Cómo se construye un dato, y qué ocurre antes de que exista un gráfico

El gráfico es el último objeto, no el primero. Cuando alguien mira, en un ejemplo inventado, una ocupación del 72 % o una tarifa media diaria (ADR) de 148 euros, ese número ya pasó por fuentes, filtros, uniones y, sobre todo, por alguien que decidió qué cuenta como «una noche», «una reserva» o «un cliente». El gráfico resume un conjunto de filas. No es una fotografía del mundo. Es una afirmación sobre un conjunto que alguien construyó.

Dicho de otra manera: el panel no mide el hotel. Mide la tabla que le dieron. Si esa tabla mezcló noches con reservas, o trató una cancelación como una estancia, el gráfico lo repetirá con seguridad falsa. Por eso conviene preguntarse no solo qué dice la barra, sino de qué conjunto habla.

Dos personas suelen aparecer en ese camino, y a menudo se las junta bajo el mismo nombre: «la persona de datos». El ingeniero de datos trabaja en las fuentes, las tuberías, el grano, los contratos, la frescura y la reproducibilidad: que la misma pregunta devuelva las mismas filas mañana. El analista (o el científico de datos, cuando el cargo se llama así) trabaja en la pregunta, la comparación, lo que cambiaría la decisión y lo que el gráfico oculta. Se pasan trabajo. Ninguno de los dos debería fingir que posee el tramo del otro. Más adelante volveremos a ellos, pero no como fichas de contratación: como dos puntos distintos en la evolución de un mismo dato.

Fase 1 Origen: el hecho todavía no es un dato

Antes de cualquier tabla hay un hecho: alguien reservó, alguien canceló, un sensor midió una temperatura, un cajero registró un cobro. Ese hecho no es todavía un dato. Un dato es un registro: una representación que alguien (o un sistema) decidió conservar con cierta forma. La ciencia de la medición lo sabe desde hace mucho: medir no es solo mirar; es elegir qué cuenta y en qué unidades.

En un hotel, la noche ocupada no «existe» en la naturaleza como un número. Existe un huésped que durmió, o una reserva que se canceló, o una habitación que quedó vacía. El dato nace cuando el sistema de reservas escribe una fila. Si se salta esta distinción, se trata el número del panel como si fuera el hecho mismo. No lo es. Es una representación, y las representaciones fallan.

Si se omite el origen: nadie puede decir de qué hecho habla el número, ni si el hecho ocurrió fuera del sistema que lo midió.

Fase 2 Captura: alguien escribe algo

La captura es el momento en que el hecho se convierte en bits. Puede ser automática (un PMS que guarda cada cambio de estado) o humana (un recepcionista que corrige a mano una fecha). Lo importante no es la tecnología. Es que la captura fija un instante, un identificador y unos campos. Lo que no se captura no se puede analizar después. Y lo que se captura mal viaja intacto hasta el gráfico.

Un ejemplo inventado: si el canal de reservas marca «cancelada» y el hotel, al mismo tiempo, deja la habitación marcada como «ocupada» porque nadie actualizó el estado, existen dos capturas del mismo hecho. El análisis posterior heredará la contradicción. La captura no es un detalle administrativo. Es la primera medición.

Si se omite una captura fiable: el hecho ocurrió y el conjunto no lo contiene, o lo contiene dos veces con significados opuestos.

Fase 3 Aterrizaje: una copia en la que se puede trabajar

Los sistemas de origen no están pensados para que alguien haga preguntas largas sobre ellos. Están pensados para operar: vender, cobrar, abrir la puerta. El aterrizaje es el paso en que esos registros llegan a un lugar estable —un almacén, un lago, una base de análisis— donde se pueden leer sin romper el sistema de producción.

Aquí entra la reproducibilidad, una idea sencilla y dura: si mañana se hace la misma pregunta, deberían volver las mismas filas, salvo que los hechos hayan cambiado. Sin aterrizaje controlado, cada persona descarga un CSV distinto, aplica un filtro distinto y discute cifras que nunca midieron el mismo conjunto. La pelea no es sobre el negocio. Es sobre dos copias.

Si se omite el aterrizaje: el análisis vive en archivos sueltos; mañana ya no se puede repetir la cifra ni explicar de dónde salió.

Fase 4 Definición: la medida incluye la regla

Una definición no es un lujo documental. Es parte de la medición. «Cliente» puede ser quien reservó, quien pagó, quien se alojó, o la cuenta de fidelización. «Noche» puede ser la noche calendario, la noche de llegada, o cada unidad de inventario vendida. «Cancelación» puede significar anulación antes de la llegada, no-show, o modificación que deja la habitación libre.

