La exportación de una encuesta contiene dos envíos con el mismo identificador, una duración de tarea negativa y varias valoraciones en blanco. Esos registros requieren atención, pero no todos deben eliminarse. Uno puede ser un duplicado, otro un error de seguimiento y los espacios en blanco una consecuencia lógica del flujo de preguntas.

La limpieza de datos identifica y resuelve errores, incoherencias y otros problemas de calidad para que la información se pueda analizar adecuadamente. Implica revisar la estructura, los valores, los duplicados y las ausencias, documentando las decisiones con el detalle suficiente como para reproducirlas y evaluarlas.

Conserva el original y comprende los campos

Guarda una copia de origen intacta y realiza las transformaciones en un proceso aparte y controlado. Lee las definiciones antes de cambiar valores: «no preguntado», «rechazado» y «no aplicable» pueden mostrarse como ausentes, pero representan situaciones distintas.

El proyecto QAMyData del UK Data Service muestra revisiones sistemáticas para aspectos como la definición de valores perdidos y metadatos incoherentes. Las comprobaciones automatizadas permiten detectar candidatos a revisión, pero el contexto del estudio es lo que determina qué es realmente un error.

Comprueba las unidades y las uniones. Una duración registrada en milisegundos pero interpretada en segundos puede parecer un comportamiento anómalo, y unir tablas en el nivel equivocado puede duplicar varias veces a participantes legítimos.

Considera las señales de calidad como indicios que evaluar

Completar la encuesta muy rápido, repetir valoraciones y dejar comentarios breves pueden sugerir poco interés, pero ninguno lo confirma por sí solo. Alguien bien informado puede responder deprisa, y unas puntuaciones idénticas pueden reflejar de forma sincera experiencias muy parecidas. Revisa las señales en su conjunto mediante reglas adecuadas para el estudio, teniendo en cuenta las distintas habilidades y estilos de respuesta.

Siempre que sea posible, define los criterios de selección y exclusión antes de empezar el trabajo de campo. Si surge un imprevisto que exige decidir más adelante, documenta el motivo y si ya se intuían los resultados. Evita modificar los umbrales hasta dar con el resultado que prefieres.

Analiza los valores atípicos al margen de los imposibles. Una experiencia extrema pero real puede ser justo lo más valioso que el equipo de producto necesita comprender.

Gestiona los datos ausentes sin inventar certezas

Una valoración en blanco no es una valoración neutra, y la ausencia de un evento no implica necesariamente que no haya habido uso. Analiza dónde y por qué falta información. La forma adecuada de abordarla puede variar según se trate de informes descriptivos, modelos o diseños de encuesta concretos.

La imputación exige ciertas asunciones y debe reflejar la incertidumbre que añade. Sustituir cada hueco en blanco por la media puede desvirtuar las distribuciones y las relaciones entre variables, así que no conviene tratarlo como un simple arreglo de rutina que no afecta al análisis.

Lleva un registro de las correcciones, exclusiones y transformaciones, incluyendo cuántos casos se han visto afectados. Detalla las decisiones clave junto a las conclusiones y utiliza análisis de sensibilidad si otras alternativas razonables pudieran alterar el resultado final. El conjunto de datos limpio debe inspirar más confianza, mostrando con claridad en qué se diferencia del original.