Solución de problemas de datos

Solución de problemas de datos

Los problemas de datos se manifiestan de formas concretas: casos que se dividen, eventos en el orden incorrecto, pasos que faltan y cifras imposibles. Esta página parte del síntoma para llegar a la causa y, de ahí, a la solución, ya sea dentro de ProcessMind, cuando basta con cambiar una configuración, o en la extracción, cuando no hay otra alternativa.

Para consultar el flujo completo de preparación, qué aspecto tienen los datos de calidad y cómo conseguirlo, consulte Limpieza y preparación de datos. Para conocer las comprobaciones que la plataforma realiza sobre sus datos, consulte Calidad de los datos.

Primeras comprobaciones

Antes de analizar el archivo de origen, revise lo que ProcessMind ya le indica:

• La lista roja situada sobre los Dashboards. En la pestaña General del conjunto de datos, una lista roja identifica el bloqueo: falta ID del caso, Actividad o Hora de finalización; hay actividades sin datos, atributos sin valores o una discrepancia entre un archivo que se ha vuelto a cargar y el tipo de proceso con el que se cargó. Empiece por aquí.
• La insignia y el Dashboard de calidad. La puntuación incluye valores que faltan, valores incoherentes y problemas de marcas de tiempo; el Dashboard desglosa los resultados en actualización, cobertura de atributos y análisis de actividades.
• Recomendaciones de datos de IA. Un análisis del conjunto de datos enumera los problemas detectados y sugiere asignaciones y soluciones.
• Atributos del conjunto de datos. Establezca el nombre visible, el tipo de datos y el formato de las marcas de tiempo, u oculte una columna, sin volver a exportar nada.

Síntomas en el grafo del proceso

Los casos se dividen en varios casos

Se observa: una instancia del proceso aparece como muchos casos breves, con uno o dos pasos cada uno, por lo que el grafo se reduce a una fila plana de actividades.

Por qué ocurre: la columna asignada como ID del caso identifica algo más pequeño que la instancia del proceso, como una línea de pedido, un número de factura o un número de documento de un sistema.

Solución: asigne la columna que identifica la instancia completa: el pedido, el ticket o la reclamación. Si ninguna columna lo hace, la unificación debe realizarse aguas arriba: una los identificadores en SQL o en su proceso ETL para que cada evento de una instancia lleve el mismo ID del caso y vuelva a cargar los datos. Las convenciones de nomenclatura de cada sistema se describen en Dónde obtener datos.

Los eventos están desordenados

Se observa: actividades que ocurren más tarde aparecen antes que otras anteriores, como una factura fechada antes que su pedido.

Por qué ocurre: hay tres causas habituales. La marca de tiempo se interpretó con un formato incorrecto, por ejemplo, un valor 03/04/2025 leído como 4 de marzo en lugar de 3 de abril. Se mezclaron eventos de sistemas con distintas zonas horarias sin convertirlos. O se asignó la columna equivocada como campo de tiempo.

Solución: compruebe el formato en atributos del conjunto de datos y confirme que el tipo sea Timestamp, no texto. Convierta todos los orígenes a una misma zona horaria antes de combinar las exportaciones, ordene cada caso por su marca de tiempo y compruebe algunos casos de principio a fin.

Faltan pasos

Se observa: el grafo omite un paso que sin duda se realiza.

Por qué ocurre: el paso no deja rastro en los datos, como una aprobación telefónica o una firma en papel; la actividad nunca se asignó, o un filtro la eliminó de la vista.

Solución: mantenga visibles los pasos que existen pero no se registran marcando la actividad como un paso de flujo de datos y asigne el resto mediante Asignación y desasignación de actividades. Las actividades no asignadas aparecen translúcidas y con conexiones discontinuas. Después, compruebe qué filtros están activos.

Los casos nunca terminan

Se observa: muchos casos se detienen sin llegar a un evento final.

Por qué ocurre: la exportación se corta en una fecha mientras los casos siguen en curso, el modelo no tiene un evento final o la actividad de cierre no está incluida en el conjunto de datos.

