V Competencia HF-D7.2-004 intersectorial 9 competencias
Evaluación de la calidad de los datos
Comprueba si los conjuntos de datos están completos, son exactos, no contienen duplicados y están actualizados; describe los defectos detectados y determina si los datos son utilizables.
Cómo lo mide hrmforce
- Método de medición
- Prueba de muestra de trabajo · rho 0.33 (SD 0.09)
- Instrumento hrmforce
- Prueba de muestra de trabajo, Prueba de conocimientos (específica para cada cliente)
- Competencia (marco 50)
- Precisión
- Entrenabilidad
- alto
- Perspectiva de demanda 2026 a 2030
- en alza
El candidato realiza una muestra de trabajo representativa en condiciones estandarizadas.
Anclas conductuales
| Nivel | Comportamiento en este nivel |
|---|---|
| N1 Guiado | Revisa un conjunto de datos facilitado mediante una lista de comprobación e informa a la persona responsable de los registros que faltan o que están duplicados. trabaja bajo supervisión y sigue instrucciones · rutinario, una variable cada vez · tarea propia |
| N3 Nivel avanzado | Define las reglas de validación para una fuente de datos, cuantifica los defectos e indica si los datos son aptos para su uso. establece su propio enfoque y solicita aportaciones de forma proactiva · varias variables, cierta ambigüedad · su propio equipo o proceso |
| N5 Liderazgo | Establece el marco de calidad de los datos para toda la organización y determina qué fuentes se consideran fiables. establece la norma y la política · estratégico, en un contexto de gran incertidumbre · organización, cadena de valor o profesión |
N2 y N4 no se han anclado deliberadamente. Los evaluadores las sitúan entre los puntos de referencia, siguiendo la convención de O*NET.
Competencias subyacentes
Estas competencias heredan la vía de medición y las anclas conductuales de este constructo.
| T | Competencia | Definición | Perspectiva de demanda 2026 a 2030 |
|---|---|---|---|
| V | Comprobación de la integridad de un conjunto de datos Comprobación de exhaustividad | Comprueba si están presentes todos los registros, períodos y campos obligatorios previstos, e informa de lo que falta. | en alza |
| V | Detección y fusión de duplicados Eliminación de duplicados | Detecta registros duplicados mediante coincidencias exactas y aproximadas, y los fusiona sin perder información. | estable |
| V | Tratamiento de los valores que faltan Datos que faltan · Imputación | Analiza los motivos por los que faltan valores y opta, de forma justificada, entre la exclusión, la imputación o la presentación por separado de los datos. | en alza |
| V | Realización de perfiles de datos Perfilado de datos | Mapee el rango, la distribución, los valores únicos y la tasa de cobertura por campo antes de iniciar un análisis. | en alza |
| V | Validación de fechas y formatos Validación del formato | Comprueba los campos de fecha, moneda y código en cuanto a formato, zona horaria y valores imposibles, y corrige las desviaciones. | en descenso |
| V | Comprobación de la integridad referencial Integridad referencial | Comprueba si las referencias entre tablas son válidas y detecta registros huérfanos que carecen de un registro principal con el que coincidan. | estable |
| V | Definición de normas de calidad de los datos Normas de calidad de los datos | Registra reglas verificables por campo en cuanto a precisión, rango y obligatoriedad, y las somete a comprobaciones automáticas según un calendario establecido. | en alza |
| V | Conciliación de fuentes de datos Conciliación de datos | Compara recuentos y totales entre dos fuentes, explica las diferencias y documenta la conciliación. | estable |
| V | Detección de errores de medición en el registro Error de medición | Detecta errores sistemáticos de introducción y registro en los sistemas de origen y analiza su corrección con el responsable del proceso. | en alza |