Hoja de ruta de ArcGIS Data Reviewer (Q2 2026)

JayCary

La hoja de ruta de ArcGIS Data Reviewer describe el cronograma estimado para las funciones y mejoras planificadas en futuras versiones. Estos cronogramas están sujetos a cambios a medida que evolucionan los comentarios y prioridades de los clientes.<\/P>

¿Falta alguna función o no está priorizada que afecte su programa de gestión de calidad de datos? Le animamos a compartir sus comentarios en el lugar Data Reviewer Ideas<\/A> en la Comunidad Esri. Sus sugerencias influyen directamente en el desarrollo futuro. Después de enviar una idea, el equipo de producto la revisa y considera para su inclusión en próximas versiones, ayudando a garantizar que Data Reviewer continúe satisfaciendo sus necesidades.<\/P>

Para obtener más información sobre la última versión de

ArcGIS Data Reviewer<\/A>, consulte el blog Qué hay de nuevo en ArcGIS Data Reviewer<\/A>.<\/P>

Objetivos a corto plazo<\/STRONG><\/H3>Los objetivos a corto plazo incluyen nuevas funciones y mejoras planificadas para las próximas dos versiones del software. Normalmente, Data Reviewer se lanza dos veces al año con ArcGIS Pro y ArcGIS Enterprise. Los objetivos a corto plazo incluyen lo siguiente:<\/P>Objetivos a corto plazo para Data Reviewer<\/span><\/span><\/P> <\/P>Simplificar la revisión de calidad de datos<\/H4>Para mejorar la experiencia del usuario, ArcGIS Data Reviewer introducirá una serie de mejoras que abordan desafíos comunes en la implementación de flujos de trabajo automatizados de control de calidad. Esto incluye minimizar errores durante el proceso de compartir capas web habilitadas para servidor de validación, particularmente aquellas que contienen reglas de atributos creadas usando las comprobaciones de Data Reviewer. Estas mejoras ayudarán a detectar capas faltantes e identificar problemas relacionados con la licencia y versión de un servidor federado. <\/P>Además, se planean mejoras que aumentan la observabilidad al solucionar problemas del rendimiento de las reglas de atributos de validación. Los administradores obtendrán mejores herramientas e información para diagnosticar y resolver problemas de validación de datos, lo que conducirá a procesos de control de calidad más eficientes y con mejor rendimiento.<\/P>Detección de errores impulsada por IA<\/H4>El asistente ArcGIS Pro trae productividad impulsada por IA directamente a ArcGIS Pro, ayudando a los usuarios a transformar tareas GIS cotidianas en experiencias conversacionales intuitivas. Con la versión beta 3.7 del asistente ArcGIS Pro<\/A>, las capacidades de Data Reviewer introducen flujos de trabajo automatizados más inteligentes para la calidad de datos, ayudando a los usuarios a predecir comprobaciones de validación, descubrir insights sobre datos y configurar controles de calidad más eficientemente. El soporte inicial se centra en conjuntos de datos de redes eléctricas y hídricas, con soporte adicional para mapeo interior. A medida que estas capacidades evolucionen, se expandirán a más industrias y se refinarán mediante comentarios recopilados durante las pruebas beta.<\/P>

Mejoras en el control automático de calidad<\/H4>Las comprobaciones automáticas de calidad de datos son una de las capacidades más utilizadas en Data Reviewer. Las comprobaciones Data Reviewer<\/A> soportan múltiples flujos de trabajo, incluyendo reglas de atributos y el comando Ejecutar Comprobaciones en ArcGIS Pro. Estas capacidades ayudan a las organizaciones a ahorrar tiempo comparado con enfoques manuales para el control de calidad.<\/P>

Las mejoras planificadas se centran en hacer que la revisión automatizada sea más completa, flexible y fácil de aplicar en flujos comunes de gestión GIS.<\/P>

• Soporte ampliado para características habilitadas para Z.<\/STRONG> Se continuará trabajando para mejorar la revisión automatizada de datos conscientes del eje Z. Por ejemplo, clientes del transporte terrestre y tuberías necesitan una mejora en la comprobación