Solución: añada al modelo un evento final real o acepte los casos abiertos y exclúyalos del análisis temporal: las métricas de tiempo solo cuentan los casos cerrados. Que un caso no haya terminado no significa que haya un error en los datos.

Los recuentos parecen inflados

Se observa: una actividad se realiza con una frecuencia sospechosamente alta o el número de casos supera el de los informes del negocio.

Por qué ocurre: hay filas duplicadas: la misma integración o una extracción repetida registró dos veces el mismo evento.

Solución: elimine los duplicados por ID del caso, actividad y marca de tiempo antes de cargar los datos; el flujo de preparación explica de dónde suelen proceder las extracciones duplicadas.

El mapa está saturado

Se observa: cientos de actividades, la mayoría técnicas.

Por qué ocurre: los inicios de sesión, los reintentos y los trabajos en segundo plano aparecen en la misma extracción que los pasos de negocio.

Solución: oculte los atributos que no analiza, filtre los eventos que no forman parte del proceso y agrupe los eventos de bajo nivel dentro de la actividad a la que pertenecen. La decisión sobre dónde termina el detalle y empieza el ruido corresponde a las personas expertas en el proceso.

Los datos de varios sistemas no encajan

Se observa: el proceso presenta vacíos donde debería haber contribuido un sistema.

Por qué ocurre: los sistemas se extraen en momentos distintos, denominan el mismo paso de forma diferente o falta por completo una extracción.

Solución: alinee las ventanas de extracción y el vocabulario de actividades antes de combinar los datos, y asigne a cada conjunto de datos su función mediante principal y comparación en lugar de concatenar archivos que no coinciden.

Síntomas en el conjunto de datos

La carga se rechaza

Se observa: la carga termina con un error o el archivo se carga como una sola columna.

Por qué ocurre: el archivo incumple uno de los requisitos de estructura. Los más habituales son la ausencia de una fila de encabezados, que debe estar en la primera línea; filas vacías entre las entradas de datos; números almacenados como texto; y archivos de Excel cuyos datos están en la segunda hoja. Solo se lee la primera hoja.

Solución: coloque el encabezado en la fila 1, elimine las filas vacías, asegúrese de que los números sean numéricos y mueva los datos de eventos a la primera hoja. Los delimitadores y las comillas de CSV, TSV y TXT se detectan automáticamente, por lo que un resultado de una sola columna suele indicar que el archivo no se puede interpretar. Vuelva a exportarlo como CSV o Parquet.

Las columnas o los tipos son incorrectos

Se observa: falta una columna o una marca de tiempo se trata como texto.

Por qué ocurre: el archivo cambió desde la última carga o el tipo se detectó incorrectamente.

Solución: establezca manualmente el tipo y el formato de los datos u oculte la columna. Después de sustituir un archivo, compruebe en la lista roja si existe una discrepancia entre el archivo nuevo y el conjunto de datos en el que se cargó.

No se reconocen las marcas de tiempo

Se observa: la columna de marcas de tiempo está vacía o las duraciones resultan demasiado largas.

Por qué ocurre: el formato es inusual, el orden del día y el mes depende de la configuración regional, se mezclan distintas precisiones, como segundos y milisegundos en una misma columna, o las conversiones de zona horaria se aplicaron dos veces.

Solución: establezca explícitamente el formato en atributos del conjunto de datos, separe en el origen las exportaciones con distinta precisión y utilice una única zona horaria antes de cargar los datos.

Los valores están vacíos

Se observa: la cobertura de atributos del Dashboard de calidad muestra vacíos o un gráfico incluye una categoría null.

Por qué ocurre: el sistema de origen no registra el valor para todos los casos o la exportación eliminó los campos vacíos.

Solución: complete los vacíos en el origen cuando sea posible y utilice funciones de gestión de valores nulos en un atributo calculado cuando pueda sustituir un valor vacío por un valor predeterminado razonable.

