Utilidades IACómo limpiar datos sucios con ayuda de la IA
| Para quién | Para quien recibe tablas con errores de captura, nombres escritos de varias formas, fechas mezcladas o registros repetidos y necesita dejarlas listas para analizar o importar. |
|---|---|
| Tiempo estimado | Entre 45 y 120 minutos, según el tamaño de la tabla y el número de problemas. |
| Categoría | Programación y datos |
Paso a paso
- Haz una copia y conserva el original intacto
Antes de tocar nada, duplica el archivo y trabaja siempre sobre la copia. Añade una columna con el número de fila original para poder rastrear cada registro después de ordenar o eliminar. Anota la fecha, el origen de los datos y quién los proporcionó. Este paso parece burocrático, pero es lo que te permite deshacer cualquier decisión equivocada. Nunca pidas a un asistente que devuelva el archivo limpio sobrescribiendo el original: pide siempre propuestas de cambio que tú aplicas y registras. - Pide un diagnóstico antes de cualquier arreglo
Pega una muestra anonimizada y pide al asistente un informe de problemas: columnas con formatos mezclados, valores vacíos, posibles duplicados, categorías escritas de varias maneras, números fuera de rango y fechas imposibles. Pide que clasifique cada problema por gravedad y que indique cuántos ejemplos ve en la muestra, sin extrapolar al conjunto completo. El diagnóstico te orienta, pero solo has de creerlo tras contar tú mismo los casos con filtros o fórmulas sobre la tabla real. - Define reglas de limpieza una por una
Para cada problema, redacta una regla clara: por ejemplo, unificar las mayúsculas de los nombres, pasar todas las fechas a un único formato o agrupar variantes de una misma categoría. Pide al asistente que proponga la regla y un ejemplo antes y después, y apruébala tú. Los vacíos merecen atención especial: no es lo mismo cero, desconocido o no aplicable, y rellenarlos con un valor inventado falsea cualquier análisis posterior. En caso de duda, marca el valor en una columna aparte en lugar de sustituirlo. - Trata los duplicados con criterios explícitos
Dos filas parecidas no siempre son el mismo registro: dos personas pueden llamarse igual y vivir en el mismo barrio. Define qué campos deben coincidir para considerar un duplicado y qué hacer con las diferencias, como conservar el registro más reciente. Pide al asistente que liste los pares sospechosos con el motivo, y revísalos manualmente antes de eliminar nada. Es preferible marcar y conservar durante una primera ronda que borrar de golpe y descubrir después que se perdió información válida. - Aplica los cambios con fórmulas o scripts repetibles
Convierte las reglas aprobadas en fórmulas de hoja de cálculo, consultas o un pequeño programa que puedas volver a ejecutar sobre datos nuevos. Evita las correcciones manuales sueltas sin registro. Pide al asistente que escriba el código, pero ejecútalo primero sobre un subconjunto y revisa los resultados. Si aparecen datos nuevos con los mismos defectos, podrás repetir el proceso con garantías y explicar a otra persona qué se hizo, en qué orden y por qué. - Compara antes y después y documenta
Cuenta registros, valores vacíos, categorías distintas y totales antes y después de la limpieza, y justifica cada diferencia. Revisa una muestra aleatoria de filas modificadas para confirmar que los cambios son correctos. Redacta una breve nota con las reglas aplicadas, los registros eliminados o marcados y los problemas que quedan pendientes. Comparte esa nota junto con los datos: quien los use después necesita saber que no son los originales y qué decisiones se tomaron.
Prompt de ejemplo
Cambia lo que está entre corchetes por tu situación:
Actúa como analista de calidad de datos. Te pego una muestra anonimizada de [NÚMERO] filas de una tabla sobre [TEMA] con las columnas [LISTA DE COLUMNAS]: [MUESTRA]. Tarea: elabora un diagnóstico con los problemas que detectes (formatos mezclados, vacíos, posibles duplicados, categorías con variantes, valores fuera de rango). Para cada uno indica un ejemplo concreto de la muestra, su gravedad y una regla de limpieza propuesta, con un antes y un después. No corrijas nada todavía ni inventes valores para los vacíos. Distingue lo que ves en la muestra de lo que solo sospechas del conjunto completo y avísame de cualquier duda.
Qué esperar
Obtendrás un diagnóstico ordenado y reglas candidatas con ejemplos. Es frecuente que el asistente proponga unificar categorías que en realidad son distintas, o que trate un vacío como un error cuando es un dato legítimo. Sirve de ayuda para no pasar por alto defectos, no como árbitro de lo que es correcto.
Cómo verificar el resultado
- Cuenta tú mismo los casos de cada problema con filtros o fórmulas sobre la tabla real, sin fiarte del recuento del asistente.
- Revisa manualmente los pares de posibles duplicados antes de eliminar ninguno.
- Compara el número de filas y los totales antes y después, y explica cada diferencia.
- Examina una muestra aleatoria de filas modificadas frente al original para confirmar que los cambios son correctos.
Errores comunes
- Sobrescribir el archivo original y quedarse sin forma de deshacer una decisión equivocada.
- Rellenar vacíos con valores inventados o con la media sin dejar constancia, falseando el análisis.
- Eliminar como duplicados registros distintos que solo se parecen.
- Hacer correcciones manuales sueltas sin registrarlas, imposibles de repetir con datos nuevos.
Riesgos y límites
El asistente puede unificar categorías distintas, corregir como error un dato legítimo o inventar valores plausibles para los huecos. No conoce el contexto de tus datos ni sabe qué es un valor razonable en tu ámbito. Además, los resultados sobre muestras no se extienden automáticamente al conjunto completo. Si los datos incluyen información personal, anonimízalos antes de compartirlos y respeta la política de protección de datos aplicable. Cuando los datos alimenten decisiones con consecuencias económicas, laborales, médicas o legales, deben validarse con una persona experta en la materia.
Preguntas frecuentes
¿Puedo pedir a la IA que rellene los datos que faltan?
Es arriesgado. Un asistente puede generar valores plausibles pero falsos. Lo prudente es dejar los vacíos marcados, o rellenarlos solo con reglas que tú definas y documentes, indicando en una columna aparte que el valor no es original.
¿Cómo sé si dos registros son realmente duplicados?
Define qué campos deben coincidir y revisa los casos dudosos a mano. Un asistente puede listar pares sospechosos y explicar por qué, pero la decisión de eliminar debe ser humana y quedar registrada para poder revertirla.
¿Sirve esto para tablas muy grandes?
Para volúmenes grandes conviene pedir fórmulas o un script y ejecutarlo en tu equipo, en lugar de pegar toda la tabla. Así el proceso es repetible, puedes contar los resultados y no expones más datos de los necesarios.