Contexto
Una empresa puede querer explicar retrasos, consumo o incidencias antes de invertir en un modelo nuevo. Si ha cambiado el catálogo, la instrumentación o el criterio de cierre, el histórico contiene procesos de medición distintos. Empezar por el algoritmo deja ese cambio sin resolver.
El NIST plantea el análisis exploratorio como una forma de examinar estructura, anomalías y supuestos antes de fijar el modelo. Su guía de diagramas de dispersión también diferencia asociación de causalidad. Aquí proponemos aplicar esas distinciones a la comparación de periodos de operación.
La unidad importa. Lecturas, pedidos, máquinas y jornadas responden preguntas diferentes. Un equipo con más mediciones puede dominar una media por fila sin representar más horas de trabajo; un periodo con más producción puede registrar más averías y una tasa menor por hora de uso.
Ejemplo didáctico · situación inventada
Más incidencias después de instalar sensores
Una fábrica incorpora sensores a equipos que antes solo tenían partes manuales. Aumenta el número de incidencias registradas y se propone investigar por qué empeoró la operación.
Qué decisión cambia. Comparar primero los equipos con medición equivalente en ambos periodos y revisar la exposición. Estudiar por separado la nueva cobertura. No atribuir el aumento agregado a más averías hasta separar detección, definición del evento y funcionamiento real.
Qué comprobar antes de empezar
- Qué entidad y exposición representa cada fila: pedido, activo, hora de uso o lectura.
- Si cambian unidades, instrumentación, población observada o reglas de apertura y cierre.
- Qué segmentos aparecen en ambos periodos y cuáles entran o salen del registro.
- Si las ausencias coinciden con turnos, carga elevada, fallos o equipos concretos.
- Qué decisión cambiaría con la conclusión y qué evidencia adicional necesita.
Método de trabajo
¿El indicador conserva su significado?
Reconstruye numerador y denominador desde los registros. Guarda la definición y su vigencia. Si una incidencia cambió de clasificación, calcula una comparación compatible o señala que las series no lo son. La transformación deja visibles los datos excluidos y su motivo; no reescribe el histórico hasta que parezca uniforme.
¿Cambió el proceso o la población observada?
Compara equipos, centros o tipos de pedido presentes en ambos periodos. Examina también los nuevos y los retirados, sin mezclarlos con el grupo común. Una media global puede cambiar por composición. Publica recuentos y exposición junto al indicador para distinguir más actividad de peor rendimiento.
¿Qué oculta el agregado?
Revisa distribuciones, extremos y ausencias por segmento y periodo. Un promedio estable puede ocultar más retrasos en una línea y menos en otra. Presenta el patrón con su soporte, no únicamente un contraste estadístico. La relevancia para la operación depende de la magnitud y de la decisión, no de una etiqueta de significación aislada.
¿La relación permite hablar de una causa?
Separa una asociación observada de la hipótesis que la explicaría. Más temperatura y más paradas pueden coincidir con una carga de trabajo mayor. Incluir variables en una regresión no elimina automáticamente sesgos ni demuestra qué pasaría al intervenir. Si la decisión requiere atribución causal, hace falta un diseño y supuestos específicos, acordados como un alcance adicional.
¿Qué recibe el equipo al terminar?
Un conjunto de datos versionado, reglas de cálculo, análisis reproducible y límites de las conclusiones. El informe indica qué se conoce, qué debe medirse mejor y si hay base para desarrollar un modelo. Si la prioridad es corregir el registro o completar la muestra, esa recomendación es una entrega válida; no obliga a contratar una arquitectura nueva.
Señales para detener la prueba
- Los periodos usan definiciones incompatibles que no pueden reconstruirse.
- El denominador o el tiempo de exposición no están disponibles.
- Se descartan valores ausentes sin revisar por qué faltan.
- La conclusión atribuye una causa a una correlación sin un diseño que la sostenga.
- No se puede volver desde el indicador a los registros y transformaciones utilizados.
Fuentes
- NIST — What is Exploratory Data Analysis? — Exploración de estructura, anomalías y supuestos antes de elegir un modelo.
- NIST — Scatter Plot — Una asociación observada no demuestra una relación causal.
Para seguir con esta decisión
- ¿Cómo detectar sensores defectuosos y expresar confianza en el dato?
- ¿Puede un documento convertirse en una geometría?
- ¿Por qué el problema de los datos públicos no termina al encontrarlos?
Servicio de Ciencia e ingeniería de datos: alcance y entregables
Probar las reglas en Data Quality Lab
Publicado por Ordantis el .