Calidad de datos: los errores silenciosos en tus análisis

La conversación sobre calidad de datos casi siempre empieza en una reunión de lunes. El dashboard de marketing dice que agosto cerró con 412 leads. El CRM dice 583. Nadie sabe cuál número es el correcto, y la reunión que iba a ser de estrategia se convierte en peritaje: quién exportó qué, cuándo y desde qué sistema.

Lo incómodo es que casi nunca hay un error grande y visible detrás de esa escena. Hay decenas de errores pequeños: un contacto duplicado aquí, una UTM que dejó de marcar allá, un campo de origen escrito de tres maneras distintas. Ninguno tumba el sistema. Todos distorsionan el análisis.

La calidad de datos es el grado en que una base cumple criterios como exactitud, completitud, consistencia, actualidad, unicidad y validez. En la práctica, tus datos tienen calidad cuando describen la realidad con la precisión suficiente para sostener una decisión. Los duplicados, el tracking roto y las definiciones ambiguas son los defectos más comunes, y también los más difíciles de notar.

¿Por qué los errores más caros son los silenciosos?

Un error grande dispara alarmas. Si la facturación aparece en cero en el dashboard, alguien lo corrige el mismo día. Un error del 8% no dispara nada: la cifra parece plausible, la reunión sigue, la decisión se toma. Por eso el problema real no es la empresa que sabe que sus datos son malos. Es la que confía en números levemente equivocados.

Un ejemplo con cuentas hechas. Una tienda online registra 1.000 conversiones en el mes, con US$ 50.000 invertidos en medios pagos. Pero 80 de esas conversiones son la misma compra contada dos veces, una por el píxel y otra por la API de conversiones. El CAC real es US$ 50.000 ÷ 920 = US$ 54,35, y no los US$ 50,00 del informe. Parece poco, hasta que recuerdas que ese número define el ROAS de equilibrio y el techo de puja de todas las campañas.

¿Cuáles son las dimensiones de la calidad de datos?

La literatura de gobierno de datos organiza la calidad en seis dimensiones. Más útil que memorizar los nombres es saber qué pregunta responde cada una:

Dimensión	Pregunta que responde	Ejemplo de falla
Exactitud	¿El dato describe el hecho real?	Venta de US$ 197 registrada como US$ 1.970
Completitud	¿Los campos que importan están llenos?	40% de los leads sin origen de campaña
Consistencia	¿El mismo dato es igual en todos los sistemas?	"CDMX", "Ciudad de México" y "cdmx" en la misma columna
Actualidad	¿El dato refleja el estado actual?	Inventario sincronizado por última vez hace 6 días
Unicidad	¿Cada entidad aparece una sola vez?	El mismo cliente con 3 registros en el CRM
Validez	¿El dato respeta el formato esperado?	Campo de teléfono con el texto "no tiene"

Ninguna operación puntúa bien en las seis todo el tiempo, y está bien. La pregunta correcta no es "¿mis datos son perfectos?", sino "¿en qué dimensión está el error que cambia mis decisiones?".

Los cuatro errores silenciosos más comunes

1. Duplicados en el CRM

El duplicado nace de las integraciones, no del descuido. El checkout crea un contacto en cada compra, el formulario del webinar crea otro, y el equipo comercial registra un tercero con el teléfono escrito de otra forma. Resultado: una base de 10.000 contactos que en realidad tiene 8.700 personas.

Eso infla cualquier métrica calculada "por cliente". El LTV cae artificialmente, la tasa de recompra desaparece porque las compras se reparten entre los registros de la misma persona, y el flujo de email trata a un cliente fiel como dos desconocidos.

2. Tracking roto

Es el clásico de los errores silenciosos porque falla de a poco. Una actualización del sitio elimina el píxel de una página, una redirección pierde los parámetros de campaña, alguien sube anuncios con utm_source=Facebook mientras el resto del equipo usa "facebook" en minúscula. Nada se rompe de forma visible. Lo que pasa es peor: el tráfico "directo" crece y las campañas parecen rendir menos de lo que rinden.

Quien invierte en medios pagos lo siente directo en la atribución de conversiones: el canal que perdió el tracking se vuelve donante involuntario de resultados para los demás. Un estándar de UTMs documentado y una alerta de caída anómala de eventos resuelven buena parte del problema.

3. Campos inconsistentes entre sistemas

Una distribuidora quiere saber cuánto vende por región. En el ERP, el campo usa un código corto. En el e-commerce, el nombre completo. En la planilla del equipo comercial, cada vendedor escribe como prefiere. La suma por región pasa a depender de quién armó el informe, y cada área llega a un ranking diferente con los mismos datos.

Lo mismo aplica a las fechas (¿03/04 es 3 de abril o 4 de marzo?), a las monedas y, sobre todo, a las definiciones de negocio: si marketing cuenta un "lead" desde el formulario y ventas lo cuenta desde la primera reunión, los dos tienen razón y el informe está mal.