Sin definición escrita, dos equipos pueden mirar el mismo panel y hablar de cosas distintas. El gráfico no lo advierte. Solo dibuja. Por eso una métrica sin la frase «esto cuenta como…» no es una métrica completa. Es un número con un hueco. Quien lo lee rellena el hueco con su intuición, y la intuición de cada lector es otra.

Dicho de otro modo: la definición no acompaña al dato; lo constituye. Cambiar la definición es cambiar la medición, aunque las filas brutas no se muevan.

Si se omite la definición: el mismo nombre mide cosas distintas según quién pregunte, y nadie detecta el desacuerdo hasta que las decisiones chocan.

Fase 5 Limpieza: varios oficios bajo un solo verbo

«Limpiar» suena a un solo gesto. Bajo ese verbo caben oficios distintos, cada uno con una decisión. No se trata de borrar polvo. Se trata de elegir qué hacer cuando el registro no encaja con la regla. Las tablas siguientes son ejemplos inventados; no son datos reales de ningún hotel.

Ejemplo inventado, no es un dato real — tipos de suciedad

Tipo	Qué aparece	Decisión que obliga
Duplicado	Dos filas con el mismo id de estancia y las mismas noches.	¿Se conserva una, se fusionan, o se investiga si fueron dos cobros?
Estado	Noche con estado «cancelada» que sigue en la suma de ocupación.	¿La ocupación cuenta solo llegadas, o también reservas activas?
Formato	Fecha «03/10/2026» junto a «2026-10-03».	¿Día/mes o mes/día? Un parseo erróneo mueve la noche a otro mes.
Nulo	Campo de ingresos vacío.	Vacío no es cero. Cero es «cobramos nada». Nulo es «no lo sabemos».
Identidad	Hotel «HTL-12» que pasó a llamarse «HTL-12B».	¿Se enlazan como el mismo sitio, o se parten las series en dos?
Tipo	Tarifa guardada como texto: «148,50 €».	Hay que convertir a número; si no, no se puede sumar ni promediar.

El caso del nulo merece una frase más. En aritmética de tablas, tratar un valor ausente como cero empuja la media hacia abajo y finge certeza. Tratarlo como ausente obliga a decidir: ¿se excluye la fila, se imputa, o se deja fuera del promedio? Las tres opciones son legítimas. Lo que no es legítimo es no avisarlo. De la misma forma, una noche cancelada no implica automáticamente que «toda reserva cancelada deja la habitación desocupada en el sentido operativo del día»: depende de cuándo se canceló, de si hubo reventa y de cómo esté definida la ocupación. La limpieza fuerza esa precisión; no la reemplaza por un eslogan.

Si se omite la limpieza: el error se disfraza de patrón de negocio, y el gráfico lo enseña con la misma confianza que una señal verdadera.

Fase 6 Grano: una fila es un qué

El grano es la respuesta a una pregunta corta: ¿qué representa una fila? Una fila por noche no es lo mismo que una fila por reserva. Mezclarlos no avisa. Solo cambia, en silencio, la tarifa media diaria, la ocupación y la duración media de la estancia.

La idea de fondo es aritmética. Un promedio depende del denominador. Si el denominador pasa de «noches» a «reservas» sin decirlo, el cociente habla de otra cosa. No es un matiz. Es otra medición.

Ejemplo inventado, no es un dato real — la trampa del grano

Tres reservas en un hotel de ejemplo. Cifras ilustrativas; no son cifras del sector.

Reserva	Noches	Ingreso total	Ingreso por noche
A	1	100 €	100 €
B	3	240 €	80 €
C	2	200 €	100 €

Si el grano es la reserva (tres filas): ADR «media» = (100 + 80 + 100) / 3 = 93,33 €.

Si el grano es la noche (seis filas: 100; 80, 80, 80; 100, 100): ADR = (100+80+80+80+100+100) / 6 = 90 €.

Misma realidad operativa, dos promedios distintos. La reserva corta de 100 € pesa igual que la de tres noches cuando se promedia por reserva; cuando se promedia por noche, las tres noches a 80 € tiran la media hacia abajo. La ocupación y la duración media de estancia se mueven con la misma lógica: el denominador decide.

Si se omite fijar el grano: las métricas se mueven porque cambió el denominador, no porque cambió el negocio, y nadie lo ve en el título del gráfico.

Fase 7 Comprobación: ¿sigue siendo verdad el conjunto?