Evaluar Conteo de Intersección<\/A> para evitar falsos positivos al identificar características habilitadas para Z como tuberías o líneas centrales viales que intersectan otras características.<\/LI>Validación mejorada de conectividad.<\/STRONG> Clientes que gestionan mapas interiores o líneas centrales viales usadas en rutas requieren mejoras en la comprobación Característica sobre Característica<\/A> para evaluar conectividad entre características lineales. Para mapeo interior, esto incluye identificar características transicionales, como escaleras, que no conectan ambos extremos con características camino, como pasillos.<\/LI>Soporte ampliado para SQL en comprobaciones.<\/STRONG> Clientes en múltiples industrias han solicitado actualizaciones a la comprobación Consultar Atributos<\/A> para soportar operadores y funciones SQL adicionales. Ejemplos incluyen usar la función Módulo para identificar rangos direccionales desajustados en líneas centrales viales y la función Cast para comparar valores almacenados en diferentes tipos de campo.<\/LI>Nuevas comprobaciones para valores duplicados y faltantes.<\/STRONG> Nuevas capacidades automáticas soportarán identificar valores duplicados en atributos, como IDs duplicados en un conjunto hídrico, entre múltiples clases y tablas dentro una geodatabase. Una nueva comprobación también simplificará identificar características y filas con valores nulos, vacíos o en blanco.<\/LI>

Gestión flexible de errores<\/H4>Gestionar errores creados durante la revisión de calidad puede ser considerable dado que cada característica GIS podría tener múltiples condiciones erróneas asociadas. Para abordar estos desafíos, las mejoras planificadas se enfocan en optimizar procesos ofreciendo mayor flexibilidad y control.<\/P>Una mejora clave es proporcionar herramientas que soporten eliminación automática de características erróneas ya no necesarias para reportes. Por ejemplo, organizaciones podrán automatizar eliminación tras un periodo especificado (mensual, trimestral, etc.).<\/P>Para clientes que no requieren seguimiento detallado, habrá una nueva opción para optar por no participar en el proceso ciclo vital del error<\/A>. Al activarse en la geodatabase, las características erróneas se eliminarán automáticamente una vez resuelta la condición asociada, eliminando pasos innecesarios y proporcionando un flujo más eficiente cuando los requerimientos son menos complejos.<\/P>

Algunas organizaciones requieren seguimiento detallado por cumplimiento regulatorio. Las mejoras planificadas aumentarán trazabilidad e informes durante todo el proceso. Al activarse en la geodatabase, las características erróneas ya no serán verificadas automáticamente tras resolver el error; los usuarios gestionarán manualmente cada estado y documentarán acciones tomadas al corregir y verificar errores.<\/P>

Reportes sobre calidad de datos<\/H4>Los reportes sobre calidad juegan un papel crítico aumentando transparencia organizacional. Al proveer insights claros sobre estado y resultados del control, los interesados entienden mejor dónde existen problemas y cómo abordarlos. Esta visibilidad promueve responsabilidad, decisiones informadas y cultura continua mejora en prácticas gestión datos.

Las funciones planificadas incluyen mejoras al actual herramienta reporte precisión datos<\/_A>, soporte geodatabases versionadas por rama y resumen tendencias usando dashboards.<\/_p>

lia-image-align-center" image-alt="Objetivos a medio plazo para Data Reviewer" style="width: 999px;">Objetivos a medio plazo para Data Reviewer

 

Objetivos a largo plazo

Los objetivos a largo plazo son elementos en la hoja de ruta que aún no se han asignado a una versión específica. Están intencionadamente abiertos para invitar a la retroalimentación y discusión de los clientes.

Estos objetivos incluyen soporte para la revisión automatizada de características 3D almacenadas como multipatch o características de objetos 3D, la capacidad de almacenar características de error multipunto en reglas de atributos de validación, soporte para la revisión automatizada del contenido de metadatos y habilidades de AI que apoyan la corrección de errores en aplicaciones comunes de edición de datos.

Objetivos a largo plazo para Data Reviewer