---
title: "O que é qualidade dos dados? Dimensões e métricas"
description: "Qualidade dos dados é o quanto os dados servem ao uso pretendido: precisão, completude, consistência, atualidade, validade e unicidade. Veja como verificar."
url: https://proxynet.io/pt-br/blog/what-is-data-quality
date: 2026-11-18
author: "Acar Diveroli"
category: "Casos de uso, Web scraping"
lang: pt-BR
---

# O que é qualidade dos dados? Dimensões e métricas

Um painel de preços mostra que um concorrente baixou os preços de 300 produtos da noite para o dia, e o diretor comercial quer uma resposta até segunda-feira. Na sexta, um analista abre as linhas brutas. Um terço das "reduções" são preços em euros em uma coluna que o relatório lê como libras, porque a coleta rodou a partir de um servidor em outro país, e quarenta linhas trazem o título de uma página de verificação no lugar do nome do produto. Todas as execuções terminaram com sucesso, e mesmo assim os dados não sustentavam a decisão para a qual foram coletados. É dessa lacuna que trata a qualidade dos dados.

Este artigo explica o que significa qualidade dos dados, as seis dimensões usadas para descrevê-la, como transformá-las em métricas e verificações automáticas, como a qualidade se diferencia de limpeza, governança e integridade, como os dados da web dão errado sem nenhuma mensagem de erro e quem responde por ela.

> **Nota: Resposta rápida**
>
> Qualidade dos dados é o grau em que os dados servem para o trabalho em que você os usa. A maioria das equipes a avalia por seis dimensões: precisão (os dados correspondem à realidade), completude (os valores necessários estão presentes), consistência (os valores não se contradizem), atualidade (os dados estão em dia quando são necessários), validade (seguem o formato e a faixa esperados) e unicidade (cada item real aparece uma vez só). Para medi-la, você escolhe os campos que importam, escreve uma regra testável para cada dimensão, pontua cada lote com essas regras e age quando uma pontuação cai abaixo de um limite combinado. Qualidade ruim raramente aparece como mensagem de erro; ela aparece como uma decisão errada.

## O que é qualidade dos dados?

Qualidade dos dados é o quanto um conjunto de dados atende a um propósito específico; por isso, os mesmos dados podem bastar para um trabalho e ser insuficientes para outro. O **[Data Quality Framework](https://www.gov.uk/government/publications/the-government-data-quality-framework/the-government-data-quality-framework)** (estrutura de qualidade dos dados) do governo do Reino Unido a chama de "adequação ao propósito" e a resume em uma pergunta: esses dados são bons o bastante para o que eu quero fazer com eles?

Pense em uma tabela de preços da concorrência coletada uma vez por dia. Para um relatório mensal sobre níveis de preço, ela funciona, mesmo que faltem alguns produtos em alguns dias. Para uma regra de reprecificação automática que reage em menos de uma hora, a mesma tabela não basta: um preço de ontem está desatualizado, e um único valor errado mexe no seu próprio preço. Qualidade nunca é uma propriedade só dos dados; é a medida dos dados diante de um uso.

## Quais são as seis dimensões da qualidade dos dados?

As seis dimensões mais usadas são precisão, completude, consistência, atualidade, validade e unicidade. Elas foram definidas pela DAMA UK, uma associação de gestão de dados, e o governo do Reino Unido as recomenda em um breve [texto explicativo sobre as seis dimensões](https://www.gov.uk/government/news/meet-the-data-quality-dimensions):

- **Precisão:** os dados correspondem à realidade. Um produto registrado a 19,99 custa de fato 19,99 na página da loja.
- **Completude:** todo valor de que o trabalho precisa está presente. Um preço sem moeda está incompleto.
- **Consistência:** os valores não se contradizem, nem dentro de um registro nem entre conjuntos de dados. "Fora de estoque" ao lado de um estoque de 40 unidades é inconsistente.
- **Atualidade:** os dados estão em dia quando são necessários. O preço de ontem serve para um relatório semanal e chega atrasado para um alerta no mesmo dia.
- **Validade:** os valores seguem o formato, o tipo e a faixa esperados. Um preço de -3 ou o código de moeda "EURO" não passa.
- **Unicidade:** cada item do mundo real aparece uma vez. Um produto coletado de dois endereços conta duas vezes em cada média.

