Para detectar errores en los datos de la empresa antes de que lleguen a los informes, defina qué es un dato correcto en cada área, busque de forma sistemática los errores más habituales (registros duplicados, campos vacíos, valores imposibles, fechas fuera del periodo y totales que no cuadran entre tablas) y corríjalos en el origen, no en la hoja de cálculo. Una revisión breve y periódica, hecha antes del cierre de mes, evita que una cifra equivocada llegue a la reunión de dirección.
Casi todas las pymes lo han vivido. En la reunión aparecen dos cifras distintas para las ventas del mes, o un cliente con un plazo medio de cobro imposible, y la conversación pasa de la decisión a discutir cuál de los números es el bueno. Rara vez el problema está en el informe. Está en los datos que lo alimentan. Este artículo explica qué errores buscar, cómo organizar la revisión y qué puede hacer una herramienta de análisis por su equipo.
¿Por qué los errores en los datos llegan a los informes?
Los datos de una empresa los escriben muchas personas, en sistemas distintos y a menudo con prisa. Los errores entran por caminos conocidos.
- Introducción manual. Un cliente dado de alta dos veces con el NIF escrito de forma distinta, un artículo con la unidad cambiada, una fecha con el año equivocado.
- Importaciones e integraciones. Un fichero importado dos veces, o una integración que falló a mitad y dejó registros incompletos.
- Cambios de sistema. Tras una migración de ERP, los códigos antiguos y los nuevos conviven, y no siempre se corresponden.
- Reglas que cambiaron. Una nueva familia de artículos o un nuevo centro de coste que los informes antiguos no conocen.
El informe no tiene forma de saber que un valor está mal. Suma lo que encuentra. Por eso la revisión tiene que hacerse antes, en los propios datos.
¿Qué errores son más habituales en los datos de una pyme?
La calidad de los datos se mide por el número de registros que no superan pruebas sencillas. Estos son los tipos de error que más a menudo distorsionan un informe.
| Tipo de error | Ejemplo | Efecto en el informe |
|---|---|---|
| Registro duplicado | El mismo cliente con dos fichas, o la misma factura contabilizada dos veces | Ventas o costes inflados, clientes contados dos veces |
| Campo vacío | Facturas sin centro de coste, artículos sin familia | Importes que quedan fuera de cualquier agrupación |
| Valor imposible | Cantidades negativas en una venta, precios a cero, márgenes por encima del 100% | Medias y totales distorsionados |
| Fecha fuera del periodo | Un documento fechado el año siguiente, o con el vencimiento anterior a la emisión | Movimientos en el mes equivocado y plazos medios sin sentido |
| Incoherencia entre tablas | Líneas de factura que no suman el total de la cabecera, pedidos de un cliente que no existe | Totales distintos según el informe que se abra |
Los duplicados merecen especial atención. Un cliente con dos fichas reparte sus ventas en dos, y ninguna de las mitades parece relevante. Un artículo con dos códigos muestra stock en uno y cero en el otro.
¿Cómo revisar los datos paso a paso?
No hace falta un proyecto de calidad de datos para empezar. Una rutina sencilla, repetida cada mes, resuelve la mayoría de los casos.
- Elija las tablas que alimentan las decisiones. Clientes, artículos, facturas, pedidos y movimientos financieros suelen bastar. No intente revisarlo todo a la vez.
- Escriba qué es un registro correcto. Por ejemplo, un cliente tiene un NIF válido y único, una factura tiene la fecha dentro del periodo y un total igual a la suma de sus líneas, y un artículo tiene familia y unidad.
- Cuente los fallos de cada regla. Cuántos clientes sin NIF, cuántas facturas con un total distinto de la suma de sus líneas, cuántos artículos sin familia. La cifra da la dimensión del problema y muestra, mes a mes, si está mejorando.
- Corrija en el origen. Una corrección hecha solo en la hoja de cálculo desaparece al mes siguiente. La ficha errónea tiene que corregirse en el ERP o en el sistema del que procede.
- Cierre la puerta por la que entró el error. Si los duplicados vienen siempre de la misma importación, la solución está en la importación, no en una limpieza mensual.
- Repita antes de cada cierre. Una revisión breve antes del cierre de mes ahorra horas de explicaciones después.
Un ejemplo práctico antes del cierre de mes
Imagine una empresa industrial con unas 150 personas, un ERP con cinco años de histórico y un informe mensual de ventas y márgenes para el consejo de administración. En el último cierre, el margen de una familia de productos subió de forma inesperada, y la dirección financiera dedicó dos días a entender por qué.
