🏛 Bienvenido o bienvenida a este módulo de autoaprendizaje
Este micrositio fue diseñado para que usted avance a su propio ritmo, sin necesidad de un docente presente. Está dirigido a técnicos, tecnólogos y profesionales de la Alcaldía de Medellín que trabajan con datos en cualquier área — ya sea generándolos, procesándolos o usando la información para tomar decisiones.
No necesita saber programar para aprender los conceptos de este módulo. Cada sección combina explicaciones claras, videos cortos en español y ejercicios prácticos con situaciones reales del sector gobierno. Al terminar, encontrará una evaluación corta para verificar su comprensión.
¿Qué es la calidad de datos?
Concepto central y su impacto en el sector gobierno
Imagine que la Alcaldía necesita saber cuántas familias en una comuna carecen de acceso a agua potable para diseñar un programa social. Si la base de datos tiene registros duplicados, direcciones mal escritas o información desactualizada, el programa podría llegar a familias equivocadas o excluir a quienes más lo necesitan.
En el gobierno, los datos alimentan servicios a la ciudadanía, presupuestos, planes de desarrollo y reportes de control. Por eso, la calidad no es un tema técnico exclusivo del área de sistemas: todos los funcionarios que generan, modifican o usan datos son responsables de su calidad.
Servicios a la ciudadanía
Datos incorrectos en registros de beneficiarios generan exclusiones injustas o duplicación de recursos.
Presupuesto público
Proyecciones basadas en datos con errores llevan a sobre o subejecución presupuestal.
Indicadores de gestión
Métricas construidas con datos de mala calidad distorsionan el seguimiento al plan de desarrollo.
Las 6 dimensiones de la calidad
Cada dimensión hace una pregunta concreta sobre el dato
La calidad de datos no se puede medir con una sola pregunta. Se evalúa a través de seis dimensiones, cada una de las cuales examina un aspecto diferente del dato. Piense en ellas como los criterios de una auditoría: si un dato falla en alguna, hay un problema que debe atenderse antes de usarlo para tomar decisiones.
¿Están todos los datos?
Mide si existen valores en todos los campos que deberían estar llenos. Un campo vacío cuando no debería estarlo es un problema de completitud.
¿Refleja la realidad?
El valor almacenado corresponde al valor real. Un dato puede estar completo pero ser incorrecto.
¿Coincide entre sistemas?
El mismo dato en diferentes sistemas o tablas tiene el mismo valor. La inconsistencia genera confusión sobre cuál versión es correcta.
¿Está vigente?
El dato está disponible en el momento en que se necesita y refleja el estado actual, no uno pasado.
¿Cumple las reglas?
El dato cumple el formato, rango o dominio definido. Un valor fuera de rango o con formato incorrecto no es válido aunque exista.
¿Está duplicado?
Cada entidad (persona, predio, trámite) aparece una sola vez. Los duplicados inflan conteos y sesgan análisis.
Problemas comunes en datos institucionales
Errores que afectan la confiabilidad de la información pública
Conocer los tipos de problemas más frecuentes es el primer paso para detectarlos. En el contexto de la Alcaldía, estos errores aparecen en registros de trámites, beneficiarios, contratos, indicadores y reportes.
Duplicados
El mismo ciudadano, predio o trámite registrado más de una vez con pequeñas variaciones.
Valores faltantes
Campos obligatorios que quedaron vacíos al ingresar la información al sistema.
Valores fuera de rango
Edades negativas, fechas imposibles, porcentajes mayores a 100, valores que rompen la lógica.
Errores ortográficos
"Medellin" vs "Medellín" vs "medellin" — el mismo lugar tratado como tres diferentes.
Referencias rotas
Un registro apunta a un código o ID que no existe en la tabla de referencia.
Inconsistencias lógicas
Fecha de retiro anterior a la fecha de ingreso, ingresos negativos en registros de pagos.
Tipo de dato incorrecto
Un campo numérico que contiene texto, o una fecha guardada como número sin formato.
Datos desactualizados
Información que no se ha actualizado y ya no refleja la realidad actual del registro.
Videos explicativos
3 videos cortos en español — ábralos en YouTube con un clic
📹 Video 1 · ¿Qué es la calidad de datos y por qué importa?
