InicioSobre míProyectosCómo trabajoContacto
02Data quality

RevisarEncuentro por qué tu número no cuadra.

Primero acordamos qué significa el número. Después pruebo si los datos lo sostienen. Si no pasan, paro y lo digo por escrito.

Data profilingTests en SQLNota de datos
00Qué recibes

Una páginaque te dice qué número usar.

Cinco números, cada uno con su veredicto. Cifras de ejemplo.

Nota de datos · septiembrePara: la reunión comercial del lunes
NúmeroFuente oficialModeloDif.Veredicto
Venta neta412.000.000412.000.0000✓Usar
Costo330.000.000331.940.0000,59 %!Con aviso
Margen19,90 %19,43 %−0,47 pp!Con aviso
Clientes con compra2842840✓Usar
Stock valorizado——12 % sin costo✗Todavía no

ConfirmadoVenta y clientes calzan con contabilidad.

AbiertoCosto: facturas de octubre con fecha de septiembre. Dueño: Contabilidad.

No probadoDevoluciones de otros canales.

Qué traeLa data note
  • ✓Cada número con su veredicto
  • ✓Qué se confirmó, qué sigue abierto y qué no se probó
  • ✓El SQL para repetir cada hallazgo
  • ✓Qué arreglar primero, y quién es el dueño
00Qué hago y qué no

Lo que no hago,y lo que sí.

1El diccionario
✗No lo hago

Creerle sin probar

✓Lo hago

Lo pruebo con data profiling

2Las keys
✗No lo hago

Modelar aunque no calcen

✓Lo hago

Primary keys y orphan rows

3Lo raro
✗No lo hago

Borrar filas en silencio

✓Lo hago

Lo marco y pregunto

4Dónde limpio
✗No lo hago

A mano, o en Power Query

✓Lo hago

En la fuente, con SQL

5Lo que no calzó
✗No lo hago

Esconderlo

✓Lo hago

Una nota de datos visible

00El data profiling

El diccionario dice una cosa.Los datos, otra.

Antes de cualquier test, miro qué llegó de verdad.

DóndeLo que diceLo que llegó
fact_ordersUn pedido por filaKey única y 0 orphan rows✓
dim_time_slotFranja de tiempo17 horas imposibles, como 02:95✗
dim_kitchenCocinasKIT-YB-001 se llama «Lekki Phase 1» y está en Yaba✗
dim_riderCocina asignadaCoincide en 25,3 % de los pedidos: lo que da el azar✗
temperature°C de la comida90,3 % sobre 100 °C. Máximo: 1.000 °C✗
profitValor − costo de reparto0 % de las filas lo cumple✗
Dataset público de un concurso (Golden Wok, Onyx Data).
10/10

El archivo oficial dice que pasó todo. Mira si la tabla existe y si las keys calzan. No si 1.000 °C tiene sentido. Por eso miro antes de probar.

00Cinco preguntas

Cinco preguntasantes del primer gráfico.

Corren dos veces: cuando llega el dato y antes de publicar. Pasa el mouse o elige una.

Qué buscoQue la tabla llegó hoy, con filas y con las columnas acordadas.

tablelast loadrows
raw_saleshoy 06:1041,200
raw_storeshace 9 días38
raw_costshoy 06:120

Una tabla vacía pasa todos los demás tests. Por eso esta va primero.

-- 0 filas o carga vieja: no sigo
SELECT table_name, total_rows,
       storage_last_modified_time
FROM `region-us`.INFORMATION_SCHEMA.TABLE_STORAGE
WHERE table_schema = 'raw';

En dbtsource freshness

Qué buscoUna fila por línea de venta. Si una venta aparece dos veces, todo se infla.

sale_idline_noamount
104115,000
104115,000
104125,000

Dos cafés en una boleta no son un duplicado: los separa la línea.

-- 0 filas = pasa
SELECT sale_id, line_no, COUNT(*) AS n
FROM stg_sales
GROUP BY sale_id, line_no
HAVING COUNT(*) > 1
    OR sale_id IS NULL OR line_no IS NULL;

En dbtunique + not_null

Qué buscoSin fechas vacías ni futuras, descuentos entre 0 y 100, y utilidad = venta − costo.

checkrulerows
sale_dateno vacía1
sale_dateno futura0
discount_pct0–1002
profitrevenue − cost0

El rango es por columna: un markup de 150 % puede ser normal.

-- Todo en 0 = pasa
SELECT COUNTIF(sale_date IS NULL) AS no_date,
  COUNTIF(sale_date > CURRENT_DATE()) AS future,
  COUNTIF(discount_pct NOT BETWEEN 0 AND 100) AS bad_discount,
  COUNTIF(ABS(revenue - cost - profit) > 1) AS bad_profit
FROM stg_sales;

En dbtnot_null + accepted_values

Qué buscoQue cada venta apunte a una tienda que existe. Si no, es una orphan row y el total por tienda no suma.

store_idrowsamount
S-14121,240,000

12 ventas sin tienda: el total por zona queda corto.

