Lectura + 3 preguntas + una actividad. Los ejemplos de equipos y proyectos son situaciones ilustrativas.
El misterio de la columna que cambió de nombre
Son las seis de la tarde. El gráfico ya está listo, pero alguien pregunta de dónde salió ese número. Hay cuatro planillas, dos carpetas compartidas y una columna llamada «valor_nuevo». Nadie recuerda cuál alimentó el informe. El problema no es que falte un dashboard bonito: falta una historia que permita volver desde el resultado hasta el origen.
En un proyecto universitario, una tesis o una iniciativa ciudadana, organizar los datos es parte del trabajo científico y técnico. Aquí usaremos tres palabras: fuente, el origen de la información; versión, el estado identificable de un archivo; y regla, el criterio explícito para transformarlo. Guárdalas: aparecerán en el juego.
Antes del dashboard: una pequeña arqueología
Imagina que un equipo estudia el uso de espacios de una biblioteca. Una persona registra horarios en minutos y otra en horas. Si juntan todo sin revisar unidades, obtendrán un promedio muy convincente… y equivocado. Un diccionario de datos evita esa sorpresa: define cada variable, unidad, formato y significado de los valores vacíos.
También conviene preguntar qué representa cada fila. ¿Una visita, una persona o una reserva? Dos filas parecidas no son necesariamente un duplicado. Borrarlas sin criterio puede eliminar observaciones válidas. Acuerden la regla con quien conoce el fenómeno antes de automatizarla.
La receta que otro equipo puede repetir
- Conserva el original: trabaja sobre una copia y registra cuándo llegó.
- Define reglas: cómo tratar fechas, unidades, duplicados y valores faltantes.
- Separa etapas: datos recibidos, datos procesados y resultados.
- Versiona: usa nombres o herramientas que permitan identificar cada estado.
- Comprueba: cuenta filas antes y después; revisa ejemplos de cambios.
No hace falta comenzar con una infraestructura gigante. Una estructura de carpetas clara, un pequeño script y un registro de decisiones pueden ser un primer avance. La herramienta se elige según el volumen y el equipo, no por lo impresionante de su nombre.
Lo que le pediríamos a una solución de datos
Una entrega útil puede incluir un inventario de fuentes, reglas de limpieza, un diccionario de variables, un flujo reproducible y visualizaciones relacionadas con las preguntas del proyecto. «Un panel con diez gráficos» no explica si alguien podrá actualizarlo el próximo semestre.
Haz una prueba sencilla: pide a otra persona del equipo que ejecute el proceso usando la guía, sin instrucciones por chat. Anota dónde se detiene. Esa lista es una excelente próxima tarea. Y antes de compartir archivos, confirma quién puede acceder a ellos y evita publicar información identificable que no sea necesaria para el objetivo.
El objetivo no es que nunca haya errores. Es poder detectarlos, explicar cómo se corrigieron y repetir el análisis sin invocar al autor original como si fuera soporte de emergencia.
Tres conceptos escondidos
Resuelve las pistas con lo leído. Pulsa la primera y la última letra; también puedes usar Tab y Enter. Busca en horizontal, vertical o diagonal, sin tildes.
- Origen de la información (6 letras)
- Estado identificable de un archivo (7 letras)
- Criterio explícito para transformar datos (5 letras)
Ver soluciones
FUENTE, VERSION, REGLA
¿En qué punto estás tú?
Elige tu situación y recibe una sugerencia. Tu elección se guarda solo en este navegador; no contamos votos ni enviamos respuestas.
Tu siguiente paso, en una frase
Completa esto: «Quiero ayudar a ___ a resolver ___ y sabré que avancé cuando ___». En Solven Labs acompañamos a universidades, estudiantes y personas en el creación de prototipos, aplicaciones, análisis de datos y conexión de herramientas de sus proyectos de investigación e innovación.
Conversemos sobre tu proyecto →