Todo informe parte de supuestos sobre los datos: los identificadores son únicos, cada línea de pedido tiene un pedido, los precios son positivos y las direcciones de correo electrónico están completas. Las comprobaciones de calidad de datos convierten cada supuesto en una consulta que devuelve las filas que lo incumplen. Un resultado vacío indica que se supera la comprobación.
Las cuatro comprobaciones que se aplican a cada tabla:
- Claves únicas:
GROUP BY key HAVING COUNT(*) > 1.
- Sin registros huérfanos: filas secundarias cuyo registro principal no existe (
LEFT JOIN ... WHERE parent IS NULL o NOT EXISTS).
- Valores válidos: rangos y listas de valores permitidos (
WHERE price <= 0 OR cost > price).
- Completitud: la proporción de valores NULL en columnas que deberían estar completas.
Herramientas como dbt ejecutan comprobaciones como estas en cada carga y detienen el flujo de procesamiento cuando alguna falla. Escribirlas como consultas simples funciona en cualquier entorno.
Una comprobación de unicidad: cada fila devuelta corresponde a una clave duplicada.