Nivel 1 · Cuestionario: ¿qué tipo de datos hay en cada columna?

Antes de resumir una columna, necesitas saber qué tipo de datos contiene. Los mismos dígitos pueden ser una cantidad que puedes sumar o una etiqueta que solo puedes contar. Si te equivocas, Excel no te avisará: promediará tus ids de pedido sin quejarse.

Números que cuentas y números que mides

Las columnas numéricas (cuantitativas) contienen valores con los que puedes hacer aritmética. Vienen en dos clases:

Clase	Cómo se obtiene	Ejemplos de Harbor & Pine
Discreto	contando, solo pasos enteros	quantity en una línea de pedido, pedidos por cliente, pages_viewed
Continuo	midiendo, cualquier valor de un rango	unit_price, refund_amount, el peso de un paquete

El dinero es un caso de criterio que conviene conocer: técnicamente avanza en centavos enteros, pero los analistas tratan los precios y los valores de pedido como continuos porque los pasos son minúsculos comparados con los valores. Pregúntate “¿puede haber 2.5 de esto?”. Una cantidad de 2.5 es un error de captura (más adelante en este capítulo escribirás una regla justo para eso); un precio de 2.5 está bien.

Categorías con orden y sin él

Las columnas categóricas (cualitativas) clasifican las filas en grupos. De nuevo, dos clases:

Clase	Significado	Ejemplos
Nominal	grupos sin orden natural	channel (web, app, marketplace), category, city, reason en una devolución
Ordinal	grupos con un orden natural	satisfaction (poor < fair < good < excellent), velocidad de envío (standard < express), talla S < M < L

El orden importa para lo que puedes decir. “El 62 % de los tickets fueron good o mejores” tiene sentido en una escala ordinal. “La mayoría de los pedidos fueron web o mejores” no. Una trampa más: Excel ordena el texto ordinal alfabéticamente, así que excellent, fair, good, poor sale en el orden equivocado. Ordena por una columna auxiliar con 1–4, o por una lista personalizada (cuadro Ordenar → Orden → Lista personalizada).

Números que en realidad son etiquetas

order_id, customer_id, product_id, los códigos postales y los números de teléfono están guardados como dígitos, pero solo nombran algo. La prueba es sencilla: ¿tendría sentido la suma o el promedio? El product_id promedio de un pedido es un número real que Excel mostrará sin problema, y no significa nada. Trátalos como nominales. Cuéntalos (COUNT, COUNTIF), úsalos para buscar (XLOOKUP), nunca los sumes.

Una fila por cosa, una columna por variable

Los filtros, ordenaciones, Tablas y tablas dinámicas de Excel suponen que los datos son una cuadrícula simple:

• cada fila es una observación: una línea de pedido, un ticket, un cliente;
• cada columna es una variable, con un encabezado y un tipo de arriba abajo;
• sin filas vacías ni filas de subtotales en medio, sin celdas combinadas, con el encabezado en una sola fila.

Una columna que mezcla números con notas como "n/a" o "see email" rompe esto, y también lo hace una fila de encabezado de “mes” repetida cada 30 filas. Arregla primero la forma y después analiza.

Los datos te llegan en unos pocos tipos de archivo comunes. CSV es texto plano con una fila por línea y comas (o puntos y coma, en muchas configuraciones regionales europeas) entre los valores: sin tipos, sin formato, y por eso los ids pierden los ceros iniciales al importar. XLSX es el formato propio de Excel, con varias hojas, fórmulas y formatos. JSON es el texto anidado de claves y valores que devuelven las API web; Excel puede importarlo con Power Query, pero normalmente hay que aplanarlo antes en filas.

Errores comunes

• Promediar un id o un código postal porque está guardado como número.
• Ordenar una columna de texto ordinal de A→Z y presentar excellent antes que poor.
• Llamar discreto al dinero y negarse luego a un valor promedio de pedido perfectamente válido.
• Mezclar tipos en una columna (12, "12 units", "n/a"), lo que obliga a cada fórmula posterior a adivinar.