Comprender los datos erróneos: tipos, causas, impacto y prevención

En pocas palabras, los datos erróneos son datos incompletos, inexactos, incoherentes, irrelevantes o duplicados que se cuelan en su infraestructura de datos por diversas razones.

Al final de este artículo, comprenderá:

• Qué son los datos erróneos
• Los distintos tipos de datos erróneos
• Qué causa los datos erróneos
• Sus consecuencias y medidas preventivas

Veamos esto con más detalle:

Diferentes tipos de datos erróneos

La calidad y la fiabilidad de los datos son esenciales en casi todos los ámbitos, desde el análisis empresarial hasta el entrenamiento de modelos de IA. Los datos de mala calidad se manifiestan de varias formas diferentes, cada una de las cuales plantea retos únicos para la usabilidad y la integridad de los datos.

Datos incompletos

Los datos incompletos se refieren a cuando un conjunto de datos carece de uno o más de los atributos, campos o entradas necesarios para un análisis preciso. Esta información que falta hace que todo el conjunto de datos sea poco fiable y, a veces, incluso inutilizable.

Las causas más comunes de los datos incompletos son la omisión intencionada de datos específicos, las transacciones no registradas, la recopilación parcial de datos, los errores durante la introducción de datos, los problemas técnicos ocultos durante la transferencia de datos, etc.

Por ejemplo, consideremos una situación en la que una encuesta a clientes carece de registros de los datos de contacto. Esto hace imposible realizar un seguimiento posterior de los encuestados, como se muestra a continuación.

Otro ejemplo puede ser una base de datos hospitalaria con historiales médicos de pacientes en la que falte información crucial, como alergias e historial médico previo, lo que puede incluso dar lugar a situaciones que pongan en peligro la vida.

Datos duplicados

Los datos duplicados se producen cuando la misma entrada de datos o entradas de datos casi idénticas se registran varias veces en la base de datos. Esta redundancia da lugar a análisis engañosos y conclusiones incorrectas y, en ocasiones, complica las operaciones de fusión y provoca fallos en el sistema. Las estadísticas derivadas de un conjunto de datos con datos duplicados dejan de ser fiables y eficaces para la toma de decisiones.

Ejemplos:

• Una base de datos de gestión de relaciones con los clientes (CRM) con múltiples registros para el mismo cliente puede distorsionar la información derivada tras el análisis, como el número de clientes distintos o las ventas por cliente.
• Un sistema de gestión de inventario que almacena el mismo producto con diferentes números de referencia hace que las estimaciones sobre las existencias sean inexactas.

Datos inexactos

La presencia de información incorrecta o errónea en una o varias entradas de un Conjunto de datos se identifica como datos inexactos.

Un simple error en un código o un número debido a un error tipográfico o un descuido involuntario puede ser lo suficientemente grave como para causar complicaciones y pérdidas graves, sobre todo cuando los datos se utilizan para la toma de decisiones en un ámbito de alto riesgo. La existencia de datos inexactos en sí misma disminuye la fiabilidad y la credibilidad de todo el Conjunto de datos.

Ejemplos:

• Una base de datos de una empresa de transporte que almacena direcciones de envío incorrectas para las entregas podría acabar enviando paquetes a lugares equivocados, incluso a países equivocados, lo que provocaría enormes pérdidas y retrasos tanto para la empresa como para el cliente.
• Las situaciones en las que un sistema de gestión de recursos humanos (HRMS) contiene información incorrecta sobre los salarios de los empleados pueden provocar discrepancias en las nóminas y posibles problemas legales.

Datos incoherentes

Los datos inconsistentes, que se producen cuando diferentes personas o equipos utilizan unidades o formatos distintos para el mismo tipo de datos dentro de una organización, son una causa común de confusión e ineficiencia con la que se puede encontrar al trabajar con datos. Interrumpen la uniformidad y el flujo continuo entre los datos, lo que da lugar a un procesamiento defectuoso de los mismos.

Ejemplos:

• Los formatos de fecha incoherentes en múltiples entradas de datos (MM/DD/AAAA frente a DD/MM/AAAA), por ejemplo, en un sistema bancario, pueden causar conflictos y problemas durante la agregación y el análisis de datos.
  

• Dos tiendas de la misma cadena minorista que introducen datos sobre las existencias en diferentes unidades de medida (número de cajas frente a número de artículos individuales) pueden causar confusión a la hora de reponer y distribuir.