Los nombres de las actividades no coinciden

Se observa: «Approve Order» y «Order Approval» aparecen como dos actividades que significan lo mismo, o el mismo paso tiene nombres distintos según el país.

Por qué ocurre: cada sistema de origen utiliza su propia etiqueta para el mismo trabajo.

Solución: acuerde un nombre para cada paso y, después, normalice los valores en la extracción o añada un atributo calculado que asigne las variantes a un único nombre. A continuación, asigne la actividad a partir de ese nombre.

Síntomas en las cifras

Los promedios parecen demasiado bajos

Se observa: una duración media del caso que el negocio no considera realista.

Por qué ocurre: las métricas de tiempo solo cuentan los casos cerrados, por lo que excluyen los casos sin terminar. Además, los casos que terminan suelen ser los más rápidos, especialmente en un periodo reciente.

Solución: compare casos equivalentes. Limite el periodo a casos que hayan tenido tiempo de terminar, lea las definiciones de Métricas de tiempo antes de extraer conclusiones de un único promedio y observe la distribución en lugar de la media.

Los valores atípicos dominan los promedios

Se observa: promedios muy superiores al caso habitual.

Por qué ocurre: unos pocos casos extremos elevan el promedio; a veces son excepciones reales y otras, errores de datos.

Solución: analice la cola de casos lentos, comparando P90 con la mediana, en lugar del promedio; compruebe si los casos extremos son reales y excluya únicamente lo que sea incorrecto. Una excepción poco frecuente pero real aporta información. Métricas de tiempo explica cada medida.

Una comparación no muestra nada

Se observa: un conjunto de datos de comparación muestra No presente (0 casos, 0 % de cobertura).

Por qué ocurre: los filtros activos o el periodo seleccionado no contienen casos para ese conjunto de datos, o sus actividades no están asignadas al modelo.

Solución: amplíe el periodo, compruebe la asignación del conjunto de datos de comparación y confirme qué conjunto de datos es el principal.

Cuando el problema es el tamaño de los datos

Algunos problemas no son errores de datos, sino cuestiones de escala:

• Cargas lentas: prefiera Parquet u ORC y, para archivos de Excel, XLSB en lugar de XLSX; consulte Formatos de datos compatibles.
• Archivos que crecen: añada nuevos periodos mediante una carga incremental (delta) en lugar de sustituir el archivo completo.
• Análisis lento: elimine las columnas que nadie analiza, filtre el camino habitual cuando busque excepciones y examine un periodo o una región cada vez. La guía de rendimiento muestra el coste asociado a cada tamaño.
• Conjuntos de datos que se pueden retirar: archive lo que ya no analiza para que el espacio de trabajo contenga los datos sobre los que realmente actúa.

Solucionarlo en el origen

Cada solución aplicada dentro de ProcessMind evita un recorrido adicional, pero algunos problemas solo desaparecen aguas arriba: falta un sistema de origen, se mezclan zonas horarias o ningún proceso de exportación unifica los identificadores. Estos problemas deben resolverse en la extracción y, si se repiten, en el sistema que la genera. Consulte Dónde obtener datos para conocer las rutas de cada sistema y ETL para Process Mining para aplicar prácticas que mantengan la fiabilidad de una extracción.

¿Sigue sin encontrar la solución?

Si las comprobaciones anteriores no explican lo que observa, póngase en contacto con el equipo de soporte e indique el nombre del conjunto de datos, el caso que está analizando, lo que esperaba y lo que observa en su lugar. Una captura del grafo y otra del Dashboard de calidad suelen resolver el problema más rápido que una descripción.

Temas relacionados

• Calidad de los datos: qué comprueba la insignia y cómo leer el Dashboard
• Configuración del conjunto de datos: la lista roja de validación y los campos obligatorios
• Formatos de datos compatibles: filas de encabezado, hojas y tipos de archivo
• Limpieza y preparación de datos: el flujo completo de preparación
• Carga incremental de datos: conjuntos de datos que crecen sin volver a cargarlos
• Preguntas frecuentes: las preguntas más habituales