Con una revisión antes del cierre, las pruebas habrían mostrado tres situaciones. Un conjunto de facturas de venta con el coste del artículo a cero, porque los artículos se habían dado de alta de nuevo sin el coste estándar. Dos clientes con fichas duplicadas, cada una con parte de las ventas. Y un lote de devoluciones fechadas el mes siguiente, que quedaron fuera del periodo.
Ninguna de estas situaciones es rara, y ninguna se ve en el informe final. Se ve en los datos, cuando alguien los busca con las preguntas adecuadas. En este ejemplo, el margen anómalo desaparecía una vez corregidos los costes de los artículos nuevos, y la reunión de dirección podía hablar del negocio en lugar de los números.
¿Qué herramientas ayudan a encontrar incoherencias?
Hay varias formas de hacer esta revisión, y la elección depende del volumen de datos y de quién la hace.
- Hojas de cálculo. Sirven para empezar, con filtros y fórmulas que cuentan duplicados y campos vacíos. El límite aparece cuando los datos crecen o cuando la revisión depende de una sola persona.
- Reglas en el propio ERP. Los campos obligatorios y las validaciones al introducir los datos evitan muchos errores de entrada. No detectan los que ya están dentro.
- Consultas a la base de datos. Quien sabe SQL puede escribir un conjunto de consultas de revisión y ejecutarlas cada mes. Funciona, pero queda en manos de quien sabe escribirlas y mantenerlas.
- Herramientas de análisis de datos. Algunas recorren la base de datos en busca de incoherencias y señalan lo que merece atención, sin que nadie tenga que saber dónde buscar.
Sea cual sea la herramienta, conviene que muestre de dónde sale cada número. Una respuesta que no se puede verificar es un sitio más donde un error se puede esconder. Lo explicamos en cómo verificar las respuestas de una IA sobre los datos de la empresa.
¿Cómo ayuda EngiAnalytics a encontrar errores en los datos?
EngiAnalytics es la plataforma de análisis de datos conversacional de Engibots. Además de responder a preguntas en lenguaje natural, realiza descubrimiento exploratorio, es decir, recorre la base de datos en busca de incoherencias y muestra lo que conviene corregir antes de que llegue a un informe.
Cada respuesta incluye una frase en lenguaje natural que describe lo que devuelve la consulta y, si esa frase cita una cifra que no está en los datos devueltos, se avisa al lector. La consulta SQL que dio origen a cada respuesta puede abrirse y copiarse, junto a la tabla con los datos devueltos, para que cualquier cifra pueda comprobarse en el origen. Al empezar, una pantalla de primeros pasos muestra lo que el producto ya ha entendido de los datos, desde las áreas de negocio hasta el periodo disponible.
EngiAnalytics se conecta a bases de datos MySQL y PostgreSQL, incluidas las de ERP y CRM que funcionen sobre esos motores, y a ficheros CSV y Excel, sin migración ni sustitución de sistemas. El equipo sabe dónde mirar, y la corrección se sigue haciendo en el sistema de origen.
Un buen punto de partida es elegir tres tablas, escribir dos o tres reglas para cada una y contar los fallos antes del próximo cierre. Esa primera cifra ya indica cuánto se puede confiar en los informes que hoy llegan a la dirección.
Preguntas frecuentes
¿Qué es la calidad de los datos?
Es la medida en que los datos de una empresa están completos, son correctos, no tienen duplicados y son coherentes entre sistemas. Se mide contando los registros que no cumplen reglas sencillas, como un cliente sin NIF o una factura cuyo total no coincide con la suma de sus líneas.
¿Cuáles son los errores de datos más habituales en una pyme?
Registros duplicados, campos vacíos, valores imposibles, fechas fuera del periodo e incoherencias entre tablas, como líneas de factura que no suman el total de la cabecera.
¿Con qué frecuencia conviene revisar los datos?
Como mínimo antes de cada cierre de mes, y siempre después de una importación grande o de un cambio de sistema. Una revisión breve y periódica funciona mejor que una limpieza anual.
¿Los errores se corrigen en el ERP o en el informe?
En el ERP, o en el sistema del que procede el dato. Una corrección hecha solo en el informe o en la hoja de cálculo se pierde al mes siguiente y deja el error esperando al próximo informe.
¿Qué hace el descubrimiento exploratorio de EngiAnalytics?
Recorre la base de datos en busca de incoherencias y muestra lo que conviene corregir antes de que llegue a un informe.