Datos obsoletos

En pocas palabras, los datos obsoletos son registros que ya no son actuales, relevantes ni aplicables. Especialmente en ámbitos que evolucionan rápidamente, los datos obsoletos son bastante comunes, ya que se producen cambios rápidos de forma continua. Los datos de hace una década, un año o incluso un mes pueden haber dejado de ser útiles, e incluso pueden ser engañosos, según el contexto.

Ejemplos:

• Una persona puede desarrollar nuevas alergias con el tiempo. Un hospital que receta medicamentos a un paciente con registros de información sobre alergias desactualizada puede comprometer la seguridad del paciente.
• Una agencia inmobiliaria que publique propiedades a partir de una fuente de datos desactualizada puede estar perdiendo tiempo y esfuerzo en propiedades que ya se han vendido o que ya no están disponibles. Esto es improductivo y puede dañar la reputación de la empresa.

Además, los datos no conformes, irrelevantes, desestructurados y sesgados también son tipos de datos erróneos que pueden comprometer la calidad de los datos en su ecosistema de datos. Comprender cada uno de estos tipos de datos erróneos es esencial para darse cuenta de sus causas fundamentales y de las amenazas que suponen para su negocio, así como para diseñar estrategias que mitiguen su impacto.

¿Qué causa los datos erróneos?

Ahora que ya conoce claramente los tipos de datos erróneos, es importante comprender qué los causa, de modo que pueda tomar medidas proactivas para evitar que se produzcan en sus Conjuntos de datos.

Algunas de las causas de los datos erróneos son:

• Errores humanos durante la introducción de datos: No hace falta decir que esta es la causa más común de datos erróneos, especialmente cuando se trata de datos incompletos, inexactos y duplicados. Una formación insuficiente, la falta de atención a los detalles, los malentendidos sobre el proceso de introducción de datos y, sobre todo, los errores involuntarios, como los errores tipográficos, pueden dar lugar a Conjuntos de datos poco fiables y a enormes complicaciones durante el análisis.
• Prácticas y normas deficientes de introducción de datos: un conjunto sólido de normas es la clave para crear prácticas sólidas y bien estructuradas. Por ejemplo, si se permite la introducción de texto libre en un campo como el país, un usuario puede introducir diferentes nombres para el mismo país (por ejemplo: EE. UU., Estados Unidos, U. S. A.), lo que da lugar a una variedad ineficaz de respuestas para el mismo valor. Estas inconsistencias y confusiones surgen como resultado de no haber establecido normas adecuadas.
  
• Problemas de migración: los datoserróneos no siempre son el resultado de entradas manuales. También pueden producirse como resultado de la migración de datos de una base de datos a otra. Este problema provoca desajustes entre registros y campos, pérdida de datos e incluso corrupción de datos, lo que puede requerir largas horas de revisión y corrección.
• Deterioro de los datos: Cada pequeño cambio que se produce, desde las preferencias de los clientes hasta un cambio en las tendencias del mercado, puede actualizar los datos de la empresa. Si la base de datos no se actualiza constantemente para adaptarse a estos cambios, los datos quedan obsoletos, lo que provoca su deterioro o degradación. Los datos obsoletos no tienen un uso real en la toma de decisiones y el análisis, y contribuyen a proporcionar información engañosa cuando se utilizan.
• Fusión de datos de múltiples fuentes: La combinaciónineficaz de datos de múltiples fuentes o la integración defectuosa de datos puede dar lugar a datos inexactos e incoherentes. Esto ocurre cuando las diferentes fuentes de datos que se combinan están formateadas con diferentes estándares, formatos y niveles de calidad.

Impacto de los datos erróneos

Si procesa conjuntos de datos que contienen datos erróneos, pone en riesgo su análisis final. De hecho, los datos erróneos pueden tener repercusiones devastadoras y duraderas, especialmente en los negocios y ámbitos basados en datos, como por ejemplo:

• La mala calidad de los datos puede perjudicar a su empresa al aumentar el riesgo de tomar decisiones e inversiones erróneas basadas en información engañosa.
• Los datos erróneos provocan importantes costes financieros, incluyendo el desperdicio de recursos y la pérdida de ingresos. Recuperarse de los efectos que han dejado los datos erróneos puede requerir mucho dinero y tiempo.
• La acumulación de datos erróneos puede incluso provocar el fracaso del negocio, ya que aumenta la necesidad de volver a trabajar, conduce a la pérdida de oportunidades y afecta negativamente a la productividad en su conjunto.
• Como resultado, la credibilidad y la fiabilidad de la empresa disminuyen, lo que perjudica significativamente la satisfacción y la retención de los clientes. Los datos inexactos e incompletos por parte de la empresa dan lugar a un servicio al cliente deficiente y a una comunicación inconsistente.

