Cómo evaluar la calidad de los datos antes de comprar

Los problemas de calidad de los datos rara vez aparecen en la presentación de ventas de un proveedor: aparecen tres meses después de la compra, cuando una campaña de marketing rebota la mitad de sus correos o un análisis produce cifras que no coinciden con la realidad. Evaluar correctamente la calidad antes de comprar es uno de los pasos de mayor impacto en cualquier compra de datos, y también uno de los más frecuentemente omitidos, normalmente porque los equipos no cuentan con un marco concreto de qué comprobar. Esta guía te da uno.

Las dimensiones concretas de la calidad de los datos

“Buenos datos” es lo bastante vago como para significar lo que un proveedor quiera que signifique. Desglósalo en dimensiones que realmente puedas probar:

• Precisión: ¿los datos reflejan correctamente la realidad? Un correo electrónico que llega a la persona equivocada, o la dirección de una empresa desactualizada desde hace años, es un fallo de precisión aunque el campo esté rellenado.
• Completitud: ¿qué porcentaje de registros tiene un valor en los campos que realmente necesitas? Las puntuaciones de completitud generales pueden ocultar que tu campo prioritario concreto está escasamente poblado.
• Frescura: ¿cuándo se verificó o actualizó cada registro por última vez? Un dataset puede ser internamente coherente y estar bien estructurado y aun así estar obsoleto.
• Consistencia: ¿los valores tienen un formato uniforme en todo el dataset (por ejemplo, formatos de fecha coherentes, nombres de países estandarizados, etiquetas categóricas consistentes)? La inconsistencia crea problemas de emparejamiento y deduplicación aguas abajo aunque los datos subyacentes sean correctos.
• Procedencia: ¿puede el proveedor explicar de dónde procede cada dato y cómo se recopiló o verificó? Los datos sin una fuente rastreable son más difíciles de confiar y más difíciles de defender si alguna vez se cuestiona su precisión.
• Documentación: ¿el proveedor proporciona un diccionario de datos, definiciones de campos y registros de actualizaciones, o tienes que hacer ingeniería inversa del esquema tú mismo?

Trata esto como una lista de comprobación, no como una impresión vaga. Un proveedor que puede hablar con fluidez de los seis puntos, con evidencias en lugar de garantías, es notablemente más fiable que uno que no puede.

Cómo solicitar y evaluar una muestra

Una muestra es la herramienta más útil que tienes antes de comprometerte con una compra, pero solo si la solicitas y la pruebas correctamente.

1. Pide una muestra que refleje tu caso de uso real: misma geografía, mismos campos, proporción de volumen similar, no una muestra genérica de exhibición que el proveedor entrega a todo el mundo.
2. Contrasta con registros de referencia conocidos. Extrae de cincuenta a cien registros de tus propios sistemas de los que estés seguro de su precisión, y compara los datos del proveedor para esas mismas entidades. Esta única prueba a menudo revela más que cualquier estadística de precisión que publique el proveedor.
3. Calcula la completitud por campo, no en general. Si tu caso de uso depende específicamente de números de teléfono verificados o de un atributo concreto de la empresa, mide la completitud solo para ese campo.
4. Comprueba las marcas de tiempo o los metadatos de “última verificación”, si se proporcionan, para calibrar la frescura real en lugar de confiar en una afirmación genérica de “se actualiza regularmente”.
5. Busca coherencia en el formato en toda la muestra: formatos de fecha inconsistentes, valores categóricos inconsistentes o registros duplicados bajo nombres ligeramente distintos son todos señales de un pipeline subyacente más débil.

Si un proveedor no quiere proporcionar una muestra antes de la compra, trata eso como una señal de alerta importante por sí sola.

Señales de alerta en las afirmaciones de calidad de un proveedor

• Superlativos no verificables: “99% de precisión” o “datos líderes del sector” sin ninguna explicación de cómo se calculó esa cifra o con qué se comparó.
• Sin descripción de la metodología de recopilación: un proveedor que no puede explicar en lenguaje sencillo cómo se recopilaron los datos (recopilación pública web, paneles licenciados, fuentes gubernamentales, datos enviados por usuarios) es más difícil de confiar y más difícil de defender ante tus propios interesados más adelante.
• No se revela la frecuencia de actualización: si no puedes obtener una respuesta clara sobre con qué frecuencia se actualizan los registros, asume que los datos pueden estar obsoletos.
• Respuestas inconsistentes entre ventas y soporte: si las afirmaciones del equipo de ventas sobre precisión o cobertura no coinciden con lo que te dice un ingeniero de soporte o de soluciones, vale la pena investigarlo más antes de firmar.

Técnicas prácticas de validación

Más allá de una comprobación básica de muestra, algunas técnicas adicionales ayudan a validar la calidad a escala:

• Contrasta con una segunda fuente independiente para un subconjunto de registros, especialmente en campos de alto riesgo como datos de contacto verificados o cifras financieras.
• Revisa los valores atípicos. Ordena la muestra por valores inusuales (marcas de tiempo extremadamente antiguas, códigos de país ausentes, valores improbables) y revisa manualmente unos cuantos; los valores atípicos a menudo exponen problemas sistémicos que una muestra aleatoria podría pasar por alto.
• Prueba la lógica de emparejamiento/deduplicación si los datos se van a cruzar con tus propios registros; comprueba qué tan bien coinciden realmente los identificadores (nombres de empresas, dominios, IDs) sin una limpieza manual intensiva.
• Ejecuta un piloto pequeño en producción antes de escalar el uso, si la estructura de tu contrato lo permite, para que los problemas de calidad salgan a la luz antes de comprometerte por completo.

Monitorización de la calidad tras la compra

La evaluación de la calidad no termina en la compra; la mayoría de los datos se degradan con el tiempo a medida que cambia el mundo real:

• Establece un calendario recurrente (trimestral es habitual) para volver a muestrear y comprobar la precisión frente a registros conocidos, especialmente en datos de personas y empresas, que se degradan rápidamente a medida que cambian los empleos y las estructuras organizativas.
• Haz seguimiento de las tasas de rebote, de coincidencia o de error en producción como una señal de calidad continua, no solo durante la incorporación inicial.
• Pregunta a tu proveedor sobre su propia cadencia de actualización y si ha cambiado desde tu evaluación inicial; algunos proveedores reducen la frecuencia de actualización en los planes de nivel inferior sin hacerlo evidente.
• Mantén un registro de los problemas de calidad que encuentres y plantéalos al proveedor; un proveedor que responde y corrige los problemas señalados es una buena señal para la relación a largo plazo, mientras que un proveedor que no responde a quejas específicas y documentadas es una señal de alerta de cara a la renovación.

Próximos pasos

Si estás evaluando específicamente datos recopilados de la web, nuestra categoría de plataformas de datos web explica cómo proveedores como Bright Data y Oxylabs documentan su metodología de recopilación. Si te centras en el enriquecimiento de datos de empresas o contactos, People Data Labs es un buen punto de referencia sobre cómo los proveedores API-first estructuran la verificación. Los casos de uso de enriquecer datos de empresas y extraer datos públicos web profundizan más en las expectativas de calidad específicas de esos flujos de trabajo.