-- 0 filas = pasa
SELECT f.store_id, COUNT(*) AS rows_affected,
       SUM(f.amount) AS amount_affected
FROM stg_sales f
LEFT JOIN stg_stores d USING (store_id)
WHERE d.store_id IS NULL
GROUP BY f.store_id;

En dbtrelationships

Qué buscoPor mes cerrado, el total es igual al de la fuente oficial, dentro de la tolerancia.

monthsourcemodel
ago318.2 M318.2 M
sep330.0 M331.9 M

Septiembre se pasa del 0,1 % acordado: se explica en la reconciliation.

-- 0 filas = pasa
SELECT month, s.total, m.total,
       s.total - m.total AS diff
FROM gl_close s FULL JOIN mart_sales m USING (month)
WHERE month < DATE_TRUNC(CURRENT_DATE(), MONTH)
  AND ABS(s.total - m.total) > 0.001 * ABS(s.total);

En dbtun test singular contra la fuente

00El cleaning

Limpiarsin cambiar el significado.

Una vez, en la fuente o en staging, con SQL. Queda en un script, y lo que sale queda anotado.

✗Lo que llega
sale_idlineupdateddateproductamountstatus
1041110:0003/10/26café$ 5.000ENTREGADO
1041118:002026-10-03Cafe5000entregado
1042118:002026-10-03Cafe5000entregado
1042218:002026-10-03Cafe5000entregado
1043118:00—CAFÉ5000ok

Dos versiones de la 1041, dos cafés en la 1042 y una fila sin fecha.

✓Cómo queda
sale_idlinedateproductamount_clpdq_flag
104112026-10-03CAFÉ5000—
104212026-10-03CAFÉ5000—
104222026-10-03CAFÉ5000—
10431—CAFÉ5000missing_date

La fila sin fecha no se borra: se marca y se avisa. «ok» lo decide el dueño.

5filas entran
4filas salen
1versión antigua, guardada aparte
1fila marcada, avisada al dueño
00La reconciliation

La confianza se ganacon números que calzan.

Y lo que no calza se explica línea por línea. Cifras de ejemplo.

Costo de septiembre: de un total al otro
Fuente · contabilidad$330.000.000
Facturas de octubre con fecha de septiembrecut-off+ $2.300.000
Notas de crédito sin cargarfuente− $360.000
Modelo$331.940.000

Diferencia: $1.940.000 (0,59 %). Tolerancia acordada: 0,10 %.

Nota de datos

Qué no calzóEl costo difiere en $1.940.000 (0,59 %).

A qué afectaEl margen de septiembre baja de 19,90 % a 19,43 %.

Mientras tantoSe publica con aviso.

Qué necesitoQue Contabilidad confirme las facturas de octubre.

Dueño: Contabilidad · 15-oct
00Lo que atrapan

Las mismas preguntas, en datos públicos.Ninguno pasó todo.

Son concursos, no empresas: muestran qué atrapa cada pregunta, no cómo están tus datos.

0de 4

pasó todo

Datos públicos de concursos de Onyx Data.
✗Golden Wok¿Es creíble?

90,3 % de las temperaturas sobre 100 °C. Las keys pasan.

!Sunrise Coffee¿Cuadra?

El fact diario es una muestra: 22,8 % del mensual.

!IA y empleo¿Representa?

Datos sintéticos, declarados. Ponderar cambia los rankings.

!Farmacias¿Es creíble?

La más limpia, pero 6.221 líneas se vendieron antes del lanzamiento.

00Cuándo revisar

Antes de decidir,no después.

  1. 1
    Llega una fuente nuevaAntes de que alguien construya encima.
  2. 2
    Dos áreas traen cifras distintasAntes de que la reunión se vuelva una discusión.
  3. 3
    Se conecta un asistente de IAAntes de que responda con el número equivocado.
✓Vale la pena si
  • Dos áreas traen cifras distintas.
  • Alguien va a decidir con ese número.
  • Copilot o Claude van a leer esos datos.
✗No es para esto
  • Lo que se necesita es una auditoría financiera.
  • Se busca una firma de que todo está perfecto.
  • Nadie va a decidir nada con el resultado.
Acceso de solo lecturaSin datos personales en los ejemplosTodo queda por escrito
00Cómo sé que terminé

Cada número tiene veredicto.Y lo que no calzó, con dueño y fecha.

Revisar termina cuando cada número tiene veredicto y lo que falta está por escrito.

Termino cuando…
  1. ✓
    Dentro de la tolerancia, o aceptado por escritoCosto: 0,59 %, aceptado por Contabilidad.
  2. ✓
    Filas marcadas, no borradas1043 sin fecha, avisada al dueño.
  3. ✓
    Cada hallazgo se repite con el SQLCualquiera puede volver a correrlo.
  4. ✓
    Lo que no probé, también por escritoDevoluciones de otros canales.
Nota de datos

¿Llegó?✓

¿Única?0 dup.

¿Creíble?1 marcada

¿Conecta?0 orphan

¿Cuadra?0,59 % · aceptado

!Pasa con nota

Con la nota firmada, se modela. Lo que sigue es Modelar.