Prompt: Auditar la Calidad de Datos y Preparar un Data Brief Ejecutivo
Este prompt te permite auditar la calidad de datos de forma práctica y orientar decisiones con un resumen ejecutivo claro. La versión extendida incorpora scorecards, reglas trazables y un plan de remediación priorizado por impacto y esfuerzo.
Útil para analistas, equipos de BI y product owners que necesitan acelerar la confiabilidad de sus indicadores antes de automatizar tableros o modelos.
¿Qué hace el prompt?
Versión Básica
- Detecta problemas básicos de calidad: faltantes, duplicados y formatos inconsistentes.
- Calcula indicadores simples de calidad por columna o campo.
- Entrega un mini informe con riesgos y recomendaciones rápidas.
Versión Extendida
- Detecta problemas básicos de calidad: faltantes, duplicados y formatos inconsistentes.
- Calcula indicadores simples de calidad por columna o campo.
- Entrega un mini informe con riesgos y recomendaciones rápidas.
- Construye un scorecard 1–5 por dimensión: completitud, unicidad, validez, consistencia, actualidad.
- Define reglas de validación formales y su traza de evidencia.
- Entrega un plan de remediación priorizado por impacto y esfuerzo.
- Sintetiza un data brief para dirección con riesgos, supuestos y decisión recomendada.
Versión Eficiente
- Construye un scorecard 1–5 por dimensión: completitud, unicidad, validez, consistencia, actualidad
- Define reglas de validación formales y su traza de evidencia
- Entrega un plan de remediación priorizado por impacto y esfuerzo
¿Cómo usar este prompt?
Versión Básica
- Completa: [TABLA_O_FUENTE], [OBJETIVO_DECISION], [KPI_CLAVE], [REGLAS_VALIDACION].
- Pide la salida en tabla Markdown si vas a pegarla en una wiki.
- Si no tienes reglas, describe ejemplos de valores válidos e inválidos.
Versión Extendida
- Rellena: [TABLA_O_FUENTE], [PERIODO_Y_FRECUENCIA], [OBJETIVO_Y_KPIS], [REGLAS_NEGOCIO], [HERRAMIENTAS], [RESTRICCIONES].
- Pide que incluya consultas de ejemplo si trabajas con SQL.
- Solicita un one-pager adicional si lo presentarás a dirección.
Versión Eficiente
- Rellena: [TABLA_O_FUENTE], [PERIODO_Y_FRECUENCIA], [OBJETIVO_Y_KPIS], [REGLAS_NEGOCIO], [HERRAMIENTAS], [RESTRICCIONES]
- Pide que incluya consultas de ejemplo si trabajas con SQL
- Solicita un one-pager adicional si lo presentarás a dirección
Tips
Versión Básica
- Indica la fuente de datos y su tamaño aproximado.
- Aclara el objetivo de decisión para enfocar el análisis.
- Incluye ejemplos de valores válidos/invalidos para validar reglas.
Versión Extendida
- Incluye tamaño muestral y periodo de los datos para interpretar actualidad.
- Especifica restricciones técnicas (herramientas, conectores, formatos).
- Solicita ejemplos de consultas SQL o transformaciones si las necesitas.
Versión Eficiente
- Incluye tamaño muestral y periodo de los datos para interpretar actualidad
- Especifica restricciones técnicas (herramientas, conectores, formatos)
- Solicita ejemplos de consultas SQL o transformaciones si las necesitas
¿Para quién es?
Está pensado para analistas de datos, líderes de negocio y profesionales de BI que necesitan tomar decisiones informadas pero desconfían de la calidad de sus fuentes. También es útil para equipos de ETL y data governance que requieren un diagnóstico rápido antes de lanzar un proyecto o reporte.
¿Qué problema resuelve?
Cuando trabajas con datos, siempre existe el riesgo de tomar decisiones basadas en información incompleta o inconsistente. Este enfoque te permite identificar rápidamente valores faltantes, duplicados y formatos extraños, transformando ese caos en un resumen ejecutivo claro. Así puedes priorizar limpiezas y justificar recursos ante la dirección con datos concretos.
Casos de uso prácticos
- Evaluar la fiabilidad de una base de clientes antes de lanzar una campaña de marketing segmentada.
- Auditar un archivo Excel de ventas mensuales para detectar duplicados y formatos de fecha inconsistentes antes de cargarlo en un sistema de reporting.
- Preparar un brief de calidad de datos para un equipo directivo que debe aprobar una migración a un nuevo CRM.
- Validar la completitud de campos críticos (como el correo electrónico o el NIF) en una tabla de leads recién importada.
Consejos para mejores resultados
- Especifica siempre el tamaño aproximado de la fuente (ej. "archivo de 10,000 filas por 15 columnas") para que el análisis sea más preciso.
- Aclara el objetivo de decisión (ej. "determinar si podemos segmentar por región") para que las recomendaciones se centren en los riesgos que realmente importan.
- Si no tienes reglas de validación formales, describe al menos 2 ejemplos de valores válidos y 2 inválidos para cada campo crítico.