La higiene de datos es la práctica de mantener la información limpia, precisa, actualizada y libre de errores, medida por su exactitud, integridad, validez, coherencia, unicidad y oportunidad. Lo primero que debe hacer es fijar controles de calidad y una gobernanza con responsables claros, antes de que los errores se acumulen y se vuelvan costosos de corregir.
En resumen:
- Limpia antes de enriquecer: añadir información a registros defectuosos multiplica los errores, así que corrige duplicados, valores vacíos y formatos antes de incorporar datos nuevos.
- Prioriza los campos que alimentan facturación, cumplimiento o modelos de IA; automatiza las reglas repetitivas y reserva la revisión humana para coincidencias ambiguas.
- Asigna un responsable por dominio y documenta reglas, umbrales y plazos; sin esa gobernanza, los errores reaparecen tras cada limpieza puntual.
- Formatear un disco no impide recuperar datos sensibles; elige limpiar, purgar o destruir según el riesgo y registra la fecha, el método y quién ejecutó el proceso.
- Combina controles automáticos diarios o semanales con auditorías periódicas; revisa con mayor frecuencia los datos críticos que los destinados a usos internos ocasionales.
Tabla de contenidos
- ¿Qué es limpiar datos y en qué se diferencia de enriquecerlos?
- Por qué importa la higiene de datos para decisiones, cumplimiento y modelos de IA
- ¿Qué problemas degradan la calidad de los datos con más frecuencia?
- ¿Cómo limpiar y mantener los datos paso a paso?
- ¿Qué roles y políticas sostienen la higiene de datos?
- Sanitización de medios según NIST SP 800-88 Rev. 2: limpiar, purgar o destruir
- ¿Qué funcionalidades priorizar en las herramientas de limpieza?
- ¿Cómo medir y auditar la higiene de datos?
- La higiene de datos empieza antes de la disposición del activo
- Destrucción certificada y reciclaje para empresas, sin montar el proceso por su cuenta
- Preguntas frecuentes
- Fuentes
¿Qué es limpiar datos y en qué se diferencia de enriquecerlos?
Limpiar, o depurar, consiste en corregir lo que ya existe: eliminar duplicados, completar o descartar valores vacíos, unificar formatos y retirar registros irrelevantes. Enriquecer, en cambio, añade información nueva a un registro correcto, como un sector de actividad o una dirección normalizada. El orden importa: enriquecer sobre datos sucios multiplica el error, así que la limpieza va primero.
Para hablar el mismo idioma dentro del equipo conviene fijar seis atributos de calidad: exactitud, integridad, validez, coherencia, unicidad y oportunidad, tal como los describe IBM en su guía de limpieza de datos. Cada uno responde a una pregunta distinta. ¿El dato es correcto? ¿Está completo? ¿Cumple el formato esperado? ¿Coincide entre sistemas? ¿Aparece una sola vez? ¿Está al día?
La norma ISO/IEC 25012 añade que la calidad depende tanto del propio dato como del sistema que lo contiene, de modo que no es solo un asunto técnico. Por eso la higiene no es una campaña puntual: es un proceso continuo dentro del ciclo de vida del activo TI, desde la adquisición hasta la disposición final.
Por qué importa la higiene de datos para decisiones, cumplimiento y modelos de IA
Un informe construido sobre datos defectuosos no falla de forma visible: parece correcto y orienta mal. Ventas duplicadas, clientes con dos fichas o fechas en formatos mezclados alteran indicadores que luego sustentan presupuestos y estrategias. La GAO propone evaluar la fiabilidad de los datos según su aplicabilidad para el propósito, su integridad y su precisión, con un enfoque flexible basado en riesgos.
Los modelos de aprendizaje automático amplifican el problema. Un modelo entrenado con etiquetas inconsistentes o registros repetidos aprende esos defectos y los reproduce en cada predicción, así que la calidad de los datos de entrada condiciona la fiabilidad de la salida.
