Lo que se ve en un conjunto dañado

Hay tres cosas que se ven cuando un conjunto de datos está dañado, sea por error o por intención. Una distribución fuera de su rango: la proporción de una clase salta, o un campo que debería variar tiene casi siempre los mismos valores. Etiquetas que se contradicen: el mismo caso aparece con dos etiquetas distintas en dos lotes. Y una fuente nueva: lo raro suele concentrarse en lo que entró hace poco.

Ninguna de las tres prueba intención. Un error de captura, un cambio real del negocio o una fuente mal exportada producen los mismos números. Lo que sí hacen es obligar a investigar antes de dejar que ese lote entrene.

Mistol Crédito mide cada lote con dos números sencillos: el porcentaje de solicitudes aprobadas y el porcentaje de valores de ingreso que son distintos entre sí. Los rangos habituales están escritos en un archivo aparte, medidos sobre los meses anteriores.

Un buen perfil compara cada lote con el rango, no con los demás lotes: si todos se desvían igual, el problema puede ser el rango.

Cuando el mismo caso (la misma clave de solicitud) aparece en dos lotes con etiquetas distintas, al menos una está mal. Un par aislado es ruido de etiquetado; muchos pares que apuntan al mismo lote son un patrón.

Contar pares por lote es la forma más simple de ver si el conflicto está repartido o concentrado. El archivo de conflictos lista los pares con sus dos lotes.

No todo conflicto apunta al mismo lugar. En el archivo hay otros pares que no incluyen el lote fuera de rango, sino un lote de otra fuente también reciente. Es tentador decidir que solo cuenta el lote con más pares, o que todas las fuentes nuevas hicieron lo mismo.

La lectura honesta separa los hallazgos: cada concentración de conflictos es una señal propia, con su fuente y su causa por averiguar, aunque se parezcan.