Un desastre provocado por datos es un problema grave causado por uno o más procesos de análisis de datos ineficaces.
Según el Instituto de Almacenamiento de Datos, los problemas de calidad de los datos cuestan a las empresas en los Estados Unidos más de $ 600 mil millones al año. Además de la carga financiera, los problemas con la calidad y el análisis de los datos pueden tener un impacto grave en la seguridad, el cumplimiento, la gestión de proyectos y la gestión de recursos humanos (HRM), entre otras posibilidades.
El error puede infiltrarse en el análisis de datos en cualquier etapa. La calidad de los datos puede ser inadecuada en primer lugar, por ejemplo. Podría ser incompleto, inexacto, no actualizado o puede que no sea un indicador confiable de lo que pretende representar. El análisis y la interpretación de datos son propensos a un número similar de errores. Puede haber factores de confusión y el método matemático puede ser defectuoso o inapropiado. Se puede considerar erróneamente que la correlación sugiere causalidad. La importancia estadística puede atribuirse erróneamente cuando los datos no la respaldan. Incluso si los datos y los procesos analíticos son válidos, los datos pueden presentarse deliberadamente de manera engañosa para respaldar una agenda.
En un contexto más amplio, las fallas en los procesos basados en datos han sido responsables de desastres reales como la explosión del transbordador espacial Challenger en 1986 y el derribo de un Airbus iraní por parte del USS Vincennes en 1988.
A medida que las empresas se enfrentan a grandes aumentos en la cantidad de datos recopilados, a veces denominados big data, hay un aumento correspondiente en la tendencia hacia la gestión de decisiones basada en datos (DDDM). Los problemas surgen cuando se aplican recursos insuficientes a los procesos de datos y se confía demasiado en su validez. Para evitar desastres provocados por datos, es fundamental examinar continuamente la calidad de los datos y los procesos analíticos, y prestar atención al sentido común e incluso a la intuición. Cuando los datos parecen indicar algo que no tiene sentido lógico o simplemente parece incorrecto, es hora de volver a examinar los datos de origen y los métodos de análisis.