As dimensões se sobrepõem, mas nenhuma substitui outra. Um valor pode ser válido e ainda assim estar errado: "EUR" é um código de moeda válido, mas impreciso se a loja cobrou em libras. Por isso você escolhe as dimensões de que o seu propósito depende e as verifica em conjunto; a orientação britânica trata a lista como ponto de partida, não como regra fixa.

| Dimensão | Pergunta que responde | Verificação de exemplo | Métrica típica |
|---|---|---|---|
| Precisão | Corresponde à realidade? | Comparar uma amostra com a fonte | % de acertos na amostra |
| Completude | Está tudo o que é preciso? | Preço e moeda não vazios | % de linhas preenchidas |
| Consistência | Os valores batem? | Fora de estoque significa estoque 0 | % de linhas coerentes |
| Atualidade | É recente o bastante? | Coletado nas últimas 24 horas | Horas desde a coleta |
| Validade | O formato está certo? | Preço acima de 0, moeda conhecida | % de valores válidos |
| Unicidade | Cada item aparece uma vez? | Uma linha por produto por dia | Taxa de duplicados |

## Como medir a qualidade dos dados?

Você mede a qualidade dos dados transformando cada dimensão relevante em uma regra que um computador consiga verificar, aplicando as regras aos dados e acompanhando a proporção de registros aprovados. Seis etapas cobrem a maioria dos cenários:

1. **Escolha os campos críticos.** Liste as decisões que os dados alimentam e os campos de que elas dependem. No monitoramento de preços: ID do produto, preço, moeda, situação de estoque e horário da coleta.
1. **Escreva as regras.** Diga o que significa "bom" em termos testáveis: "o preço é um número maior que zero", "coletado nas últimas 24 horas".
1. **Faça o perfilamento dos dados.** Veja o que os dados realmente contêm: valores vazios, valores distintos, mínimo e máximo, formatos comuns. O perfilamento costuma revelar regras que ninguém escreveu, como um preço provisório de 0,01.
1. **Pontue cada dimensão.** Rode as regras e transforme os resultados em proporções por campo.
1. **Defina limites.** Combine pontuações aceitáveis com quem usa os dados, por exemplo completude do preço acima de 99%. Dê a cada limite uma ação: avisar, segurar o lote ou bloqueá-lo.
1. **Monitore e alerte.** Rode as mesmas verificações em cada lote, guarde as pontuações ao longo do tempo e avise alguém quando uma pontuação ultrapassar o limite ou der um salto entre duas execuções.

As métricas são proporções simples. Em um catálogo fictício de 10.000 linhas de produtos, 9.700 linhas com preço dão 97% de completude, e 150 linhas que repetem um produto já listado dão uma taxa de duplicados de 1,5%. Validade é a proporção de valores que passam nas regras de formato e faixa, e a idade dos dados (freshness lag) é o tempo desde a coleta de cada registro. Precisão é a proporção de valores corretos em uma amostra conferida à mão com a fonte, a única dimensão que nenhuma regra consegue testar por completo.

Algumas equipes juntam tudo em uma única pontuação de qualidade dos dados, muitas vezes a proporção de verificações aprovadas. Ela é prática em um painel, mas esconde detalhes: 98% no geral pode significar que o campo de preço falhou em todas as linhas de um mercado.

## Como são as verificações de qualidade dos dados na prática?

Verificações de qualidade dos dados são pequenos testes automáticos que rodam onde os dados entram em um sistema, mudam ou saem dele, e cada uma aprova, alerta ou interrompe o lote. Os tipos mais comuns:

- **Verificações de esquema e tipo:** as colunas esperadas existem e guardam o tipo certo.
- **Verificações de formato e faixa:** as datas podem ser interpretadas, os códigos de moeda vêm de uma lista conhecida e os preços ficam dentro de uma faixa plausível.
- **Verificações referenciais:** um valor que aponta para outro lugar encontra o seu destino, como o ID do produto de cada linha de preço na tabela de produtos.
- **Verificações entre campos:** os campos de um registro concordam entre si, por exemplo um preço promocional que não é maior que o preço normal.
- **Verificações de volume e atualidade:** o lote tem o número habitual de linhas e chegou no horário; 200 linhas em vez de 20.000 são um problema mesmo que as 200 estejam impecáveis.
- **Alertas de anomalia:** uma estatística se afasta muito do seu histórico recente, como o preço médio de uma categoria caindo pela metade da noite para o dia.

