomadas conforme el error avanza de una fase a otra.

En los flujos de trabajo basados en reglas de atributos, los errores se almacenan en la geodatabase dentro de una serie de tablas mantenidas por el sistema. Se accede a los errores mediante el panel Inspector de errores, que proporciona herramientas para la generación de informes, la navegación y la selección de funciones que facilitan la corrección de errores.

Para obtener más información sobre los flujos de trabajo de administración de errores de Data Reviewer, consulte los temas siguientes: