Lección 3 de 16 · Nivel 1: Básico
Tipos de datos y cómo estructurar una tabla
- ⏱ 12 min de lectura
- ❓ 4 preguntas de repaso
- ✍️ Ejercicio con solución
- 📥 Plantilla descargable
En esta lección
- Distinguir datos cuantitativos (discretos y continuos) y cualitativos (nominales y ordinales).
- Elegir qué resumen tiene sentido para cada tipo: suma, promedio, conteo o moda.
- Reconocer los tipos de dato en Excel, SQL y pandas.
- Estructurar una tabla «ordenada»: una fila por observación y una columna por variable.
- Pasar una tabla de formato ancho a formato largo y escribir un diccionario de datos.
Abre la hoja Diccionario y compárala con las columnas de Ventas_limpias: cada columna tiene un tipo y unas reglas.
- ventas-practica-analisis.xlsx · hojas Diccionario y Ventas_limpias
Antes de calcular nada necesitas saber qué tipo de dato tiene cada columna y si la tabla está bien organizada. Sumar códigos postales, promediar regiones o analizar una tabla con celdas combinadas son errores que no muestran ningún aviso: simplemente dan resultados absurdos. En esta lección aprenderás a clasificar los datos, a elegir el resumen correcto para cada tipo y a estructurar tablas que cualquier herramienta (Excel, SQL, Power BI o Python) pueda analizar sin trucos.
Las dos grandes familias de datos
Los datos se dividen en cuantitativos (miden una cantidad: tiene sentido sumarlos o promediarlos) y cualitativos o categóricos (clasifican en grupos). Cada familia tiene dos subtipos:
Cuantitativo discreto
Valores que se cuentan, sin decimales intermedios: unidades, número de pedidos, hijos, visitas.
En Nexo: unidades (de 1 a 12 por pedido).Cuantitativo continuo
Valores que se miden y admiten decimales: dinero, peso, tiempo, temperatura.
En Nexo: precio_unitario e importe.Cualitativo nominal
Categorías sin orden: ninguna es «mayor» que otra.
En Nexo: region, producto, categoria y canal.Cualitativo ordinal
Categorías con un orden natural, pero sin distancias iguales entre ellas.
Ejemplos: talla S/M/L, satisfacción de 1 a 5, nivel educativo. El archivo de Nexo no tiene ninguna.Hay dos tipos más que merecen atención especial. Las fechas parecen texto, pero por dentro son números (Excel guarda el 3 de enero de 2025 como 45660): por eso puedes restarlas, agruparlas por mes o calcular días entre pedidos. Y los identificadores (id_pedido, DNI, número de cliente, código postal) parecen números pero son etiquetas: no tiene sentido sumarlos ni promediarlos.
El código postal 06700 de la colonia Roma Norte, en Ciudad de México, guardado como número se convierte en 6700: el cero inicial desaparece y el dato queda mal para siempre. Lo mismo pasa con documentos de identidad o códigos de producto que empiezan con cero. Regla: si no vas a hacer operaciones matemáticas con una columna, guárdala como texto.
1. ¿Qué tipo de dato es la columna «canal» (Web, Marketplace, Tienda física)?
Clasifica los pedidos en grupos sin un orden natural: ningún canal es «mayor» que otro. Por eso es nominal. Sería ordinal si las categorías tuvieran un orden, como «bajo, medio, alto».
Qué resumen usar según el tipo de dato
El tipo de dato decide qué cálculos tienen sentido. Esta tabla es tu guía rápida:
| Tipo | Resúmenes útiles | Ejemplo con Nexo |
|---|---|---|
| Nominal | Conteo, porcentaje, moda | Accesorios es la categoría con más pedidos: 79 de 197 (40,1%) |
| Ordinal | Conteo, mediana, percentiles | «La mediana de satisfacción es 4 de 5» (no promedies opiniones de 1 a 5 sin cuidado) |
| Cuantitativo discreto | Suma, media, mediana, moda | Se vendieron 498 unidades; la mediana es 2 por pedido |
| Cuantitativo continuo | Suma, media, mediana, desviación, percentiles | Ventas de 38.472,20 USD; ticket promedio de 195,29 USD |
| Fecha | Mínimo, máximo, agrupar por período, diferencias | El primer pedido es del 3 de enero y el último del 31 de diciembre de 2025 |
| Identificador | Conteo y conteo de valores únicos | 197 pedidos distintos: si hubiera más filas que IDs únicos, hay duplicados |
Una variable nominal se resume contando. Así se reparten los 197 pedidos por categoría:
Pedidos por categoría: Accesorios 79, Audio 50, Cómputo 44 y Oficina 24 (12,2%).
