Problemas de datos frecuentes

Introducción a la alfabetización de datos

Anneleen Rummens

Data Scientist

Datos sucios

  • Los datos sucios son:

    • Incorrectos
    • Incompletos
    • Incoherentes

  • Causados por errores humanos, problemas técnicos o problemas con el proceso de obtención de los datos

  • Principio de basura entra, basura sale: los datos sucios pueden llevar a conclusiones erróneas

Ventana sucia

Introducción a la alfabetización de datos

Errores en los datos

  • Los datos son incorrectos o incoherentes
  • Suele deberse a un error humano o técnico al registrar el valor o el formato
  • Técnicas para contrarrestar:
    • Si se conoce el valor original o el formato válido: datos correctos
    • Si se desconoce: se elimina los datos

Puzzle con la pieza incorrecta

Introducción a la alfabetización de datos

Datos que faltan

  • Los datos están incompletos
  • Problemático si:
    • Faltan muchos datos
    • Existen patrones subyacentes en los datos que faltan
  • Técnicas para contrarrestar:
    • Eliminación de datos
    • Imputación

Puzzle con pieza faltante

Introducción a la alfabetización de datos

Sesgo de los datos

  • El sesgo social puede reflejarse en los datos como sesgo de los datos
  • Conduce a datos no representativos y, por tanto, a resultados
  • Difícil de detectar y resolver
  • Técnicas para contrarrestar:
    • Proceso sólido de recogida de datos
    • Consciencia en las conclusiones
    • Modelos de IA explicables

Rompecabezas gris con piezas blancas fuera

Introducción a la alfabetización de datos

Limpieza de datos

  • Conjunto de técnicas para contrarrestar los problemas de datos
  • Paso importante de preparación para cualquier análisis de datos
  • Pero no todos los problemas de datos son (completamente) solucionables
  • Siempre es posible hacer algún tipo de análisis

Mano enguantada con botella pulverizadora

Introducción a la alfabetización de datos

¡Practiquemos!

Introducción a la alfabetización de datos

Preparing Video For Download...