El impacto de nuestro análisis y la calidad de nuestros resultados depende grandemente de la fuente datos. Hay un sinnúmero de alternativas a la hora de obtener datos y esto puede causarnos confusión al intentar escoger la mejor fuente de datos. El tipo de fuente de datos, ya sea primaria o secundaria, que más nos conviene puede ser seleccionado considerando parámetros como costo, calidad, y duración del proyecto. A continuación te presento las fuentes de datos primarias y secundarias y una comparación para que se te haga más fácil escoger la mejor para tu caso de uso.
¿Qué son fuentes de datos primarias?
Este tipo de fuente de datos es la que ha sido recolectada de primera mano por quien lleva a cabo el análisis o el equipo de trabajo liderando el proyecto. Por ejemplo, si se está buscando entender los patrones de compra de los clientes de una empresa, los datos de ventas de esa empresa son una fuente primaria. Otros ejemplos pueden ser datos obtenidos:
- Entrevistando clientes
- Redes sociales de la empresa
- Campañas de correo electrónico
- Videos de cámaras de seguridad
¿Qué son fuentes de datos secundarias?
Son los datos obtenidos a través de proyectos o estudios dirigidos por otros investigadores o empresas. Por ejemplo, en el caso anterior pueden ser datos del gobierno sobre cómo han sido las ventas de distintas industrias. Otros ejemplos pueden ser datos obtenidos en:
- Reportes de organizaciones sin fines de lucro
- Reportes sobre distintos mercados
- Artículos científicos
- Proyectos de datos abiertos
Para más información puedes leer mi artículo sobre ¿Dónde consigo datos para mis análisis? .
¿Cual es la mejor fuente de datos?
Al comparar estos tipos de fuentes debemos tomar en cuenta:
Duración del proyecto
Los fuentes de datos primarias tienen una ventaja sobre las secundarias, ya que nosotros tenemos control de la continuidad de los datos. Si utilizamos una fuente secundaria para nuestro proyecto y los desarrolladores de esa fuente deciden descontinuarla, ponemos mucho en riesgo. Una manera de mitigar esto, es contactar a los desarrolladores para entender la fase en la que se encuentran y los planes futuros. Además, se recomienda investigar e identificar fuentes alternas en caso de que sea requerido hacer un cambio.
Costos
Si estamos haciendo un proyecto con presupuesto limitado, las fuentes de datos primarias, y aquellas secundarias que sean de datos abiertos, pueden ser más convenientes. Es necesario hacer un análisis del costo que tendría el planificar, diseñar, implementar y mantener los datos si son recolectados por nuestra cuenta y compararlos con los costos de una fuente secundaria. No debemos olvidar tomar en consideración que los costos de las fuentes secundarias pueden aumentar con el tiempo y estos pudieran exceder nuestro presupuesto.
Calidad
Con las fuentes primarias tenemos más control y entendimiento de cómo es el proceso para asegurar la calidad de los datos. Con fuentes secundarias no tenemos el panorama completo y puede ser más difícil procesar y corregir anomalías. Si utilizas una fuente secundaria, identifica la información contacto a la cual te puedas comunicar si encuentras algún asunto relacionado a la calidad y trata de acceder a documentación sobre los procesos.
Sesgo
Puede parecer que es más conveniente obtener los datos de primera mano. Sin embargo, este tipo de fuentes tiene como desventaja el sesgo. Esto quiere decir que podemos introducir prejuicios o limitar las perspectivas a la hora de diseñar el instrumento para recolectar datos, identificar participantes o a la hora de agregar los datos. Una fuente secundaria puede ayudarnos a reducir el sesgo y obtener información que de otra manera no pudiéramos obtener o incluso información importante que ni se nos hubiera ocurrido recolectar.
Destrezas
Algunas fuentes secundarias pueden requerir que el equipo de trabajo tenga destrezas de programación que no todos los equipos tienen. Por lo tanto, es importante que si seleccionas una fuente de datos secundaria, cuentes con al menos dos personas que sepan cómo extraer, analizar y presentar los datos.
Seleccionar la mejor fuente de datos va a variar según la naturaleza del proyecto y la composición del equipo. Aunque puede ser confuso, no debemos perder de perspectiva que podemos diseñar sistemas de datos que combinen los tipos de fuentes y así obtener las ventajas de cada uno y minimizar los riesgos.