Parte II · Preparación

5 · Diccionario de datos

En este trabajo no se usa ninguna variable que no esté documentada. El diccionario fija qué significa cada campo antes de analizar nada. No podía escribirse antes de la limpieza, porque varios campos (la fecha en formato ISO, el importe, el año) se crean en ella.

Diccionario de campos del conjunto de datos
Campo Tipo Descripción PII Nulos
id_venta Texto Identificador único de la venta. No 0
fecha Fecha (ISO) Fecha de la venta, estandarizada a AAAA-MM-DD. Cuasi-identificador 0
anio Entero Año de la venta (derivado de la fecha). No 0
mes Entero Mes de la venta, de 1 a 12 (derivado de la fecha). No 0
anio_mes Texto Periodo AAAA-MM, para las series temporales. No 0
trimestre Texto Trimestre natural AAAA-Tn. No 0
nombre_completo Texto Nombre y apellidos del cliente. SI 0
email Texto Correo electrónico del cliente. SI 0
telefono Texto Teléfono del cliente (9 dígitos). SI 0
reg Categórico Provincia española del cliente. Cuasi-identificador 0
cat Categórico Categoría del producto: Software o Hardware. No 0
prod Categórico Producto vendido (8 productos). No 0
cant Entero Unidades vendidas en la venta. No 0
precio Decimal (EUR) Precio unitario del producto. No 0
importe Decimal (EUR) Importe total de la venta: cant × precio. No 0
satisfaccion Entero 1-10 (admite vacíos) Satisfacción declarada por el cliente, de 1 a 10. No 4.006
anomalia Entero 0/1 1 si la venta rompe las reglas del catálogo (cantidad o precio). No 0
motivo_anomalia Texto (admite vacíos) Por qué la venta se marcó como anomalía. No 19.984
Tres campos son datos personales (PII)
nombre_completo, email y telefono identifican a una persona. Se tratan en el siguiente paso, la anonimización. La provincia y la fecha son cuasi-identificadores: no identifican a nadie por sí solas, pero combinadas con otros datos pueden hacerlo.

Siguiente: proteger los datos personales →