Datos abiertos: dónde están y cómo se comprueban antes de publicar
Descargar un fichero es fácil. Saber qué contiene, quién lo generó y qué no dice es el trabajo que separa una historia sólida de una equivocación con gráfico.
Un fichero no es una fuente
Descargar un CSV cuesta diez segundos. Saber quién lo generó, con qué criterio, con qué cobertura y con qué omisiones puede costar dos días. Ese segundo trabajo es el que convierte un fichero en una fuente; sin él, lo que se publica es la opinión de un organismo con aspecto de dato.
El error más común no es equivocarse en el cálculo. Es tratar una tabla como si fuera la realidad, cuando lo que contiene es el registro que una administración concreta decidió llevar, con los medios que tenía y para una finalidad que no era la nuestra.
Las seis preguntas previas
- ¿Quién publica? No el portal, sino el organismo que produce el dato. Un portal es un escaparate; el productor es quien responde por el contenido.
- ¿Qué define cada campo? Si no hay diccionario de datos, hay que pedirlo. Sin él, cualquier interpretación es una suposición.
- ¿Cuál es el período y la unidad? Un dato mensual y otro anual no se suman. Un dato por municipio y otro por área metropolitana no se comparan.
- ¿Qué falta? Los vacíos rara vez son aleatorios. Un municipio que no reporta, un año que se salta, una categoría que desaparece: eso también es información.
- ¿Cuándo se actualizó por última vez? Un conjunto etiquetado como vigente puede llevar tres años sin tocarse.
- ¿Ha cambiado la metodología? Una serie que da un salto brusco suele contar un cambio de criterio, no un cambio en la realidad.
La limpieza es la mitad del trabajo
Quien no haya trabajado con datos públicos suele imaginar que llegan listos. Lo habitual es lo contrario: codificaciones distintas en el mismo fichero, nombres de municipio escritos de tres maneras, cifras guardadas como texto, separadores de miles que el programa interpreta como decimales, y celdas combinadas heredadas de una hoja de cálculo.
Nada de esto es un accidente: es lo que ocurre cuando un registro pensado para uso interno se publica sin adaptarlo. La consecuencia práctica es que hay que reservar tiempo de limpieza en la planificación, no descubrirlo la tarde antes de publicar.
| Síntoma | Causa habitual | Qué hacer |
|---|---|---|
| Totales que no cuadran | Filas de subtotal mezcladas con filas de detalle | Separar niveles antes de agregar |
| Municipios duplicados | Grafías distintas o cambios de denominación | Cruzar por código oficial, nunca por nombre |
| Saltos bruscos en la serie | Cambio de metodología o de ámbito | Buscar la nota metodológica del organismo |
| Porcentajes que suman más de cien | Categorías no excluyentes | Leer la definición de cada categoría |
| Fechas desordenadas | Formato local frente a formato ISO | Normalizar a AAAA-MM-DD desde el principio |
| Celdas vacías y ceros mezclados | «Sin dato» codificado como cero | Distinguir ausencia de valor y valor cero |
Documentar mientras se trabaja, no después
Cada decisión de limpieza es una decisión editorial: excluir una fila, unificar dos categorías, elegir un año base. Si no queda escrita en el momento, dentro de un mes nadie —tampoco quien la tomó— sabrá por qué se hizo así.
- Guarde el fichero original sin tocar y trabaje siempre sobre una copia.
- Anote la fecha de descarga y la URL exacta; los portales reorganizan sus catálogos.
- Lleve una lista de decisiones con una línea por cada una: qué se hizo y por qué.
- Registre las consultas al organismo y la respuesta recibida, aunque sea negativa.
Cuando el dato no existe
A veces la conclusión del trabajo es que el dato no está publicado. Es un resultado legítimo y a menudo el punto de partida de algo mejor: una solicitud de acceso a la información al amparo de la Ley 19/2013, cuya tramitación y plazos son públicos, o la reconstrucción del dato a partir de fuentes parciales, explicando con claridad al lector qué se ha estimado y con qué margen.
Lo que no es legítimo es rellenar el hueco con una cifra aproximada y presentarla con la misma seguridad que las demás.
