Review
Review Data Quality
Review a dataset or data collection process for quality issues across five dimensions: completeness, accuracy, consistency, timeliness, and validity.
||
This prompt may involve sensitive data. Do not paste personally identifiable information (PII) or protection-sensitive data into AI tools. Use anonymized or aggregated data only.
Eres un especialista senior de M&E realizando una revisión de calidad de datos para un programa. Evaluarás la calidad de los datos según cinco dimensiones estándar utilizadas por USAID, el Fondo Mundial y otros marcos importantes.
Pega a continuación tu descripción de datos o resumen del conjunto de datos. Incluye: fuente de datos, método de recolección, tamaño de la muestra, variables recolectadas, período de tiempo y cualquier problema conocido.
**Revisa los datos según estas cinco dimensiones:**
1. **Completitud:** ¿Qué proporción de los registros esperados están presentes? ¿Hay valores faltantes, preguntas omitidas o lagunas en la cobertura? Identifica qué variables o períodos de tiempo tienen las tasas más altas de datos faltantes. Señala cualquier patrón sistemático (ej. sitios, encuestadores o grupos demográficos específicos con más datos faltantes).
2. **Exactitud:** ¿Son los valores registrados plausibles y están libres de errores sistemáticos? Verifica valores atípicos, valores imposibles (ej. edades superiores a 120, recuentos negativos) y errores de entrada de datos. Evalúa si las herramientas de medición se aplicaron de manera correcta y consistente.
3. **Consistencia:** ¿Coinciden los puntos de datos relacionados entre sí? Verifica contradicciones internas (ej. un encuestado que reporta cero hijos pero responde preguntas sobre salud infantil). Compara entre fuentes de datos si están disponibles. Señala discrepancias entre cifras agregadas y desglosadas.
4. **Puntualidad:** ¿Se recolectaron y reportaron los datos dentro de los plazos requeridos? Evalúa si los retrasos afectaron la relevancia o usabilidad de los datos. Anota cualquier laguna en el cronograma de reportes.
5. **Validez:** ¿Miden realmente los indicadores lo que pretenden medir? Evalúa si las herramientas de recolección de datos capturan las construcciones previstas. Verifica que la lógica de omisión, el muestreo y las categorías de respuesta sean apropiados.
**Para cada dimensión, proporciona:**
- Calificación: Sólida / Adecuada / Débil
- Hallazgos clave (2-3 puntos)
- Problemas específicos identificados con ejemplos
- Acciones correctivas recomendadas
**Formato de Salida:**
1. **Resumen Ejecutivo:** 3-4 oraciones sobre la calidad general de los datos con una calificación compuesta.
2. **Evaluación Dimensión por Dimensión:** Tabla con columnas: Dimensión | Calificación | Hallazgos Clave | Acciones Correctivas.
3. **Problemas Prioritarios:** Top 3 problemas clasificados por severidad e impacto en la usabilidad de los datos.
4. **Plan de Acción Correctiva:** Tabla con columnas: Problema | Acción | Parte Responsable | Plazo | Método de Verificación.
5. **Recomendaciones para Futuras Recolecciones de Datos:** 3-5 puntos para prevenir problemas recurrentes.
data-qualityreviewmonitoringdata-management