Audita Conjuntos de Datos Complejos y Obtén Insights Limpios
Deja de adivinar la calidad de tus datos. Importa archivos Excel o CSV, analiza estadísticas descriptivas, detecta duplicados absolutos y genera matrices de coocurrencia localmente en tu navegador.
Data Quality & Exploratory Audit Canvas
Arrastra aquí tu archivo Excel (.xlsx, .xls) o CSV
Análisis 100% privado en memoria local de tu navegador • Cero envío a servidores
⚙️ Configuración de Entrada
Permite saltar logos, marcas de agua o títulos ejecutivos colocados arriba de la tabla real.
🛠️ Mapeo e Ignorar Columnas
0 ColsDesmarca las columnas inservibles (IDs de sistema, links) o fuerza manualmente su tipo de variable:
👁️ Vista Previa del Dataset Mapeado (Muestra de las primeras 5 filas)
Cómo Opera el Motor de Perfilado
Nuestro pipeline local ejecuta una secuencia automatizada y aislada para ofrecer auditorías de calidad de datos sin fricción.
Carga y Mapeo
Importa tu archivo Excel o CSV, selecciona la hoja de trabajo objetivo y configura el motor para omitir filas de encabezado o columnas innecesarias.
Diagnósticos y Estadísticas
Calcula automáticamente Health Scores de completitud, tendencias centrales, métricas de variabilidad, conteos de nulos y frecuencias categóricas.
Cruces y Exportación
Inspecciona duplicados idénticos, evalúa matrices de contingencia de coocurrencia y exporta reportes limpios en .xlsx, .csv o JSON.
Diseñado para Cargas de Trabajo Críticas
Un ecosistema altamente ajustado construido explícitamente para analistas de datos, auditores y tomadores de decisiones que no pueden permitirse una sola fila mal ubicada.
Privacidad Cero en Subidas
Tus conjuntos de datos confidenciales nunca cruzan las líneas de red. Perfecto para secretos comerciales, datos médicos o registros patentados procesados completamente en la RAM del cliente.
Ejecución Local Instantánea
Sin retrasos de ancho de banda o carga. Procesa decenas de miles de filas en milisegundos directamente dentro del motor JavaScript de tu navegador.
Exportación Multi-Formato
Descarga resúmenes de auditoría en Excel multi-hoja, exporta conjuntos de datos deduplicados en CSV o genera resúmenes ejecutivos estructurados en JSON.
Perfilado de Datos Avanzado
Detecta automáticamente tipos de datos, calcula cardinalidad y mapea matrices de coocurrencia entre variables para encontrar patrones ocultos en tu información.
Preguntas Frecuentes
Términos de Servicio y Política de Datos
Uso y Alcance
Esta herramienta de perfilado se proporciona “tal cual” sin garantía. Los usuarios conservan el 100% de la propiedad y los derechos de autor de los conjuntos de datos procesados durante su sesión activa en el navegador.
Política de Retención
Los datos existen íntegramente en la memoria volátil local (RAM). Al cerrar la pestaña, recargar la página o navegar fuera del sitio, se purgan automática y permanentemente todas las cargas de la sesión.
Limitaciones de Responsabilidad
ScalarPivot no asume responsabilidad por inconsistencias en los datos, desajustes matemáticos, o pérdidas económicas o comerciales posteriores resultantes de las interpretaciones de los informes de perfilado.
Auditoría de calidad de datos en Excel y CSV: qué revisar primero
Un conjunto de datos puede abrir correctamente en Excel y, aun así, contener errores capaces de alterar cualquier conclusión: identificadores duplicados, campos obligatorios vacíos, fechas imposibles, categorías equivalentes con nombres distintos o importes almacenados como texto. El auditor de datos de ScalarPivot permite realizar una exploración inicial en el navegador. Su propósito es ayudar a localizar problemas para que el analista los examine, no declarar que una base cumple automáticamente con todos los estándares de calidad.
Empieza por la unidad de observación
Antes de cargar el archivo, pregúntate qué representa cada fila. ¿Un contrato, un proveedor, un pago, un paciente o una observación mensual? Sin esa definición, un supuesto duplicado puede ser un registro legítimo. Por ejemplo, el mismo proveedor puede aparecer en varios contratos sin que exista error. En cambio, dos filas con el mismo identificador único del contrato sí merecen revisión. La herramienta facilita el perfilado; definir las reglas de negocio sigue siendo responsabilidad de quien conoce los datos.
Revisa campos vacíos y valores atípicos
No todos los vacíos tienen el mismo significado. Un campo de fecha de terminación puede estar en blanco porque el proceso no ha finalizado; uno de valor puede faltar por problemas en la exportación. Conviene distinguir datos no aplicables, no reportados y realmente ausentes. Los valores extremos también deben interpretarse con contexto: una contratación de gran cuantía no es necesariamente un error, pero podría alterar promedios. Compara mediana, distribución y registros extremos antes de eliminarlos o recortarlos.
Ejemplo de revisión: una base de proveedores
- Identidad: comprueba si un mismo NIT aparece con varias razones sociales o con errores de formato.
- Localización: revisa municipios escritos de varias maneras, incluyendo abreviaturas y tildes.
- Importes: busca valores negativos inesperados, separadores decimales diferentes o ceros sospechosos.
- Fechas: detecta registros en los que la fecha final antecede al inicio, si la lógica del proceso no lo permite.
- Concentración: identifica proveedores frecuentes, recordando que frecuencia no equivale a irregularidad.
Cómo dejar evidencia de la revisión
Documenta el nombre de la fuente, la fecha de descarga, los filtros utilizados, el número de filas analizadas y cualquier transformación realizada. Si corriges categorías o eliminas duplicados, conserva una copia del archivo original y un registro de los cambios. La utilidad de una auditoría aumenta cuando otra persona puede reproducir sus pasos. Para explorar información contractual directamente desde fuentes públicas, utiliza DataContratos CO. Si el dato llega atrapado en tablas de un informe, prueba convertir tablas PDF a Excel.
Alcance: las métricas automáticas describen posibles problemas y distribuciones, no prueban fraude, responsabilidad fiscal ni incumplimiento normativo. Los resultados necesitan criterios de negocio, comprobación de fuentes y juicio profesional.