Calidad de Datos LAFT

Las 6 dimensiones de la calidad de datos (DAMA)

Basadas en el Government Data Quality Hub del Reino Unido y armonizadas con la Circular Básica Jurídica (subnumeral 4.2.4.2.7). Haz clic en cada tarjeta para ver el detalle.

01

Completitud

↻ girar

Los datos se consideran completos cuando los campos requeridos para la prevención del riesgo de LAFT están presentes.

Métrica: 1 − (registros vacíos / total registros)
Umbral: ≥ 90%

02

Validez

↻ girar

Los datos son válidos cuando corresponden con el formato, tipo y rango esperado.

Aplica a: documento (sin espacios), nombre (sin caracteres especiales), teléfono (exactamente 10 dígitos), correo (%@%.%), fecha (en rango), variables financieras (numéricas).

03

Unicidad

↻ girar

Los datos son únicos si aparecen una sola vez en el conjunto de datos analizado (sin duplicados).

Métrica: 1 − (registros duplicados / total registros)
Umbral: ≥ 90%

04

Precisión

↻ girar

Los datos son precisos porque reflejan la realidad. Por ejemplo, los ingresos declarados por el cliente son ciertos.

Aplica a: Ingresos y Egresos. Verifica que no sean cero y que los ingresos no sean menores a los egresos.
Umbral: ≥ 90%

05

Consistencia

↻ girar

Los datos son consistentes cuando los valores de las variables son iguales al registrarse en diferentes sistemas de información.

Ejemplo: los ingresos en la BD de clientes deben coincidir con los reportados en los sistemas transaccionales LAFT.
Umbral: ≥ 90%

06

Oportunidad

↻ girar

Los datos son oportunos cuando están actualizados y disponibles cuando se requieren.

Métrica: 1 − (registros con dⱼ > Dⱼ+30 días / total)
donde dⱼ = hoy − fecha actualización y Dⱼ = días máximos por perfil de riesgo.

Umbral de calidad: Cada dimensión se considerará adecuada cuando el resultado sea ≥ 90%. Los campos que cumplan toman valor 1; los que no cumplen, valor 0. El indicador global debe ser ≥ 90% para que la calidad sea considerada adecuada.

Fuente metodológica: Data Management Association (DAMA) — estándares internacionales para gestión y calidad de datos. Armonizado con Circular Básica Jurídica, subnumeral 4.2.4.2.7.

Fórmulas por dimensión

Métricas cuantitativas para cada dimensión. El numerador siempre incluye los registros nulos (Nota 1). Todas las métricas producen un valor entre 0 y 1.

✓ Completitud

Para cada variable i:

xᵢ = 1 − (N vacíos_i / Total_i)

✓ Validez — Documento

Sin espacios en el campo:

1 − (N con espacios / Total)

✓ Validez — Nombre

Sin caracteres especiales:

1 − (N con c.especiales / Total)

✓ Validez — Teléfono

Exactamente 10 dígitos:

1 − (N con dígitos ≠ 10 / Total)

✓ Validez — Correo

Formato %@%.%:

N con formato (%@%.%) / Total

✓ Validez — Fecha

Dentro del rango válido:

N en rango fecha / Total

✓ Unicidad

Sin duplicados por variable i:

xᵢ = 1 − (N duplicados_i / Total_i)

✓ Precisión — Ingresos

No cero y mayores a egresos:

[(1−N_ings=0/T) + (1−N_ing<egr/T)] / 2

✓ Precisión — Egresos

No cero y menores a ingresos:

[(1−N_egr=0/T) + (1−N_ing<egr/T)] / 2

✓ Consistencia

Comparación entre sistemas A y B:

1 − |ΣA_i − ΣB_i| / ΣA_i

✓ Oportunidad

Actualización dentro del plazo:

xᵢ = 1 − (N[dⱼ > Dⱼ+30] / Total)

Nota 1 — Registros nulos: Para el cálculo del numerador, siempre deben incluirse los registros nulos además de los registros con el problema específico (vacíos, duplicados, inválidos, etc.).

Oportunidad — caso especial: Si la entidad solo registra una única fecha de actualización (sin distinguir el campo), el cálculo de oportunidad aplica únicamente a: celular, correo electrónico, activos, pasivos, ingresos y egresos.

Tabla 1 — Campos mínimos y dimensiones aplicables

Los campos en gris no miden esa dimensión. Se requieren matrices separadas para persona natural y persona jurídica. Solo se calculan sobre clientes activos.

Campo	Completitud	Validez	Unicidad	Precisión	Consistencia	Oportunidad
N° identificación	✓	✓	✓	N/A	N/A	N/A
Nombre completo	✓	✓	✓	N/A	N/A	N/A
Fecha nacimiento / constitución	✓	✓	N/A	N/A	N/A	N/A
Fecha de vinculación	✓	✓	N/A	N/A	N/A	N/A
Celular	✓	✓	✓	N/A	N/A	✓
Correo electrónico	✓	✓	✓	N/A	N/A	✓
Activos	✓	✓	N/A	N/A	✓	✓
Pasivos	✓	✓	N/A	N/A	✓	✓
Ingresos	✓	✓	N/A	✓	✓	✓
Egresos	✓	✓	N/A	✓	✓	✓

Persona jurídica: El campo "Fecha de vinculación" corresponde a la fecha de constitución de la empresa. Se debe ajustar la matriz para este tipo de cliente.

Prueba de recorrido: El supervisor debe replicar la consulta sobre las tablas de la entidad para corroborar los numeradores reportados en el archivo Excel.