Y una variable discreta se puede ver como una distribución de frecuencias. Fíjate en que casi la mitad de los pedidos son de una sola unidad:
2. Tu jefe te pide «el promedio de la columna región». ¿Qué le respondes?
Las variables nominales se resumen con conteos, porcentajes y moda. La región con más pedidos es Ciudad de México (41 de 197). Probablemente tu jefe quería saber eso.
Cómo se llaman los tipos en cada herramienta
Cada programa tiene sus propios nombres, pero los conceptos son los mismos. Cuando una columna tiene el tipo equivocado (un número guardado como texto, una fecha como texto), los cálculos fallan o, peor, devuelven algo que parece correcto:
| Concepto | Excel / Google Sheets | SQL | pandas (Python) |
|---|---|---|---|
| Texto | Texto (alineado a la izquierda) | VARCHAR, TEXT | object o str |
| Número entero | Número | INTEGER | int64 |
| Número decimal | Número, Moneda | DECIMAL, NUMERIC, REAL | float64 |
| Fecha | Fecha (es un número por dentro) | DATE, TIMESTAMP | datetime64 |
| Verdadero/falso | VERDADERO / FALSO | BOOLEAN | bool |
Una pista rápida en Excel: por defecto, los números y las fechas se alinean a la derecha y el texto a la izquierda. Si ves un importe alineado a la izquierda, probablemente está guardado como texto y no se sumará. También verás que los datos pueden ser estructurados (tablas con filas y columnas, como las ventas), semiestructurados (JSON, XML) o no estructurados (correos, reseñas, imágenes). Un analista que empieza trabaja casi siempre con datos estructurados.
La tabla ordenada: tres reglas
Una tabla está «ordenada» (en inglés, tidy data) cuando cumple tres reglas sencillas:
- Cada variable es una columna. Región en una columna, canal en otra. Nunca «Lima - Web» en una sola celda.
- Cada observación es una fila. En Nexo, cada fila es un pedido. Esa definición se llama granularidad y conviene escribirla.
- Cada valor está en su propia celda. Sin celdas combinadas, sin «3 und.» ni «USD 120»: el número va solo y la unidad va en el nombre de la columna o en el diccionario.
Formato ancho y formato largo
Muchos reportes llegan en formato ancho: una columna por período. Son cómodos de leer, pero difíciles de analizar. Estas son las ventas de Nexo por canal y trimestre en formato ancho (en USD):
| canal | T1 | T2 | T3 | T4 |
|---|---|---|---|---|
| Marketplace | 1.804,80 | 2.679,80 | 2.156,30 | 5.089,40 |
| Tienda física | 886,80 | 830,90 | 2.223,30 | 4.942,00 |
| Web | 3.442,20 | 3.475,10 | 5.286,00 | 5.655,60 |
Los mismos datos en formato largo tienen una fila por combinación de canal y trimestre: 3 canales × 4 trimestres = 12 filas. Estas son las primeras cinco:
| canal | trimestre | ventas_usd |
|---|---|---|
| Marketplace | T1 | 1804,80 |
| Marketplace | T2 | 2679,80 |
| Marketplace | T3 | 2156,30 |
| Marketplace | T4 | 5089,40 |
| Tienda física | T1 | 886,80 |
¿Por qué el largo es mejor para analizar? Porque si mañana llega el T1 de 2026, en formato ancho tienes que agregar una columna y cambiar todas las fórmulas; en formato largo solo agregas filas. Las tablas dinámicas, SQL, Power BI y pandas esperan datos en formato largo. Usa el ancho solo para presentar resultados.
Errores de estructura que arruinan un análisis
Celdas combinadas en los encabezados o en los datos.
