Introducción a los datos · Lección 2 de 5
Los datos, el nuevo petróleo
Se dice que los datos son el petróleo del siglo XXI. Es cierto, con una condición: como el petróleo, sin refinar no sirven. Y la IA es la que más lo sabe.
¿Por qué "el nuevo petróleo"?
La frase se volvió famosa porque las empresas que mejor usan sus datos deciden mejor y más rápido: saben qué se vende, a quién, cuándo y por qué. Pero la comparación tiene una segunda parte que se suele olvidar: el petróleo crudo no mueve un auto. Hay que refinarlo. Con los datos pasa lo mismo: recién sirven cuando están limpios, ordenados y analizados.
La IA se alimenta de datos
Un asistente como Gemini aprendió leyendo enormes cantidades de texto. Un sistema que recomienda productos aprende de millones de compras. Toda IA aprende de ejemplos, y por eso la calidad de lo que sabe depende de la calidad de los datos que recibió. Si los datos tienen errores o están sesgados, la IA aprende esos errores y los repite con total seguridad.
"Entra basura, sale basura"
Es una de las frases más viejas de la informática (en inglés, garbage in, garbage out): si los datos que entran están mal, el resultado va a estar mal, por más buena que sea la herramienta. Algunos ejemplos en el almacén:
- Duplicados: una venta cargada dos veces infla la facturación del mes.
- Formatos mezclados: "1.500", "$1500" y "1500,00" parecen iguales, pero la computadora no los suma igual.
- Datos viejos: decidir con la lista de precios del año pasado.
- Sesgos: si solo encuestás a los clientes de la sucursal Centro, la conclusión no vale para todo el almacén.
5 señales de datos de calidad
| Señal | Se pregunta | Si falla |
|---|---|---|
| Completos | ¿Falta algún dato? | Filas que quedan afuera del análisis |
| Exactos | ¿Es correcto? | Conclusiones sobre números falsos |
| Consistentes | ¿Está escrito siempre igual? | Lo mismo se cuenta como si fueran cosas distintas |
| Actuales | ¿Está al día? | Decisiones con una realidad que ya cambió |
| Únicos | ¿Hay repetidos? | Totales inflados |
Y un cuidado más: cuando los datos son de personas (nombres, teléfonos, DNI), protegelos. Es lo que viste en Mindset: nunca los pegues en una IA sin anonimizar.
Actividad 1
Cazá la basura
Antes de analizar estas ventas, hay que limpiarlas. Cada venta tiene su propio número de pedido. Hay 5 problemas: tocá las celdas que están mal.
| pedido | fecha | cliente | producto | cantidad | precio |
|---|---|---|---|---|---|
| 1001 | 2026-03-02 | Ana | Yerba 1 kg | 2 | 4200 |
| 1001 | 2026-03-02 | Ana | Yerba 1 kg | 2 | 4200 |
| 1002 | 2026-03-03 | Jorge | Gaseosa cola 2,25 l | 1 | 2.800,00 |
| 1003 | 2026-03-04 | Leche entera 1 l | 3 | 1250 | |
| 1004 | 2026-03-05 | Lucía | Arroz 1 kg | -4 | 1500 |
| 1005 | 2019-03-06 | Martín | Pan lactal | 1 | 2300 |
Actividad 2
¿Qué señal falla?
¿Qué señal de calidad falla en cada caso?
Completos
No falta nada
Exactos
Son correctos
Consistentes
Mismo formato
Actuales
Están al día
Únicos
Sin duplicados
Chequeo rápido
Una IA que recomienda productos aprendió solo con compras de la sucursal Centro. ¿Qué es lo más probable?
Pedile a la IA que te ayude a limpiar
Gemini es muy bueno detectando problemas de calidad. Pasale una muestra anonimizada y pedile un diagnóstico:
Revisá esta muestra de datos y decime qué problemas de calidad ves (duplicados, formatos distintos, datos faltantes, valores imposibles): [pegá 10 filas de ejemplo, sin nombres ni datos personales]
Cada corrección revisala vos: la IA puede marcar como error algo que en tu negocio es normal.
Ya sabés cuándo confiar en un dato