4. Datos desactualizados y dispersos en silos

Cuando los sistemas no conversan, alguien exporta una planilla para "resolver rápido". Tres meses después, esa exportación se volvió la fuente oficial de una decisión de presupuesto, y nadie recuerda de cuándo es. Los datos en silos no son solo un problema de acceso: son un problema de versiones. Cada copia envejece a un ritmo distinto.

¿Cuánto cuesta la mala calidad de datos?

Las cifras disponibles impresionan. Gartner estima que la mala calidad de datos les cuesta a las empresas un promedio de US$ 12,9 millones por año. Y un estudio publicado en Harvard Business Review encontró al menos un error crítico en el 47% de los registros recién creados; solo el 3% de las bases evaluadas cumplía estándares básicos de calidad.

Para el día a día de una pyme, la referencia más útil es la regla 1-10-100, formulada por George Labovitz y Yu Sang Chang: prevenir un error de datos cuesta 1, corregirlo después cuesta 10, y convivir con él cuesta 100, en forma de retrabajo, decisiones equivocadas y clientes mal atendidos. Es una regla ilustrativa, no una ley física, pero el orden de magnitud coincide con lo que se ve en operación: validar un formulario cuesta horas; rehacer seis meses de informes cuesta semanas.

Checklist de auditoría de calidad de datos

No se puede auditar todo, e intentarlo es el camino más corto para abandonar. Empieza por las métricas que sostienen decisiones de verdad y baja desde ahí:

1. Lista las 5 métricas que guían decisiones (CAC, ROAS, tasa de conversión, ticket promedio, churn, lo que aplique a tu negocio) e identifica de qué sistema viene cada una.
2. Compara fuentes para el mismo número. GA4, los gestores de anuncios y el CRM nunca van a coincidir exactamente; lo que importa es conocer la brecha típica. Una divergencia del 10% es esperable; una del 40% es un síntoma.
3. Mide los duplicados: cuenta registros distintos por email y teléfono normalizados y compáralos con el total de la base.
4. Audita las UTMs de los últimos 90 días: lista los valores distintos de utm_source y utm_medium. Si "facebook" aparece escrito de cuatro formas, encontraste presupuesto mal atribuido.
5. Mide la completitud de los campos críticos: porcentaje de leads sin origen, sin teléfono, sin valor de negocio.
6. Verifica la actualidad de las integraciones: cuándo sincronizó por última vez cada conexión y quién recibe el aviso cuando falla.
7. Escribe un diccionario de métricas: una definición única de lead, conversión y cliente activo, con un responsable nombrado para cada una.
8. Automatiza alertas de anomalías: una caída brusca de eventos casi nunca es el mercado; suele ser tracking roto.

Sobre la frecuencia: una auditoría completa funciona bien cada trimestre. El tracking y las integraciones merecen monitoreo continuo, porque se rompen sin avisar.

Preguntas frecuentes

¿Qué es la calidad de datos?

Es el grado en que los datos de una empresa son exactos, completos, consistentes, actuales, únicos y válidos. Los datos de calidad describen la realidad lo bastante bien como para sostener decisiones sin que alguien tenga que revisar todo a mano antes de confiar.

¿Cuáles son las 6 dimensiones de la calidad de datos?

Exactitud, completitud, consistencia, actualidad, unicidad y validez. Funcionan como una guía de diagnóstico: en lugar de decir que "los datos están mal", identificas si el problema es un registro erróneo, un campo vacío, un formato divergente, información vieja o un duplicado.

¿Cómo se mide la calidad de los datos en la práctica?

Elige las métricas que sostienen decisiones y construye indicadores simples sobre ellas: tasa de duplicados, porcentaje de campos críticos vacíos, divergencia entre sistemas para el mismo número y antigüedad de la última sincronización. Medir pocas cosas con constancia vale más que un diagnóstico gigante hecho una sola vez.

¿La calidad de datos tiene relación con las leyes de protección de datos?

Sí. Normas como el RGPD europeo o la LGPD brasileña exigen que los datos personales sean exactos, estén actualizados y se conserven solo el tiempo necesario, lo que en la práctica es una exigencia de calidad. Las bases duplicadas y desactualizadas aumentan el riesgo regulatorio y el costo de atender solicitudes de eliminación.

¿Con qué frecuencia debo auditar mis datos?

Una auditoría estructurada por trimestre suele bastar para pymes. Las integraciones y el tracking piden monitoreo continuo con alertas, porque son los puntos que más se rompen silenciosamente entre una auditoría y la siguiente.

La confianza se construye antes del dashboard

La meta realista no es el dato perfecto, sino el dato lo bastante confiable como para decidir sin peritaje semanal. Eso se construye con estándares de captura, integraciones monitoreadas y una definición única para cada métrica, mucho antes de cualquier gráfico bonito.

Y se vuelve más fácil cuando la verificación deja de ser un proyecto y se convierte en una pregunta. Con Sherlok, conectas Meta Ads, Google Ads, GA4, tu CRM y tus planillas en un solo lugar y preguntas en tu idioma: "¿cuántos contactos duplicados tenemos?" o "¿qué campaña está llegando sin UTM?". La respuesta llega lista, y la reunión del lunes vuelve a ser sobre estrategia.