El beneficio de actuar es doble. Por un lado, reporting más fiable y decisiones que se sostienen ante una auditoría. Por otro, menos exposición regulatoria, porque saber qué datos tiene, dónde están y cuáles son correctos facilita responder a un requerimiento. Sin un marco de gobernanza con roles y estándares, la GAO advierte de que los esfuerzos de limpieza son temporales y los errores reaparecen.
¿Qué problemas degradan la calidad de los datos con más frecuencia?
Los fallos suelen repetirse en todas las organizaciones:
- Duplicados: inflan métricas como el número de clientes o los ingresos por cuenta.
- Valores faltantes: sesgan promedios y dejan campos obligatorios sin uso.
- Incoherencias de formato: Las fechas en formatos distintos conviven y rompen cruces entre sistemas.
- Errores de sintaxis: espacios sobrantes, mayúsculas dispares o caracteres corruptos impiden coincidencias exactas.
- Datos irrelevantes: registros obsoletos o de prueba que contaminan análisis y copias de seguridad.
Para detectarlos, el punto de partida es el perfilado: contar nulos, valores únicos y distribuciones, y lanzar pruebas lógicas sobre campos clave. La guía GAO-09-680G sobre fiabilidad de datos procesados por ordenador recomienda pruebas automatizadas y trazabilidad hasta los documentos fuente para comprobar que el dato es suficiente y adecuado.
¿Cómo limpiar y mantener los datos paso a paso?
Un flujo operativo que funciona en la mayoría de los equipos:
- Perfilar los datos para conocer el estado real.
- Definir reglas de calidad por campo y por proceso.
- Estandarizar formatos, unidades y codificaciones.
- Deduplicar registros.
- Tratar los valores faltantes: completar, inferir o descartar según el caso.
- Validar los resultados y monitorizar de forma continua.
Las técnicas concretas que más rendimiento dan son:
- Normalizar formatos de fecha, teléfono y dirección con reglas explícitas.
- Aplicar fuzzy matching, coincidencia aproximada, para detectar duplicados que difieren en una letra.
- Validar en el punto de entrada, de modo que el error no llegue a la base de datos.
- Automatizar reglas de negocio, como rechazar un importe negativo en una factura.
Conviene automatizar lo repetitivo y de alto volumen, y reservar la revisión humana para los casos ambiguos, como dos clientes casi idénticos que quizá sean distintos. El modelo de calidad de ISO/IEC 25012 ayuda a definir requisitos y medidas comparables entre sistemas.
Consejo profesional: ordene las correcciones por riesgo, no por volumen: empiece por los campos que alimentan facturación, cumplimiento o modelos de IA, y deje para después los que solo afectan a informes internos.
¿Qué roles y políticas sostienen la higiene de datos?
Limpiar una vez sirve de poco si nadie es responsable de que siga limpio. El informe GAO-21-152 sobre gobernanza de datos recomienda establecer estructuras con un responsable de datos (CDO) y data stewards, documentar procesos y políticas, y coordinar a los distintos departamentos.
Un marco mínimo incluye:
- Un responsable por dominio de datos, con autoridad para corregir y decidir.
- Políticas de calidad escritas, con reglas, umbrales y plazos.
- Un canal común entre TI, seguridad, negocio y cumplimiento.
Vincule esas políticas al ciclo de vida del activo TI: qué se verifica al adquirir un sistema, cómo se mantiene y qué se hace con los datos cuando el equipo se retira. Para evitar burocracia, empiece por los dominios críticos, documente en una página por proceso y revise las reglas en los ciclos de auditoría que ya tiene, sin crear comités nuevos.
Sanitización de medios según NIST SP 800-88 Rev. 2: limpiar, purgar o destruir
La higiene de datos termina en la disposición del soporte. La publicación NIST SP 800-88 Rev. 2 clasifica la sanitización en tres niveles según la sensibilidad de la información:
- Limpiar: sobrescribir o borrar lógicamente con técnicas que impidan la recuperación con herramientas habituales.
- Purgar: aplicar métodos que hagan inviable la recuperación incluso con técnicas de laboratorio.
- Destruir: inutilizar físicamente el soporte para que el dato no pueda recuperarse.