Rode as verificações rígidas onde os dados entram, para que as linhas ruins fiquem em quarentena (separadas para revisão em vez de carregadas ou apagadas), e as de anomalia depois de cada lote. Depois corrija as causas na origem; o framework britânico recomenda a análise de causa raiz em vez de correções temporárias.

## Qual é a diferença entre qualidade, limpeza, governança e integridade dos dados?

A qualidade dos dados mede se os dados servem para um uso; a limpeza é uma forma de melhorá-la, a governança de dados é o conjunto de regras e papéis em torno dela, e a integridade significa que os dados não foram alterados nem perdidos sem autorização. Esses termos costumam ser confundidos:

| Termo | O que é | Pergunta que responde |
|---|---|---|
| Qualidade dos dados | O quanto os dados servem para um uso | Podemos confiar neles para esta decisão? |
| Limpeza de dados | Consertar valores que você já tem | Como corrigimos o que está errado? |
| Validação de dados | Verificação de regras na entrada ou antes do uso | Este registro segue as regras? |
| Governança de dados | Políticas, papéis e propriedade | Quem decide, e com quais regras? |
| Integridade dos dados | Proteção contra alterações não autorizadas | Os dados continuam como foram armazenados? |
| Enriquecimento de dados | Acrescentar campos ausentes a partir de outras fontes | O que mais precisamos saber? |

A limpeza é a etapa de conserto: remover espaços, converter em números os preços que chegam como texto, mesclar duplicados. Ela eleva a qualidade, mas não a define, e limpar sem verificar pode produzir dados arrumados que continuam errados. Um script completo e testado está em [Como limpar dados de scraping com pandas](/pt-br/blog/clean-scraped-data-with-pandas).

A integridade vem da área de segurança. O NIST, o instituto de padrões dos Estados Unidos, define integridade dos dados como a propriedade de que os dados [não foram alterados de forma não autorizada](https://csrc.nist.gov/glossary/term/data_integrity) desde que foram criados, transmitidos ou armazenados. Um banco de dados pode manter a integridade intacta e ainda guardar um preço que estava errado desde o início.

O enriquecimento aumenta a completude e pode reduzir a precisão quando um registro é associado à fonte errada; [O que é enriquecimento de dados?](/pt-br/blog/what-is-data-enrichment) mostra como medir as taxas de correspondência e de preenchimento. Observabilidade de dados (data observability), termo das ferramentas de monitoramento, significa acompanhar de forma contínua a atualidade, o volume e o esquema em muitos pipelines.

## Como os dados da web dão errado sem nenhum erro?

Os dados da web dão errado em silêncio porque um scraper lê páginas feitas para pessoas, e quando uma página muda ou não é a página esperada, a execução ainda devolve alguma coisa. Cinco modos de falha causam a maior parte dos problemas:

- **Uma mudança de layout esvazia um campo.** O site refaz parte da página, o extrator não encontra nada e a coluna de preços se enche de vazios enquanto a execução informa sucesso. Acompanhe a completude por campo a cada execução: uma queda de 99% para 0% é um extrator quebrado, não um movimento do mercado.
- **Uma página de bloqueio ou verificação é salva como dado.** O site devolve uma página de "acesso negado" ou de verificação, às vezes com um código de status normal, e o parser toma o título dela pelo nome de um produto. Exija um marcador que só a página real tenha, como o ID do produto, e trate todo o resto como uma coleta que falhou. Tente de novo mais tarde, em um ritmo mais lento; se o site continuar recusando, procure um feed oficial ou uma API.
- **O preço vem do país errado.** Muitas lojas mostram preço, moeda e estoque conforme a localização do visitante, então uma execução que roda a partir de um país coleta a versão desse país para todos os mercados. Guarde o código da moeda com cada preço e confira com o mercado que a linha descreve; [Por que os preços mudam de país para país?](/pt-br/blog/geo-pricing-by-country) explica o que causa essas diferenças.
- **Uma cópia em cache esconde uma mudança.** Um cache, seu ou um que fica entre você e o site, pode continuar servindo o preço de ontem. Guarde o horário de coleta de cada página e sinalize preços que ficam inalterados por muito mais tempo que o normal.
- **O mesmo produto aparece em duas URLs.** Caminhos de categoria e parâmetros de rastreamento criam vários endereços para uma página. Deduplique com uma chave estável, como o ID do produto ou o GTIN (o número embaixo do código de barras), e leia o link `rel="canonical"` da página, que a RFC 6596 define como o endereço preferido de um site entre duplicados.

