Los datos son el alimento de las estadísticas. Datos significa cualquier elemento de información, independientemente de cómo se presente o represente¹. Un dato puede ser un elemento de texto como un nombre o una dirección o un número o expresión numérica. Se pueden asociar varios datos relacionados para formar un registro; cada elemento de datos por separado se denomina campo dentro del registro. Muchos registros juntos forman una tabla o base de datos.

Para que los datos sean significativos y útiles, los elementos de datos deben recopilarse o capturarse y registrarse de manera sistemática². Esto se conoce como manejo de datos. El manejo de los datos puede ser tan simple como registrar ordenadamente en una hoja de papel o completar formularios de inscripción en la pantalla de una computadora. La integridad de los datos significa poner los datos en su formato adecuado en su lugar adecuado. La precisión de los datos significa que todos los elementos de los datos son correctos, ya sea la ortografía de un elemento de texto, un dígito en un número o la posición correcta del lugar decimal dentro de un número. La validación de datos es un sistema para comprobar que el elemento de datos es coherente y significativo. La precisión, integridad y validación son esenciales para el manejo adecuado de los datos.

Las computadoras modernas nos permiten almacenar millones de elementos de datos y registros con relativa facilidad. En sí mismos, estos datos almacenados son inútiles a menos que podamos presentarlos³. Existen numerosas formas de presentar datos, desde la lista más simple, hasta tablas ordenadas y salidas gráficas, como gráficos, que pueden tomar muchas formas. Al presentar los datos, debemos buscar los métodos que comuniquen con mayor claridad el significado y sean más fáciles de leer. Los programas de software fácilmente disponibles ofrecen numerosas opciones para la presentación de datos. El arte de la presentación de datos es elegir entre muchos para lograr claridad y evitar la tentación de ser excesivamente inteligente o extravagante.

Algunos datos pueden presentarse efectivamente con poca o ninguna manipulación; otros solo tienen sentido si los datos se han sometido primero a una o más formas de análisis. La información implícita en algunos datos es obvia; para otros, los datos deben ser “extraídos”: uno tiene que profundizar en los datos y analizarlos utilizando técnicas matemáticas (estadísticas) más o menos sofisticadas para que su significado se haga evidente. La interpretación y el análisis de datos es lo que convierte los datos en información y justifica el esfuerzo y el tiempo invertidos en el manejo de datos⁴.

References:

1. Secic M, Lang T, eds. How to Report Statistics in Medicine: Annotated Guidelines for Authors, Editors, and Reviewers. second.; 2006. https://www.amazon.com/How-Report-Statistics-Medicine-Guidelines/dp/1930513690. Accessed February 17, 2021.
2. Riffenburgh R. Statistics in Medicine – 3rd Edition. https://www.elsevier.com/books/statistics-in-medicine/riffenburgh/978-0-12-384864-2. Published 2012. Accessed February 17, 2021.
3. Nussbaumer Knaflic C. Storytelling with Data: A Data Visualization Guide for Business Professionals: Nussbaumer Knaflic, Cole: 9781119002253: Amazon.Com: Books.; 2015. https://www.amazon.com/Storytelling-Data-Visualization-Business-Professionals/dp/1119002257/ref=asc_df_1119002257/?tag=hyprod-20&linkCode=df0&hvadid=312118059795&hvpos=&hvnetw=g&hvrand=10253410397677754541&hvpone=&hvptwo=&hvqmt=&hvdev=c&hvdvcmdl=&hvlocint. Accessed February 17, 2021.
4. Jones B. Avoiding Data Pitfalls: How to Steer Clear of Common Blunders When Working with Data and Presenting Analysis and Visualizations. Hoboken, NJ: J Wiley & Sons; 2020. https://www.amazon.com/Avoiding-Data-Pitfalls-presenting-visualizations/dp/1119278163/ref=asc_df_1119278163/?tag=hyprod-20&linkCode=df0&hvadid=385709422286&hvpos=&hvnetw=g&hvrand=10253410397677754541&hvpone=&hvptwo=&hvqmt=&hvdev=c&hvdvcmdl=&hvlocint=&hvlo. Accessed February 17, 2021.