{"id":5535,"date":"2025-10-21T11:59:50","date_gmt":"2025-10-21T10:59:50","guid":{"rendered":"https:\/\/www.lamagnetica.com\/?p=5535"},"modified":"2025-10-21T12:11:40","modified_gmt":"2025-10-21T11:11:40","slug":"analisis-de-datos-el-misterio-de-los-totales-que-no-cuadran-y-como-resolverlo","status":"publish","type":"post","link":"https:\/\/www.lamagnetica.com\/es\/blog\/analisis-de-datos-el-misterio-de-los-totales-que-no-cuadran-y-como-resolverlo\/","title":{"rendered":"An\u00e1lisis de datos: El misterio de los totales que no cuadran y c\u00f3mo resolverlo."},"content":{"rendered":"\n

En el marco de negocios actual es imprescindible poder visualizar los resultados conseguidos. Disponer de cuadros de mandos o tablas de KPIS (Indicadores Claves de Rendimiento) es clave para la evaluaci\u00f3n del rendimiento de las acciones llevadas a cabo, as\u00ed como para el dise\u00f1o de nuevas estrategias. Para cumplir con esta necesidad, existen infinidad de herramientas disponibles en el mercado que permiten la integraci\u00f3n de m\u00faltiples fuentes de datos y la visualizaci\u00f3n de la informaci\u00f3n recolectada.<\/p>\n\n\n\n

El volumen de datos a los que tienen acceso las empresas es cada vez mayor, por lo que adquirir la capacidad de extraer la informaci\u00f3n realmente valiosa es el factor que puede marcar la diferencia para una toma de decisiones acertada. En este art\u00edculo nos centraremos en uno de los formatos de visualizaci\u00f3n m\u00e1s usados en cuadros de mando y herramientas de an\u00e1lisis: las tablas planas.<\/p>\n\n\n\n

En su formato m\u00e1s b\u00e1sico, una tabla consiste en una serie de registros \u00fanicos (filas) que tienen asociados diferentes valores (columnas). A partir de ah\u00ed, podemos combinar tablas para enriquecer la informaci\u00f3n. Una de las operaciones m\u00e1s comunes es el merge<\/em>: unir dos tablas usando como elemento de uni\u00f3n un valor com\u00fan en una columna. Es en esta operaci\u00f3n tan sencilla donde es importante ser cauteloso, ya que pueden aparecer diferentes problemas que lleven a errores fatales en an\u00e1lisis posteriores.<\/p>\n\n\n\n

Seguro que te ha pasado: consultas tu dashboard de Power BI o Looker Studio, exportas una tabla a una hoja de c\u00e1lculo para una comprobaci\u00f3n r\u00e1pida, sumas los valores de una columna y el resultado no coincide con el Total que muestra el dashboard. \u00bfUn error de la herramienta? La respuesta es no, y entender la causa es fundamental para garantizar la fiabilidad de tus an\u00e1lisis.<\/p>\n\n\n\n

\u00bfPor qu\u00e9 ocurre esta discrepancia?<\/h2>\n\n\n\n

Causa A: La duplicidad de registros por el cruce de datos<\/span> (El efecto “One to many”)<\/h3>\n\n\n\n

Este problema surge a menudo despu\u00e9s de unir tablas (merge o join), cuando una fila de la tabla principal (la que tomamos como referencia) se corresponde con m\u00faltiples filas de la tabla secundaria (de la que extraemos la nueva informaci\u00f3n).<\/p>\n\n\n\n

Imaginemos que tenemos una tabla de Costes de Campa\u00f1a (una fila por campa\u00f1a) y otra de Conversiones (m\u00faltiples filas por campa\u00f1a). Si unimos ambas para ver el coste junto a cada conversi\u00f3n, la cifra del coste de la campa\u00f1a se repetir\u00e1 por cada conversi\u00f3n que haya generado. Al sumar la columna ‘Coste’ en esta nueva tabla, estaremos sumando el mismo coste varias veces, inflando artificialmente el total.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Causa B: La mezcla de niveles de granularidad<\/span><\/h3>\n\n\n\n

Hay que partir de la premisa de que no todos los valores de una tabla se pueden cruzar. Las dimensiones, as\u00ed como las m\u00e9tricas, tienen intr\u00ednsecas un entorno al que pertenecen y que hace incompatible relacionarlas con otras por el simple hecho de \u201cvivir en otro nivel\u201d. Un ejemplo claro lo observamos en los resultados de Google Analytics 4: existen m\u00e9tricas asociadas a sesiones, otras a usuarios, otras a eventos, \u2026<\/p>\n\n\n\n

Esto puede llevar a que casos como el siguiente: pretendemos analizar el comportamiento de usuarios procedentes de una fuente concreta. Nos puede interesar estudiar cu\u00e1ntas de nuestras sesiones genera esta fuente y qu\u00e9 p\u00e1ginas visitan dichos usuarios. Sin embargo, analizarlo todo en una misma tabla plana lleva a resultados confusos. <\/p>\n\n\n\n

Imaginemos que solo tenemos una sesi\u00f3n cumpliendo estas condiciones y que, en ella, el usuario visita 3 p\u00e1ginas distintas. El resultado son 3 filas, una para cada una de las p\u00e1ginas y con valor 1 en ambas columnas: la de Sesiones y la de P\u00e1ginas vistas. En cambio, en los totales deber\u00edamos observar 1,3.<\/p>\n\n\n\n

\n
\"\"<\/figure>\n<\/figure>\n\n\n\n

Sutilezas como las descritas en este art\u00edculo son las que diferencian un an\u00e1lisis superficial de una consultor\u00eda de datos estrat\u00e9gica. Es por ello que desde LaMagn\u00e9tica, con nuestro equipo de analistas con formaciones de alto nivel, examinamos cada uno de los resultados para poder garantizar as\u00ed el primer paso para tomar decisiones de negocio acertadas.<\/p>\n\n\n

<\/div>