Duas dessas falhas dependem de onde a requisição sai. Os [Proxies residenciais](https://proxynet.io/pt-br/residential-proxy) com segmentação por país e cidade permitem que uma verificação de preço ou estoque rode como um visitante local do mercado que você mede. Uma sessão fixa mantém o mesmo endereço IP durante uma verificação de várias páginas (de 1 a 60 minutos nos nossos proxies residenciais e móveis), e assim a página do produto e o carrinho veem a mesma versão da loja. Um proxy não torna os dados corretos: cada registro continua passando pelas verificações, e os termos do site e os limites de requisições continuam valendo.

Equipes que preferem não operar a coleta por conta própria podem usar a extração gerenciada de páginas da nossa [Web Scraping API](/pt-br/data-scraping), disponível por meio do nosso time de vendas.

## Quem responde pela qualidade dos dados?

A responsabilidade é compartilhada, mas cada conjunto de dados precisa de um proprietário nomeado, que decide o que é "bom o bastante", e de um data steward (administrador de dados), que mantém os dados nesse nível:

- **Proprietário dos dados (data owner):** um gestor da área de negócio, como o chefe de precificação, que responde pelo conjunto de dados, define os limites e decide o que acontece quando eles não são atingidos.
- **Data steward:** cuida do conjunto de dados no dia a dia, mantém as regras, revisa os registros em quarentena e rastreia os problemas até a causa.
- **Produtores de dados:** as equipes e os sistemas que criam ou coletam os dados. É aqui que a maioria dos problemas sai mais barata de corrigir.
- **Consumidores de dados:** analistas, cientistas de dados e aplicações que usam os dados. Eles costumam perceber os problemas primeiro e precisam de um jeito fácil de relatá-los.

Um analista ou engenheiro de qualidade dos dados pode criar as verificações e os painéis, mas não substitui o proprietário: sem alguém que possa barrar um relatório que não atinge os limites, esses limites continuam sendo sugestões.

## Quanto custa a má qualidade dos dados?

A má qualidade dos dados custa dinheiro por meio de decisões erradas e retrabalho, e cria risco jurídico quando há dados pessoais ou sistemas de IA envolvidos. O número que vale a pena conhecer é o seu: horas gastas corrigindo relatórios, campanhas enviadas para endereços errados, preços definidos com base em entradas ruins. Um modelo treinado com registros duplicados ou com rótulos errados aprende os erros.

Em dados pessoais, a precisão é um dever legal. O Regulamento Geral sobre a Proteção de Dados da UE (GDPR) exige que os dados pessoais sejam [exatos e atualizados sempre que necessário](https://eur-lex.europa.eu/eli/reg/2016/679/oj/por) e que os dados inexatos sejam apagados ou retificados sem demora (artigo 5º, nº 1, alínea d, princípio da "exatidão"). Na Türkiye, a KVKK (Lei nº 6698 de Proteção de Dados Pessoais) estabelece o mesmo princípio no artigo 4º. O Regulamento da Inteligência Artificial da UE exige que os fornecedores de sistemas de IA de alto risco usem conjuntos de dados de treinamento, validação e teste pertinentes, suficientemente representativos e, na medida do possível, livres de erros e completos, tendo em vista a finalidade prevista (artigo 10, nº 3).

## Onde a qualidade dos dados importa mais?

- **Preços e e-commerce:** preços, estoques e promoções da concorrência que alimentam a reprecificação automática.
- **Pesquisa de mercado:** respostas de questionários, dados de painel e dados públicos da web por trás do dimensionamento de mercado.
- **Aprendizado de máquina:** dados de treinamento e teste, em que duplicados e rótulos errados vão direto para o modelo.
- **Finanças e relatórios:** números que acabam em relatórios gerenciais e em declarações oficiais.
- **CRM e marketing:** registros de clientes e contas usados em segmentações e ações de contato.
- **Operações:** endereços, dimensões de produtos e níveis de estoque que orientam as entregas.