NIST actualizó esta guía en septiembre de 2025 con pautas modernas de desinfección de medios, y recomienda la destrucción certificada cuando la recuperación debe ser imposible.
Formatear un disco no basta cuando contiene información sensible: el contenido puede seguir siendo recuperable. Para esos casos la destrucción certificada deja evidencia verificable. Además, la guía completa de sanitización pide integrar la actividad en un programa de disposición con políticas, criterios de decisión y registros. Anote siempre el activo, el método aplicado, la fecha y quién lo ejecutó. Si necesita un repaso operativo, hemos reunido los pasos en nuestra guía sobre borrado seguro según NIST 800-88.
¿Qué funcionalidades priorizar en las herramientas de limpieza?
Al elegir software, priorice perfilado automático, reglas de estandarización configurables, deduplicación con coincidencia aproximada, trazabilidad de cada cambio y conectores o API para integrarlo con el resto de la pila. La automatización aporta escala y consistencia, pero vigile los falsos positivos, que fusionan registros distintos, y los falsos negativos, que dejan duplicados sin detectar. Lo más práctico es encajar la herramienta dentro de los procesos ETL existentes y conectar sus alertas con los controles de gobernanza.
¿Cómo medir y auditar la higiene de datos?
Un conjunto básico de métricas permite seguir la evolución sin complicaciones:
- Tasa de duplicados por tabla.
- Porcentaje de valores faltantes en campos obligatorios.
- Conformidad de formato frente a las reglas definidas.
- Precisión medida sobre una muestra revisada a mano.
- Latencia de actualización, que refleja la oportunidad del dato.
La auditoría debe planificarse según el riesgo, someter los datos a pruebas, rastrear los valores hasta su fuente y concluir si son suficientes para su uso, como describen GAO-09-680G y el informe de gobernanza ya citado. En cuanto a frecuencia, lo habitual es ejecutar controles automáticos a diario o cada semana y reservar auditorías formales para ciclos periódicos.
La higiene de datos empieza antes de la disposición del activo
Mi postura es clara: tratamos la higiene como un asunto del software y la sanitización como un trámite final, y esa separación es el error. Cuando el equipo sabe desde la compra qué datos vivirán en cada dispositivo y los mantiene ordenados, retirarlo es rápido, barato y verificable. Además, el equipo bien preparado conserva más valor de reventa o recuperación. Alinee TI, seguridad y sostenibilidad en un mismo procedimiento.
— Keith
Destrucción certificada y reciclaje para empresas, sin montar el proceso por su cuenta
Cuando el volumen de equipos crece o se exige certificación, gestionarlo internamente consume tiempo y deja huecos de evidencia. Ofrecemos recogida gratuita para empresas, destrucción certificada de discos duros, recuperación de activos TI y reciclaje responsable, con procesos transparentes adaptados a cada cliente. Si necesita documentación sobre nuestros procedimientos o un presupuesto, escríbanos y le respondemos con el detalle de cada paso.
Preguntas frecuentes
¿Qué significa limpiar todos los datos?
Significa revisar un conjunto de datos y corregir sus errores: duplicados, vacíos, formatos mezclados y registros obsoletos. No implica borrarlo todo, sino dejar solo información precisa y útil para su propósito. Cuando se habla de eliminar datos de un soporte, se aplica la sanitización de medios descrita por NIST.
¿Cuáles son los tres tipos de sanitización de medios?
Según NIST SP 800-88 Rev. 2, son limpiar, purgar y destruir. Se elige uno u otro según la sensibilidad de los datos y el riesgo de recuperación. Para información muy sensible se recomienda la destrucción certificada.
¿Con qué frecuencia debo revisar la calidad de mis datos?
Lo habitual es combinar controles automáticos diarios o semanales con auditorías formales periódicas. La frecuencia debe ajustarse al riesgo: los datos que alimentan facturación, cumplimiento o modelos de IA merecen más revisión que los de uso interno ocasional.
¿Basta con formatear un disco antes de desecharlo?
No cuando contiene información sensible. Formatear puede dejar el contenido recuperable, por lo que se recomienda purgar o destruir el soporte y conservar un registro documentado de la actividad.