# Informe de análisis de datos Pone una pregunta a un conjunto de datos y declara los límites de la respuesta con la misma extensión que la respuesta. ## Entregable Un documento Markdown, `analysis-brief.md`, con la estructura fijada en **Salida** más abajo. Toma la pregunta y el plan de análisis fijados por **Diseño de plan de investigación**. ## Entradas obligatorias - **La pregunta** — qué se le pregunta a los datos y la decisión que depende de la respuesta. - **El conjunto de datos** — los datos mismos, alcanzables y no descritos, con la documentación que exista sobre ellos. Sin ambas, detente. Un conjunto de datos sin pregunta invita a quien analiza a encontrar algo, y algo siempre hay. Nunca analices un conjunto de datos a partir de un resumen de él. ## Entradas opcionales - La procedencia del conjunto: quién lo recogió, cómo y con qué propósito - El periodo que cubren los datos y los huecos dentro de ese periodo - Un diccionario de datos, un esquema o un conjunto de definiciones de campo - Cambios de recogida, caídas o cambios de instrumentación conocidos dentro del periodo - Análisis anteriores de los mismos datos y a qué concluyeron - La certeza que la decisión exige antes de poder tomarse Cuando no se aporta la procedencia, se registra como `desconocida` y todo hallazgo queda marcado como condicionado a ella. Un conjunto de datos cuyo origen no se puede establecer se reporta como tal en lugar de analizarse como si sí se pudiera. ## Ejecución **1 — Poner la pregunta en forma analizable.** Reformúlala de modo que nombre la población presente en los datos, la magnitud en cuestión y el periodo. Una pregunta que los campos del conjunto no pueden abordar se reporta como no respondible con estos datos, junto con los campos que harían falta para abordarla. **2 — Establecer la procedencia antes de tocar los datos.** Quién los recogió, cómo, con qué propósito, durante qué periodo y qué cambió dentro de ese periodo. Los datos recogidos con un propósito arrastran la forma de ese propósito a todo análisis posterior, y esa forma se ve mejor antes que los datos. **3 — Perfilar el conjunto tal como se recibió.** Registra el recuento de registros, los campos presentes, los valores ausentes por campo, el rango de cada campo que toca la pregunta y los duplicados encontrados — todo ello contado sobre los datos y no estimado a partir de una parte de ellos. **4 — Registrar cada decisión de limpieza y qué quitó.** Cada exclusión, corrección y transformación, con la regla aplicada, el recuento de registros a los que afectó y el motivo. Un paso de limpieza que no se puede justificar en una frase se revierte, no se conserva con una nota al pie. **5 — Ejecutar solo el análisis que puedes describir.** Declara el método, qué supone y si estos datos cumplen esos supuestos. Cuando no los cumplen, cambia el método o reporta la pregunta como no respondida por estos datos. Un análisis cuyos supuestos los datos rompen produce un número, no una respuesta. **6 — Reportar el hallazgo con su incertidumbre.** El resultado, cómo se llegó a él, con qué precisión y cuánto se mueve si las decisiones de limpieza del paso 4 se toman de otra manera. Un hallazgo que cambia con una alternativa de limpieza defendible se reporta como inestable, con los dos resultados a la vista. **7 — Escribir los límites.** Qué no pueden responder estos datos, qué más podría producir el mismo resultado y dónde se está leyendo una relación en los datos como algo más que una relación. Esta sección es obligatoria y no opcional: un informe entregado sin ella está incompleto, diga lo que diga el hallazgo. ## Salida `analysis-brief.md`, en este orden: - **1. Pregunta** — en forma analizable, con la decisión a la que sirve y el dueño de esa decisión - **2. Conjunto de datos y procedencia** — quién lo recogió, cómo, con qué propósito, el periodo cubierto y `desconocida` cuando eso es lo que se sabe - **3. Perfil tal como se recibió** — registros, campos, valores ausentes por campo, rangos, duplicados - **4. Limpieza** — una línea por decisión: la regla, los registros a los que afectó y el motivo - **5. Método** — el método, sus supuestos y si estos datos los cumplen - **6. Hallazgo** — el resultado, su precisión y cómo responde a las decisiones de limpieza de la sección 4 - **7. Límites** — qué no pueden responder estos datos y qué más produciría el mismo resultado - **8. Causalidad** — dónde se está leyendo una relación como una causa y qué haría falta para establecer una - **9. Preguntas abiertas** — la pregunta, qué bloquea, quién puede responderla ## Validación El informe está listo cuando se cumple todo esto: - La sección 2 nombra una procedencia o declara `desconocida`, y la sección 6 queda marcada como condicionada allí donde lo sea - Cada decisión de limpieza de la sección 4 lleva su regla y los registros a los que afectó - La sección 5 declara los supuestos del método y si estos datos los cumplen - Cada cifra de la sección 6 se calculó sobre el conjunto aportado y sobre ninguna otra cosa - La sección 7 no está vacía y nombra al menos una pregunta que estos datos no pueden responder - Ninguna relación se describe como causa fuera de la sección 8 Falla la ejecución si el informe se entrega sin la sección 7, o si aparece una cifra que no se calculó sobre el conjunto aportado. ## Gestión de fallos - **No hay conjunto de datos** — detente. Informa de que no hay nada que analizar y nombra los campos que la pregunta exigiría. - **El conjunto no se puede alcanzar** — registra el intento y su fecha, entrega solo la sección 1 y la sección 9, y nombra a quién puede conceder el acceso. Nunca analices un conjunto de datos a partir de una descripción de él. - **El conjunto no puede responder la pregunta** — cuando es demasiado pequeño, demasiado sesgado o rompe los supuestos del método, reporta exactamente eso y qué lo hace así, y entrega solo las secciones 1 a 4 y 9. No entregues el número que produjo un método inadecuado con una salvedad al lado. - **El conjunto contradice otra fuente aportada** — registra ambas, nombra en qué se apoya cada una y deja la pregunta sin zanjar en la sección 9. No ajustes los datos hasta que coincidan. - **Datos parciales** — analiza el periodo que los datos cubren, declara el hueco y su causa en la sección 7, y marca el informe como `PARCIAL — solo `.