Un solo encabezado por columna, en una sola fila, y ninguna celda combinada.
Filas de subtotal y total mezcladas con los datos.
Los totales se calculan aparte (tabla dinámica, fórmula o consulta), nunca dentro de la tabla de datos.
Dos datos en una celda: «Lima - Web», «3 und.», «USD 120».
Una columna por variable y números sin texto; la unidad va en el nombre de la columna (importe_usd).
Usar colores como dato («los pedidos en rojo son devoluciones»).
Crea una columna estado con valores como «Devuelto» o «Entregado».
Filas vacías para «separar» meses o regiones.
Tabla continua; para separar, ordena o filtra.
El diccionario de datos
Un diccionario de datos explica cada columna: nombre, tipo, significado, ejemplo y reglas. Parece burocracia hasta que heredas un archivo de otra persona y no sabes si «importe» incluye impuestos. Este es un extracto del diccionario incluido en el archivo de práctica:
| Columna | Tipo | Descripción | Reglas |
|---|---|---|---|
| id_pedido | Texto (identificador) | Código único de cada pedido | Formato P-0000; no se repite |
| region | Texto (nominal) | Región de entrega | Uno de los 9 nombres de la hoja Regiones |
| unidades | Entero (discreto) | Cantidad del pedido | Mayor o igual a 1 |
| importe | Decimal (continuo) | Total del pedido en USD | Igual a unidades × precio_unitario; nunca vacío |
Las reglas son la parte más valiosa: en la lección 5 las usarás para detectar automáticamente qué filas están mal.
3. Recibes una tabla con las columnas Región, Enero, Febrero, Marzo y Total. ¿Qué dos cambios la dejan ordenada para analizar?
El total se puede calcular cuando haga falta, y los meses son valores de una variable (mes), no variables distintas. En formato largo la tabla queda con Región, mes y ventas: una fila por región y mes.
4. ¿Cómo deberías guardar la columna «código postal»?
No se hacen operaciones matemáticas con códigos postales. Guardarlos como número elimina los ceros iniciales (06700 pasaría a 6700).
Ejercicio práctico
Un vendedor envía este reporte del primer trimestre. Identifica al menos cuatro problemas y propone la estructura ordenada (nombres de columnas y cuántas filas tendría).
| Región / canal | Ene | Feb | Mar |
|---|---|---|---|
| Lima - Web | USD 410 | 395 | 520 (aprox.) |
| Lima - Marketplace | 230 | — | 310 |
| Bogotá - Web | 180 | 210 | 205 |
| TOTAL | 820 | 605 | 1035 |
Ver solución
Problemas:
- Dos variables en una columna («Lima - Web» mezcla región y canal).
- Formato ancho: los meses son columnas.
- Texto dentro de los números («USD 410», «520 (aprox.)»): no se sumarán.
- Un guion «—» en lugar de un valor: ¿es cero o es un dato que falta? Hay que preguntarlo.
- Una fila de TOTAL dentro de los datos: si alguien suma la columna, contará todo dos veces.
Estructura ordenada: columnas region, canal, mes y ventas_usd (y, si hace falta, una columna nota para marcar «aproximado»). Sin la fila de total, hay 3 combinaciones de región y canal × 3 meses = 9 filas. Por ejemplo: Lima | Web | 2025-01 | 410. El valor de Lima - Marketplace en febrero queda vacío hasta confirmar si fue 0 o un dato perdido.
Resumen
- Cuantitativos (discretos y continuos) se suman y promedian; cualitativos (nominales y ordinales) se cuentan.
- Fechas e identificadores son tipos especiales: las fechas son números por dentro y los identificadores son texto.
- Una tabla ordenada tiene una variable por columna, una observación por fila y un valor por celda.
- Analiza en formato largo y presenta en formato ancho.
- Un diccionario de datos con reglas te ahorra horas de dudas y te ayuda a detectar errores.
En la próxima lección: Excel y Google Sheets para análisis de datos. Usarás fórmulas como SUMAR.SI.CONJUNTO, BUSCARX y UNICOS para responder preguntas sobre las ventas de Nexo.
Crea tu cuenta en 30 segundos, marca tus lecciones y descarga el certificado al terminar.