Fórmula del indicador de calidad de datos

Calidad de datos = Σᵢⱼ Cᵢⱼ / N

Cᵢⱼ = 1 si campo i y dimensión j ≥ 90% | Cᵢⱼ = 0 si < 90% | N = total celdas evaluadas (sin celdas N/A)

Procedimiento paso a paso

1

Calcula cada métrica para cada campo y dimensión aplicable (según la Tabla 1). Obtén el porcentaje de cumplimiento.

2

Convierte a escala dicotómica: si la métrica es ≥ 90% → asigna 1. Si es < 90% → asigna 0. Ignora las celdas N/A.

3

Suma los valores 1 de todas las celdas evaluadas. En el ejemplo de la guía: 16 celdas con valor 1.

4

Cuenta las celdas evaluadas (sin incluir las N/A). En el ejemplo: 36 celdas evaluadas.

5

Divide y multiplica: (16/36) × 100 = 44%. Si el resultado es ≥ 90%, la calidad de datos es adecuada.

Resultado del ejemplo (Tabla 2 de la guía): 44% — la entidad del ejemplo tiene oportunidades de mejora significativas en completitud y oportunidad de los campos financieros y de contacto.

Calculadora interactiva

Ingresa el número de celdas con valor 1 y el total de celdas evaluadas para calcular el indicador.

Calculadora del Indicador de Calidad de Datos

Celdas con valor 1 (cumplen ≥90%)

Total celdas evaluadas (sin N/A)

Comandos de referencia MySQL

Comandos para el numerador de cada métrica. Basados en MySQL — adaptables a otros motores. El supervisor verifica que los comandos de la entidad sean similares a estos.

Completitud — registros nulos

SELECT COUNT(*)
FROM table
WHERE column IS NULL

Validez — Documento (sin espacios)

SELECT COUNT(*)
FROM table
WHERE (LEN(documento) – LEN(REPLACE(documento, ' ', '')) > 0)
   OR (documento IS NULL)

Validez — Nombre persona natural (sin caracteres especiales)

SELECT COUNT(*)
FROM table
WHERE (nombre_cliente_pn LIKE '%[^A-Za-z]%')
   OR (nombre_cliente_pn IS NULL)

Validez — Nombre persona jurídica

SELECT COUNT(*)
FROM table
WHERE (Nombre_cliente_pj REGEXP '.*[^A-Za-z0-9].*')
   OR (nombre_cliente_pj IS NULL)

Validez — Teléfono (exactamente 10 dígitos)

SELECT COUNT(teléfono)
FROM table
WHERE (LEN(teléfono) <> 10) OR (teléfono IS NULL)

Validez — Correo electrónico (formato %@%.%)

SELECT COUNT(*)
FROM table
WHERE email LIKE '%@%.%'

Validez — Fecha (en rango válido)

SELECT COUNT(*)
FROM table
WHERE (fecha > GETDATE()) OR (fecha < '1940-01-01')

Validez — Variable financiera (numérica)

SELECT COUNT(var_financiera)
FROM table
WHERE ISNUMERIC(var_financiera) = 1

Unicidad — registros duplicados

SELECT COUNT(*)
FROM (
  SELECT column, COUNT(*)
  FROM table
  GROUP BY column
  HAVING COUNT(*) > 1)

Precisión — registros igual a cero

SELECT COUNT(*)
FROM table
WHERE (column = 0) OR (column IS NULL)

Precisión — ingresos menores a egresos

SELECT COUNT(*)
FROM table
WHERE (ingresos – egresos < 0)
   OR ((ingresos – egresos) IS NULL)

Consistencia — suma para comparar sistemas A y B

SELECT SUM(column) FROM table

Oportunidad — registros desactualizados (días > perfil + 30)

SELECT COUNT(*)
FROM table
WHERE ((GETDATE() - column) > (perfil_riesgo + 30))
   OR column IS NULL

Conclusiones y buenas prácticas

Recomendaciones de la SFC para entidades vigiladas y supervisores que buscan mejorar sostenidamente la calidad de los datos de clientes.

🚨

Alertas tempranas

Implementar un sistema de alertas para identificar anomalías y desviaciones en tiempo real, más allá del monitoreo periódico. Permite acción correctiva inmediata y minimiza el riesgo LAFT.

🎓

Capacitación continua

Sensibilizar a todos los equipos y proveer capacitación especializada en tendencias de calidad de datos y LAFT. Fomentar cultura organizacional con colaboración entre áreas y responsabilidades claras.

📋

Estándares y gobernanza

Establecer estándares claros para captura, almacenamiento y procesamiento. Definir roles y responsabilidades en la gobernanza de datos, asegurando rendición de cuentas y transparencia.

🔄

Evaluación continua

Implementar un proceso de evaluación continua para medir la efectividad de las mejoras en calidad de datos y realizar ajustes según sea necesario. La SFC realiza seguimiento anual comparativo.

Resumen del proceso de supervisión

1

Compartir la guía con la entidad vigilada antes del proceso de evaluación.

2

Solicitar resultados en archivo Excel: dos matrices separadas (persona natural y jurídica), con porcentajes por campo y dimensión.

3

Prueba de recorrido: replicar las consultas SQL sobre las tablas de la entidad y verificar los numeradores reportados.

4

Calcular el indicador de calidad de datos y comunicar resultados con el mayor detalle posible de la metodología.

5

Seguimiento anual y comparación entre instituciones financieras para evaluar la evolución y efectividad de las mejoras.

Meta de calidad: El indicador ≥ 90% indica que la calidad de datos de los clientes es adecuada. Por debajo de este umbral, la entidad debe implementar planes de mejora con acciones correctivas medibles.

Autoevaluación

Calidad de Datos SARLAFT · SFC Diciembre 2025

0/ 10

Autoevaluación completada.

Calidad de Datos de Clientes — SARLAFT