## Erros comuns

- **Verificar só o formato.** Dados válidos ainda podem estar errados; compare uma amostra com a fonte.
- **Relatar uma única pontuação geral.** Uma média de 98% pode esconder um campo que falha por completo em um mercado.
- **Limites sem ações.** Uma pontuação que passa do limite e não muda nada é enfeite.
- **Remendar no fim da linha.** Corrigir o relatório em vez da coleta significa repetir a mesma correção na semana seguinte.
- **Confundir execução bem-sucedida com dados bons.** Devolver linhas não é o mesmo que devolver as linhas certas.
- **Não registrar o horário de coleta de cada registro.** Sem ele, não dá para medir a atualidade.
- **Apagar linhas ruins em silêncio.** Coloque-as em quarentena e conte-as, ou você não saberá se a qualidade está melhorando.

## Guia de decisão

| Necessidade | Recomendação |
|---|---|
| Começar do zero | Escolha de 5 a 10 campos críticos; verifique primeiro completude, validade e unicidade |
| Um relatório em que ninguém confia | Faça o perfilamento dos dados; compare uma amostra com a fonte |
| Dados de scraping que quebram em silêncio | Verificação de completude por campo e de número de linhas a cada execução |
| Preços ou estoque em vários mercados | Colete a partir de cada mercado; guarde moeda e localização por linha |
| Duplicados que inflam as médias | Deduplique por uma chave estável de produto, não pela URL |
| Dados pessoais no conjunto | Um processo de exatidão e retificação conforme o GDPR ou a lei local |
| Dados de treinamento para um modelo | Deduplique, confira os rótulos em uma amostra, registre as fontes |
| Muitos conjuntos de dados, muitas equipes | Nomeie um proprietário e um data steward por conjunto; publique os limites |

## Perguntas frequentes

### Quais são as 6 dimensões da qualidade dos dados?

As seis dimensões são precisão, completude, consistência, atualidade, validade e unicidade, conforme definidas pela DAMA UK. Elas perguntam se os dados correspondem à realidade, estão completos, são coerentes entre si, estão em dia, seguem o formato e a faixa esperados e listam cada item uma única vez.

### Qual é a diferença entre qualidade e integridade dos dados?

A qualidade dos dados pergunta se os dados servem para um uso: se estão corretos, completos, atualizados e consistentes. A integridade pergunta se os dados continuam como foram armazenados, sem alteração ou perda não autorizada ou acidental. Um registro pode manter a integridade intacta e ainda assim estar errado, se já estava errado quando foi salvo pela primeira vez.

### Como medir a qualidade dos dados?

Escolha os campos que importam, escreva uma regra testável para cada dimensão relevante e calcule a proporção de registros aprovados: percentual de completude, percentual de validade, taxa de duplicados, idade dos dados e precisão em uma amostra conferida à mão. Defina um limite para cada métrica e acompanhe as pontuações a cada lote novo.

### Quem responde pela qualidade dos dados?

Um proprietário dos dados, em geral um gestor da área de negócio, responde por um conjunto de dados e define os limites, enquanto um data steward mantém as regras e rastreia os problemas até a causa. As equipes que produzem os dados corrigem os problemas na origem, e quem usa os dados relata o que parece errado.

### Qual é a diferença entre qualidade e limpeza de dados?

A qualidade dos dados é a medida; a limpeza de dados é uma forma de melhorá-la. As verificações de qualidade mostram quais valores estão ausentes, inválidos, duplicados ou desatualizados, e a limpeza os conserta. Limpar sem verificar pode produzir dados arrumados que continuam errados.

### Com que frequência a qualidade dos dados deve ser verificada?

Verifique a qualidade dos dados automaticamente sempre que chegarem dados novos, com as mesmas regras a cada vez. Revise as regras e os limites quando o uso mudar ou uma fonte nova for adicionada, e confira de novo à mão uma amostra para a precisão em um calendário fixo, por exemplo uma vez por mês.

## Em resumo

Qualidade dos dados é adequação a um propósito, não uma propriedade que os dados tenham por si só. Descreva-a com as seis dimensões, transforme em regras aquelas de que o seu uso depende, pontue cada lote e aja quando uma pontuação ultrapassar o limite. Nos dados da web, verifique também as falhas que não geram erro, nomeie um proprietário para cada conjunto de dados e colete os dados de cada mercado a partir desse mercado; a nossa página de [monitoramento de preços](/pt-br/price-monitoring) associa cada tipo de verificação de preço ao tipo de proxy de que ela precisa.
