Recursos

Introducción: por qué conviene investigar los datos antes de analizarlos Un conjunto de datos puede abrirse sin problemas, contener miles de filas y producir gráficos aparentemente convincentes. Sin embargo, entre sus columnas pueden esconderse errores de captura, anomalías estadísticas, duplicados, Leer más …

Introducción Los nulos no son simplemente huecos en una tabla. Una ausencia puede reflejar una información todavía no recibida, un dato que no corresponde registrar, un fallo de captura o una decisión de la persona que cumplimentó el formulario. Su Leer más …

Introducción Una tabla puede estar completa, sin duplicados aparentes y correctamente almacenada y, aun así, producir análisis engañosos. Basta con que unas fechas utilicen día/mes/año y otras mes/día/año, que un importe se exprese en euros y otro en céntimos, o Leer más …

Introducción: reunir datos no es lo mismo que poder analizarlos Cuando una organización quiere analizar información procedente de varias aplicaciones, aparecen cinco cuestiones decisivas: fuentes, identificadores, granularidad, tiempos y trazabilidad. Si alguna se resuelve mal, los datos pueden parecer completos Leer más …

Introducción: preparar datos no es lo mismo que construir un dataset fiable La fiabilidad, la trazabilidad, la granularidad, la consistencia y la reproducibilidad son cinco condiciones que convierten una colección de registros en una base útil para tomar decisiones. Sin Leer más …

Introducción: un archivo de datos no se explica por sí solo La documentación, los metadatos, la trazabilidad, la calidad y la reproducibilidad determinan si un conjunto de datos puede utilizarse con confianza meses después de haber sido creado. Un archivo Leer más …

Introducción Explorar, comprender, contrastar, visualizar y documentar son cinco acciones esenciales antes de extraer conclusiones de un conjunto de datos. Un archivo puede tener miles de registros y parecer perfectamente ordenado, pero contener fechas incorrectas, categorías duplicadas, valores extremos o Leer más …

Introducción: por qué más columnas no significan mejores decisiones Un conjunto de datos puede contener decenas o cientos de columnas y, sin embargo, necesitar solo unas pocas para responder correctamente a una pregunta. La selección de variables consiste en decidir Leer más …

Introducción La completitud, la validez, la unicidad, la consistencia y la actualidad son dimensiones que ayudan a responder una pregunta decisiva: ¿hasta qué punto podemos confiar en un conjunto de datos para realizar el análisis previsto? Un archivo puede abrirse Leer más …

Introducción Una empresa puede conservar miles de pedidos, incidencias, visitas, presupuestos o registros de actividad y, sin embargo, no disponer de una medida fiable para saber si está mejorando. La diferencia no está en acumular información, sino en transformar cada Leer más …