Détox de código: Limpieza de datos sin dolor con Open Refine

Público objetivo:

Personas sin experiencia previa que:

• Trabajan con datos desorganizados (en Excel, CSV, etc.).
• Quieren aprender a estandarizar, limpiar y transformar datos sin programar.
• Buscan automatizar procesos repetitivos de limpieza.

Lo que aprenderás:

• A diagnosticar problemas comunes en datos sucios (errores, duplicados, formatos inconsistentes).
• A usar OpenRefine desde cero (instalación, interfaz y flujo de trabajo) para limpiar y transformar datos.
• Técnicas de normalización de textos, fechas y categorías.
• A exportar datos limpios en formatos útiles (Excel, CSV) rores en futuros proyectos.

Temario:

• Introducción a la Limpieza de Datos.
• Transformaciones Básicas.
• Limpieza Avanzada.
• Exportar y Automatizar.

Prerrequisitos:

• Tener conexión a internet.

Tema/s y ejercicio a ver en sesión 01:

Introducción a la Limpieza de Datos

• ¿Por qué limpiar datos? (Ejemplos de errores comunes).
• Instalación y interfaz de OpenRefine.
• Importar datos desde Excel, CSV o URLs.
• Ejercicio Práctico: Cargar un dataset con problemas intencionales (errores de escritura, columnas mezcladas, etc.). Exploración básica con facetas y filtros.

Tema/s y ejercicio a ver en sesión 02:

Transformaciones Básicas

• Normalización de textos (quitar espacios, mayúsculas, caracteres raros).
• Dividir columnas y fusionar datos.
• Uso de expresiones GREL (lenguaje simple de OpenRefine).
• Ejercicio Práctico: Limpiar nombres de países (ej: “México”, “MEX”, “Méjico” → estándar único). Corregir fechas en formatos inconsistentes

Tema/s y ejercicio a ver en sesión 03:

Limpieza Avanzada

• Eliminar duplicados inteligentemente.
• Clustering automático para agrupar valores similares (ej: “Café”, “Cafe”, “CAFÉ”).
• Reconocimiento de patrones con expresiones regulares (regex básico).
• Ejercicio Práctico: Dataset de direcciones postales: unificar calles (“Av.”, “Avenida”, “Avda.”).

Tema/s y ejercicio a ver en sesión 04:

Exportar y Automatizar

• Exportar datos limpios (Excel, CSV, Google Sheets).
• Introducción a operaciones repetibles (automatizar flujos).
• Conexión con APIs (ej: enriquecer datos con GeoNames).
• Ejercicio Práctico: Crear un proyecto completo: desde datos sucios hasta un dataset listo para análisis.