Modelado semántico de datos

Capítulo 9. Mala gestión de la calidad

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Si das a un directivo un objetivo numérico, lo conseguirá, aunque tenga que destruir la empresa en el proceso.

W. Edwards Deming

La calidad de un modelo de datos semánticos (y de cualquier producto, en realidad) no sólo se ve afectada por los errores cometidos durante su especificación y desarrollo, sino también por las malas prácticas seguidas a la hora de medir y gestionar esa calidad. Las dimensiones que elegimos medir, las métricas que utilizamos para esas mediciones y la forma en que interpretamos los valores de esas métricas pueden marcar una gran diferencia entre un modelo exitoso y uno no tan exitoso. Este capítulo describe algunas prácticas problemáticas habituales relacionadas con la calidad y sugiere formas de evitarlas.

No tratar la calidad como un conjunto de contrapartidas

Todos queremos que los modelos semánticos sean 100% precisos, completos, oportunos y relevantes, pero, la mayoría de las veces, esto no es posible ni realista. Una razón clave para ello (aparte del hecho de que el modelado semántico es una actividad humana, por y para humanos) es que existen varias compensaciones entre las dimensiones de calidad que vimos en el Capítulo 4 (precisión, exhaustividad, coherencia, etc.) que dificultan maximizar la calidad de un modelo en todas ellas al mismo tiempo.

El problema de estas compensaciones no es que ...