Además, los datos erróneos pueden dar lugar a errores críticos que se aceleran y se convierten en complicaciones legales o que ponen en peligro la vida, especialmente en los ámbitos financiero y sanitario.

Por ejemplo, en 2020, durante la pandemia de COVID-19, Public Health England (PHE) experimentó un importante error en la gestión de datos que provocó que 15 841 casos de COVID-19 no se notificaran debido a datos erróneos. El problema se remontaba a la versión obsoleta de las hojas de cálculo de Excel que utilizaba PHE, que solo podían contener hasta 65 000 filas, en lugar del millón de filas que realmente podían contener. Algunos de los registros proporcionados por las empresas externas que analizaban las pruebas de hisopos se perdieron, lo que provocó datos incompletos. El número de contactos cercanos con riesgo de infección que se perdieron debido a este error técnico fue de unos 50 000.

Además, el error de Samsung que se produjo en 2018 provocó una caída de los precios de las acciones de alrededor del 11 % en un solo día, lo que supuso una pérdida de casi 300 millones de dólares de valor de mercado. El error fue causado por un empleado de Samsung Securities, que introdujo 2800 millones de «acciones» (por valor de 105 000 millones de dólares) en lugar de 2800 millones de «wones surcoreanos» para distribuir entre los empleados que participaban en el plan de participación accionarial de la empresa.

Por lo tanto, las consecuencias de los datos erróneos no deben tomarse a la ligera, y deben adoptarse las medidas preventivas adecuadas para eliminar el riesgo.

Prevención de datos erróneos

Ningún conjunto de datos es perfecto. Es inevitable que sus datos contengan errores. El primer paso para prevenir los datos erróneos es reconocer esta realidad, de modo que pueda implementar las estrategias preventivas necesarias para garantizar la calidad de los datos.

Algunas medidas para prevenir los datos erróneos son:

1. La implementación de una sólida gobernanza de datos es un paso crucial para establecer la responsabilidad y las normas en toda la organización. Puede ayudarle a establecer políticas y procedimientos claros sobre cómo gestionar, acceder y mantener los datos, de modo que se minimice el riesgo de datos erróneos.
2. Realizar auditorías periódicas de datos para detectar inconsistencias y datos obsoletos antes de que surjan complicaciones.
3. Regular los procesos de introducción de datos estableciendo normas, reglas de validación de datos y formatos y plantillas estándar en toda la organización para minimizar los errores humanos.
4. Los empleados bien informados tienden a cometer menos errores durante el manejo y la gestión de datos. Por lo tanto, es necesario realizar sesiones periódicas de formación y actualización para que los empleados conozcan los procesos estándar.
5. Realice copias de seguridad periódicas de los datos para evitar pérdidas de datos durante acontecimientos imprevistos.
6. Utilice herramientas avanzadas diseñadas específicamente para la validación de datos con el fin de garantizar la coherencia e integridad de sus datos. Estas herramientas pueden confirmar la exactitud y la integridad de sus datos, detectando y corrigiendo posibles errores.

Conclusión

En este artículo se ha analizado qué son los datos erróneos, los diferentes tipos de datos erróneos que se pueden encontrar y sus causas. Además, se ha destacado el importante impacto negativo que tienen los datos erróneos en una organización basada en datos, desde pérdidas financieras hasta fracasos empresariales. Comprender estos factores es el primer paso para prevenir los datos erróneos.

Aunque existen múltiples estrategias preventivas para garantizar la calidad de los datos, el uso de una herramienta fiable diseñada específicamente para este fin le aliviará la carga.

Considere la posibilidad de utilizar herramientas de extracción de datos que le permitan crear automáticamente conjuntos de datos fiables y limpios. Esto le ahorrará esfuerzo y le proporcionará datos limpios y directamente utilizables. Una herramienta que hace esto es la API Web Scraper de Bright Data. ¿No le interesa en absoluto la extracción de datos? ¡Regístrese ahora y descargue nuestras muestras de conjuntos de datos gratuitas!