📹 Video 2 · Calidad de datos en el sector público y gobierno abierto
📹 Video 3 · Cómo mejorar la calidad de datos en la práctica
El proceso de calidad de datos
5 pasos del origen al dato confiable
La calidad no se logra de una sola vez. Es un ciclo continuo que se repite cada vez que llegan datos nuevos, se integran fuentes o se va a publicar un reporte. Estos son los 5 pasos fundamentales:
1. Fuente
Identificar el origen y verificar la procedencia del dato
2. Perfilar
Diagnosticar estructura, campos vacíos y anomalías
3. Corregir
Aplicar tratamiento documentado con criterio explícito
4. Validar
Verificar reglas de dominio, formato, rango y consistencia
5. Monitorear
Medir métricas de calidad y activar alertas ante anomalías
Datos faltantes: tipos y cómo tratarlos
No todos los campos vacíos son iguales — el tratamiento depende del tipo de ausencia
Antes de decidir qué hacer con un dato faltante, hay que entender por qué falta. Existen tres tipos de ausencia, y cada uno requiere un enfoque diferente. Tratar todos los vacíos igual puede sesgar gravemente el análisis.
MCAR — Al azar puro
La ausencia no tiene relación con ninguna otra variable. Falta por razones accidentales, sin patrón identificable.
Tratamiento válido: eliminar las filas con ausencia o imputar con media/mediana según el caso.
MAR — Depende de otra variable
La ausencia está relacionada con otra variable observable. Hay un patrón, pero se puede identificar y controlar.
Tratamiento: controlar el contexto y corregir con criterio o política explícita de la entidad.
MNAR — Depende del valor ausente
La ausencia está relacionada con el valor que faltaría. Es el caso más peligroso porque no se puede observar directamente.
Tratamiento: marcar como "Sin dato"; corregir puede introducir sesgo en el análisis.
Ejercicio integrador · Simulación de decisiones
Tres decisiones encadenadas sobre un caso real de la Alcaldía
Base de datos de subsidios de vivienda
La Secretaría de Bienestar Social tiene una base de 15,000 registros de familias beneficiarias de un subsidio de vivienda. Se va a hacer un cruce con el catastro para identificar quiénes ya son propietarios y podrían estar recibiendo el subsidio de forma incorrecta. Al hacer el cruce inicial, el equipo nota que el número de registros aumentó de 15,000 a 22,400. Además, el campo "estrato socioeconómico" tiene un 35% de valores vacíos, y hay 1,200 personas con fecha de nacimiento registrada como "01/01/1900".
Guía rápida de referencia
Buenas prácticas, errores comunes y reglas de oro
✅ Buenas prácticas
- Diagnosticar la calidad antes de usar o publicar cualquier conjunto de datos.
- Documentar cada cambio realizado a los datos con fecha, razón y responsable.
- Verificar el conteo de filas antes y después de cruzar bases de datos.
- Investigar el patrón de ausencia antes de tratar datos faltantes.
- Reportar problemas de calidad a la fuente para corrección en origen.
❌ Errores comunes
- Usar datos sin verificar su completitud y consistencia previamente.
- Imputar datos faltantes con valores por defecto sin criterio explícito.
- No verificar el conteo de filas después de un cruce de tablas.
- Tratar todos los campos vacíos de la misma manera sin analizar el patrón.
- Publicar indicadores basados en datos con errores conocidos sin advertirlo.
📌 Reglas de oro
- Haga: diagnosticar, documentar, validar, reportar a la fuente.
- No haga: asumir que los datos están bien sin verificar.
- Ante la duda: marque "Sin dato" y solicite aclaración a la fuente.
- Recuerde: un dato incorrecto en un reporte oficial tiene consecuencias reales para la ciudadanía.
La calidad de los datos no es un problema técnico — es una responsabilidad de todos. Un funcionario que ingresa, modifica o usa datos está tomando una decisión que afecta a la ciudadanía que espera que Medellín sea una ciudad inteligente y confiable.
Evaluación final
5 preguntas integradoras sobre los conceptos del módulo
✅ Ha completado el Módulo 1 · Calidad de Datos
Ahora tiene las bases conceptuales para identificar, evaluar y mejorar la calidad de los datos en su trabajo diario en la Alcaldía de Medellín. La calidad de los datos que usted gestiona es parte de la calidad del servicio que recibe la ciudadanía.
🏛 Volver al portal de la Alcaldía de MedellínSecretaría de Innovación Digital · Formación en Gobierno de Datos · 2026