Calidad de datos en la empresa: duplicados, errores y quién manda
La calidad de datos decide si puedes fiarte de un informe o de una IA. Señales de que tus datos fallan, seis preguntas para medirla, validación en la entrada, una fuente de verdad por dato y cómo limpiar lo que ya hay sin parar el negocio.
La calidad de datos decide si puedes fiarte de un informe, de una campaña o de la respuesta de un asistente de IA. Clientes repetidos, la misma dirección escrita de cinco formas, un precio distinto en cada programa: cada error parece pequeño, pero todos acaban en decisiones tomadas con números que no cuadran. Esta guía explica cómo medirla sin herramientas caras y, sobre todo, cómo evitar que los errores entren.
Señales de que tus datos fallan
- El mismo cliente aparece dos o tres veces, con datos distintos en cada ficha.
- Los informes de dos departamentos no dan la misma cifra para lo mismo.
- Vuelven correos o envíos por direcciones mal escritas.
- Nadie sabe con seguridad cuál es el precio bueno de un producto.
- Cada mes alguien pasa horas «arreglando la hoja» antes de poder sacar el informe.
Si reconoces dos o más, el problema no es de informes ni de herramientas: es de cómo entra y circula la información.
Seis preguntas para medir la calidad de tus datos
| Dimensión | La pregunta | Cómo comprobarlo |
|---|---|---|
| Exactitud | ¿Refleja la realidad? | Revisar a mano una muestra de fichas contra el documento original |
| Completitud | ¿Están los campos que necesitas? | Contar cuántos clientes no tienen correo o dirección fiscal |
| Unicidad | ¿Hay duplicados? | Buscar el mismo NIF o el mismo correo en dos fichas |
| Coherencia | ¿Dicen lo mismo dos programas? | Comparar el precio o el stock de la tienda online y del programa de gestión |
| Actualidad | ¿Está al día? | Mirar cuándo se modificó cada ficha por última vez |
| Validez | ¿Tiene el formato correcto? | Comprobar códigos postales, NIF, fechas y correos |
Estas seis dimensiones no son una norma oficial, sino una forma práctica de revisar. Lo que sí recoge la normativa de protección de datos es el principio de exactitud: los datos personales deben ser exactos y, si fuera necesario, actualizados, y hay que adoptar todas las medidas razonables para suprimir o rectificar sin dilación los que sean inexactos.
La regla de oro: que el error no entre
Limpiar datos es caro y hay que repetirlo; impedir que el error entre se hace una vez. Las medidas que más rinden:
- Validar al escribir. El programa comprueba el formato del NIF, el código postal, la fecha o el correo en el momento de teclearlo, no a final de mes.
- Elegir en vez de escribir. Listas cerradas para provincias, tipos de cliente o estados de un pedido: nadie puede inventar una variante nueva.
- Direcciones normalizadas. Comprobarlas contra una fuente oficial de calles y números evita las cinco versiones de la misma calle.
- Buscar antes de crear. Al dar de alta un cliente, el sistema avisa si ya existe uno con el mismo NIF, correo o teléfono.
- Escribir cada dato una sola vez. Si el presupuesto aceptado pasa a pedido y a factura sin volver a teclear, no hay copia que se equivoque.
Una fuente de verdad por dato
Cuando el mismo dato vive en dos programas, tarde o temprano deja de coincidir. Decide qué sistema manda para cada dato (el precio, el stock, los datos fiscales del cliente) y que los demás lo lean de ahí en lugar de guardar su propia copia. Cómo conectar programas sin duplicar lo contamos en integración por API.
Y nombra un responsable por tipo de dato: no para que lo teclee todo, sino para decidir qué es correcto cuando hay dudas y qué reglas se validan al entrar.
Limpiar lo que ya hay sin parar el negocio
- Empieza por el dato que más duele, por ejemplo los clientes duplicados.
- Mide antes de tocar: cuántos duplicados, cuántas fichas sin correo. Sin esa cifra no sabrás si has mejorado.
- Fusiona con reglas claras y deja los casos dudosos a una persona.
- Guarda qué cambiaste y por qué, para poder deshacerlo.
- Activa la validación de entrada antes de terminar la limpieza, o volverás a empezar en unos meses.
Si vas a cambiar de programa, aprovecha para hacerlo antes: llevar datos sucios a un sistema nuevo solo cambia el problema de sitio. Lo explicamos en cambiar de ERP.
Calidad de datos e inteligencia artificial
Con IA el problema se nota más: un asistente que responde con tus datos responde también con tus errores, y lo hace con total seguridad. Por eso, antes de pedirle a una IA que analice tus ventas, conviene que las ventas estén bien registradas.
En los sistemas que desarrollamos, «pregunta a tus datos» responde una lista cerrada de consultas sobre ventas, gastos y clientes, no cualquier pregunta libre, y la lectura automática de gastos (factura o ticket) la valida una persona. Entre las integraciones que construimos está el callejero oficial, y entre los módulos, «Informes y analítica». Con los datos en orden, el siguiente paso natural es dejar de montar los informes a mano; y si necesitas un sistema que valide los datos en la entrada, empieza por nuestro desarrollo de software.
Fuentes consultadas
Comprobadas el 27 de septiembre de 2026. Enlazamos la fuente original para que puedas consultar el texto vigente.
Preguntas frecuentes
¿Qué es la calidad de datos?
El grado en que tus datos sirven para lo que los usas: que sean exactos, completos, sin duplicados, coherentes entre programas, actuales y con el formato correcto.
¿Cómo se eliminan los clientes duplicados?
Primero se define qué es un duplicado (mismo NIF, mismo correo, nombre y teléfono parecidos); después se fusionan los casos claros y una persona revisa los dudosos. Y se añade una comprobación al dar de alta para que no vuelvan a aparecer.
¿Hace falta una herramienta especial para mejorar la calidad de datos?
Para empezar, no: una muestra revisada a mano y unas cuantas consultas bastan para medir. Lo que más ayuda es validar los datos en la entrada, y eso se hace en el programa donde se teclean.
¿La normativa de protección de datos dice algo sobre la calidad de los datos?
Para los datos personales recoge el principio de exactitud: deben ser exactos y, si fuera necesario, actualizados, y hay que adoptar todas las medidas razonables para suprimir o rectificar sin dilación los inexactos.
¿Algo de esto encaja con tu negocio? Cuéntanos cómo lo haces hoy.