Una fuente de datos es el origen de los datos. Las bases de datos, las API, los archivos de registro, los sensores, las encuestas y los registros públicos son ejemplos de fuentes. La fuente determina la estructura, la calidad y la fiabilidad de los datos. Una base de datos bien mantenida, con restricciones y validación, produce datos más precisos que una hoja de cálculo rellenada manualmente. Un sensor con descalibración produce lecturas sesgadas. Un conjunto de datos público puede estar incompleto o desactualizado.

Conocer la fuente es esencial para confiar en los datos. ¿De dónde provienen? ¿Quién los recopiló? ¿Cuándo? ¿Cómo? ¿Cuál fue el método? ¿Qué se excluyó? Estas preguntas determinan qué pueden y qué no pueden respaldar los datos. Los datos de una encuesta a 100 personas no pueden respaldar afirmaciones sobre una población de millones. Los datos de un sistema que solo registra transacciones exitosas no registran los fallos. Los datos de un proveedor pueden ser precisos para sus propósitos, pero incorrectos para los suyos. La fuente también afecta al flujo de datos. Una base de datos con un esquema estable es más fácil de integrar que un sitio web que cambia su HTML cada mes. Una API con límites de velocidad restringe la cantidad de datos que se pueden obtener. Un archivo que llega manualmente es propenso a retrasos y errores. La fuente es la base. Una base débil socava todo lo que se construye sobre ella.

Fuentes de datos comunes

• Bases de datos: registros estructurados de aplicaciones
• API: acceso programático a sistemas externos
• Archivos de registro: eventos del sistema y de las aplicaciones
• Sensores: mediciones físicas continuas
• Encuestas: respuestas estructuradas de las personas
• Registros públicos: datos gubernamentales y abiertos

Antes de confiar en los datos, comprenda la fuente. Las respuestas suelen ser más reveladoras que los datos mismos.