Antes del gráfico conviene una lista corta, casi aburrida, y por eso útil. Frescura: ¿hasta cuándo llegan los datos? Conteo de filas frente a la fuente: ¿llegó todo? Un total conocido: ¿la suma de ingresos coincide con el cierre en el que el negocio ya confía? La definición escrita al lado de la métrica. Y qué cambió desde ayer: un salto brusco suele ser un fallo de tubería antes que un milagro comercial.

Una de las roturas más silenciosas es el fan-out: un cruce (join) sobre una clave que no es única. Si una reserva se une a una tabla de cargos donde hay tres líneas por reserva, la reserva se triplica. Los ingresos se suman tres veces. El gráfico de «ocupación» o de «ADR» hereda el error con aspecto limpio.

Ejemplo inventado, no es un dato real — fan-out en un cruce

Antes del cruce	Después (clave no única)
Reservas: 1 fila (R1, 2 noches, 200 €). Cargos: 3 filas (R1 habitación, R1 minibar, R1 parking).	Resultado: 3 filas de R1. Si se suma «ingreso de reserva» sin cuidado: 200 + 200 + 200 = 600 €. Noches contadas: 2 + 2 + 2 = 6 en lugar de 2.

La aritmética no mintió. El cruce multiplicó el grano. La comprobación de conteos («¿seguimos teniendo una fila por reserva?») lo habría cazado antes del gráfico.

Si se omiten las comprobaciones: el fallo viaja al panel, donde ya parece una conclusión de negocio.

Fase 8 Análisis: la pregunta sobre un conjunto que ya existe

Solo aquí entra el gráfico con sentido. El análisis no empieza dibujando. Empieza con una pregunta que podría cambiar una decisión: ¿esta semana la caída de ocupación es un canal, un segmento, o un error de definición? ¿La subida del ADR viene de menos noches baratas o de más noches caras? El gráfico es una forma de ver un conjunto ya filtrado y ya definido. Si se usa para explorar sin haber construido ese conjunto, se está pidiendo al dibujo que haga el trabajo de las fases anteriores.

En 2012, Kandel, Paepcke, Hellerstein y Heer presentaron en IEEE VAST un estudio basado en entrevistas a 35 analistas de datos de 25 organizaciones. Un analista situó en más de la mitad de su tiempo el trabajo de integrar, limpiar y transformar datos. Seis de los analistas más técnicos usaban los gráficos interactivos solo para exponer una historia que ya conocían: no exploraban con ellos, porque no podían trabajar los datos dentro de esas herramientas. El gráfico era la diapositiva, no el lugar donde se pensaba.

La idea que importa no necesita porcentajes del sector. Es la misma con la que abrimos: no empieces por el gráfico. Haz la pregunta sobre los datos que la empresa ya tiene, en el sitio donde ya están. Si la herramienta pide una copia aparte solo para poder dibujar, la parte lenta se hace dos veces.

Dos personas en el mismo camino

El ingeniero de datos suele vivir entre el origen y la comprobación: fuentes, aterrizaje, contratos de columnas, frescura, grano estable, reproducibilidad. Construye el conjunto para que mañana sea el mismo conjunto. El analista suele vivir entre la definición y el análisis: formula la pregunta, elige la comparación, detecta lo que el gráfico no muestra, y devuelve al ingeniero lo que la tabla todavía no puede responder.

Lo que uno entrega al otro cabe en pocas líneas. El ingeniero pasa una tabla con grano declarado, un diccionario de columnas, una marca de frescura y una nota de lo excluido. El analista devuelve una pregunta que esa tabla no contesta aún, una definición que debería convertirse en columna, o una ruptura que parece cambio de negocio y es un fallo de tubería. Ninguno debería fingir que el otro tramo «ya está resuelto» solo porque el panel se ve limpio.

Lo que queda al leer un número

Quien dirige un hotel u otro negocio operativo termina leyendo cifras que ya atravesaron este camino, aunque no lo vea. Por eso un panel de precios o de reporting no es un espejo: es el final de una cadena de decisiones sobre qué se capturó, qué se definió y qué se dejó fuera. Por tanto, antes de discutir si la tarifa «está bien», conviene saber a qué grano responde y qué noches entraron en el promedio. De ahí que la pregunta útil no sea solo «qué dice el gráfico», sino «de qué conjunto habla, y quién lo construyó».

Un dato no se encuentra. Se construye. El gráfico llega al final, cuando esa construcción ya ocurrió —o cuando alguien fingió que no hacía falta.