ES
Iniciar sesiónEmpezar
Glosario

Limpieza de datos

¿Qué es Limpieza de datos?

La limpieza de datos consiste en detectar y corregir entradas erróneas, duplicadas o incoherentes en un conjunto de datos. Pasos típicos son unificar grafías y formatos de fecha, eliminar espacios sobrantes y fusionar duplicados como «García S.L.» y «Garcia SL». Unos datos limpios son la base de análisis, envíos masivos y aplicaciones de IA fiables.

Cómo ayuda KI.ordo

Una plantilla de KI.ordo limpia listas, marca posibles duplicados y datos que faltan y genera un registro de cambios.

Más información →: Limpieza de datos

Plantillas adecuadas

Temas

  • calidad de datos
  • duplicados
  • mantenimiento de datos

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo
← Todos los términos

Términos relacionados

Validación de datos

La validación de datos comprueba que los datos estén completos, con el formato correcto y sean plausibles antes de seguir procesándolos. Los controles típicos revisan campos obligatorios, el formato de correos, códigos postales o fechas y las contradicciones lógicas, como una fecha de entrega anterior a la del pedido. Así los errores se detectan pronto, en lugar de arrastrarse a informes, facturas o análisis con IA.

  • calidad de datos
  • comprobación
  • +1
Plantilla

Coincidencia aproximada (fuzzy matching)

La coincidencia aproximada (fuzzy matching) localiza entradas parecidas pero no idénticas, por ejemplo por erratas, abreviaturas o grafías distintas. Se basa en medidas de similitud como la distancia de Levenshtein, que cuenta cuántos caracteres hay que cambiar. Un uso típico es buscar duplicados en datos de direcciones y clientes: «García S.L., C/ Mayor 5» y «Garcia SL, Calle Mayor 5» se reconocen como probablemente el mismo registro.

  • Limpieza de datos
  • Duplicados
  • +1
Plantilla

Garbage in, garbage out (GIGO)

«Garbage in, garbage out» («entra basura, sale basura») expresa el principio de que un sistema solo puede dar resultados tan buenos como los datos que recibe. En la IA esto pesa el doble: datos de entrenamiento o de conocimiento erróneos, desactualizados o sesgados producen respuestas falsas o distorsionadas. Un chatbot que consulta una lista de precios antigua dará precios antiguos. Por eso, cuidar los datos es una tarea continua en cualquier proyecto de IA.

  • Calidad de datos
  • Principio
  • +1

Datos estructurados

Los datos estructurados siguen un esquema fijo con campos bien definidos, como tablas, bases de datos u objetos JSON con información como nombre, precio y fecha. Las máquinas pueden leerlos, filtrarlos y procesarlos de forma fiable, a diferencia del texto libre o las imágenes. En las webs, el marcado de schema.org describe, por ejemplo, productos, eventos o preguntas frecuentes para que buscadores y sistemas de IA entiendan el contenido sin ambigüedad. La IA también puede extraer datos estructurados de textos no estructurados.

  • datos
  • JSON
  • +1