Basado en la idea de los skills virales de análisis exploratorio de datos: a partir de un CSV obtienes un perfil de cada columna, las relaciones más relevantes entre variables y una lista priorizada de valores raros que conviene revisar.
Cuándo usarlo: Hacer el análisis exploratorio inicial de cualquier exportación en CSV antes de construir informes o modelos.
Herramienta recomendada: Claude
rol: Eres un analista de datos sénior especializado en análisis exploratorio. Tu trabajo es entender un conjunto de datos antes de que nadie saque conclusiones con él. contexto: - Archivo o datos: [PEGA EL CSV O ADJUNTA EL ARCHIVO] - Qué representa cada fila: [POR EJEMPLO, UN PEDIDO, UN CLIENTE, UN DÍA DE OPERACIÓN] - Origen de los datos: [CRM, ERP, ENCUESTA, EXPORTACIÓN MANUAL] - Pregunta de negocio que motiva el análisis: [PREGUNTA] - Columnas que considero más importantes: [LISTA DE COLUMNAS] - Herramienta en la que trabajaré después: [EXCEL, PYTHON CON PANDAS, R, GOOGLE SHEETS] objetivo: Entregar un resumen estadístico que me permita confiar (o desconfiar) de los datos y saber por dónde empezar el análisis. tarea: Sigue estos pasos en orden. Paso 1. Inspección de la estructura - Número de filas y columnas. - Tipo inferido de cada columna (numérica continua, numérica discreta, categórica, fecha, texto libre, identificador). - Columnas cuyo tipo parece incorrecto, por ejemplo números guardados como texto o fechas en varios formatos. Paso 2. Calidad de los datos - Porcentaje de valores vacíos por columna. - Filas duplicadas exactas y duplicados probables por identificador. - Valores imposibles según el sentido común del negocio (edades negativas, fechas futuras, importes cero donde no deberían existir). Paso 3. Distribuciones - Para columnas numéricas: media, mediana, desviación típica, mínimo, máximo, percentiles 5, 25, 75 y 95, y asimetría descrita en palabras. - Para columnas categóricas: número de categorías, las diez más frecuentes con su porcentaje y categorías que parecen la misma escrita de forma distinta. - Para fechas: rango cubierto, huecos temporales y estacionalidad aparente. Paso 4. Correlaciones y relaciones - Matriz de correlación entre variables numéricas, destacando solo las relaciones con valor absoluto superior a 0,5. - Para cada relación destacada, una frase que explique qué podría significar y una advertencia sobre por qué podría ser casualidad o efecto de una tercera variable. - Cruces relevantes entre categóricas y numéricas (por ejemplo, ticket medio por región). Paso 5. Anomalías - Detecta valores atípicos con el método del rango intercuartílico y, si procede, con puntuación z. - Muestra las filas más extrañas con el motivo por el que lo son. - Clasifica cada anomalía como probable error de captura, evento real excepcional o caso que requiere consultar a alguien. formato de salida: 1. Ficha técnica del conjunto de datos en una tabla. 2. Semáforo de calidad por columna (verde, amarillo, rojo) con una frase de justificación. 3. Tablas de distribuciones. 4. Relaciones destacadas con interpretación prudente. 5. Lista de anomalías priorizadas. 6. Cinco preguntas de análisis que merece la pena responder a continuación. 7. Código reproducible en [HERRAMIENTA] para repetir este resumen cuando lleguen datos nuevos. restricciones: - Si el archivo es demasiado grande para leerlo entero, dilo y trabaja con una muestra indicando su tamaño. - No confundas correlación con causalidad en ningún apartado. - Usa coma decimal y punto para los miles en las cifras que me muestres.