Dos periodistas pueden descargar exactamente la misma base de datos oficial, calcular correctamente sus cifras y publicar historias que conduzcan al lector a conclusiones opuestas. ¿Cuál de las dos historias representa mejor la realidad?
Los números no eliminan la interpretación. La selección del periodo, el denominador elegido, las categorías excluidas, la escala del gráfico y hasta la decisión de qué dato merece convertirse en titular pueden modificar lo que una audiencia comprende. El periodismo de datos no sustituye el juicio periodístico por matemáticas: obliga a hacerlo más visible, reproducible y discutible. Esta ficha no te dará UNA respuesta. Te dará las herramientas para construir la tuya.
Objetivo didáctico
Al terminar esta ficha serás capaz de construir y auditar una historia periodística basada en datos públicos, desde la obtención y limpieza de una base hasta la verificación de cifras, la elección de una visualización y la formulación de preguntas de investigación sobre asuntos de interés ciudadano en México y América Latina.
Introducción
El periodismo de datos suele asociarse con mapas interactivos, grandes bases descargables y gráficos espectaculares. Sin embargo, su núcleo es anterior a la visualización: consiste en tratar los datos como una forma de evidencia que debe ser interrogada con la misma desconfianza productiva que una declaración, una filtración o un documento oficial. La hoja de cálculo no reemplaza la fuente; es otra fuente que necesita contexto.
Esta práctica tiene antecedentes importantes en el llamado periodismo de precisión. En 1967, durante los disturbios de Detroit, Philip Meyer aplicó métodos de encuesta y análisis estadístico para poner a prueba explicaciones ampliamente repetidas sobre quiénes habían participado. El resultado mostró que algunas intuiciones periodísticas y políticas no estaban respaldadas por los datos. Décadas después, computadoras personales, bases abiertas, lenguajes de programación y APIs ampliaron esa lógica hasta convertir conjuntos masivos de registros en materiales cotidianos de investigación.
La transformación contemporánea también modificó quién puede investigar. Una persona sin acceso a una gran redacción puede descargar estadísticas demográficas, presupuestos, registros administrativos, indicadores económicos o información geográfica desde organismos públicos. En México, el INEGI ofrece datos abiertos, microdatos, bancos de indicadores y servicios para desarrolladores; la plataforma datos.gob.mx agrega conjuntos de múltiples instituciones. Acceso, sin embargo, no significa comprensión automática.
💡 Periodismo de datos
Es una práctica periodística en la que conjuntos de datos funcionan como fuente, herramienta de análisis o forma de narración. Su rigor depende de poder explicar de dónde provienen los registros, qué operaciones se realizaron sobre ellos, qué limitaciones contienen y cómo sostienen la historia publicada.
Por ello, una historia de datos no empieza preguntando “¿qué gráfica puedo hacer?”, sino “¿qué afirmación necesito comprobar?”. A partir de allí se construye una cadena: localizar registros, entender su estructura, limpiarlos sin borrar sus irregularidades significativas, realizar comparaciones válidas, verificar cifras contra otras fuentes y finalmente decidir qué forma narrativa permite comprender el hallazgo.
Los cinco subtemas siguientes recorren esa cadena. El objetivo no es formar analistas de datos profesionales en una sola ficha, sino desarrollar un criterio suficientemente profundo para detectar cuándo una cifra merece convertirse en noticia, cuándo necesita más investigación y cuándo sería irresponsable publicarla todavía.
Desarrollo del tema
Obtención de datos públicos: antes de descargar, entender qué se está obteniendo
Un portal de datos públicos puede contener desde indicadores cuidadosamente documentados hasta archivos administrativos creados originalmente para operar una institución, no para responder preguntas periodísticas. Esa diferencia es decisiva. Un indicador estadístico suele acompañarse de definiciones, unidades, frecuencia y metodología; un registro administrativo puede contener fechas inconsistentes, campos vacíos, códigos internos o cambios de estructura que reflejan la historia burocrática del sistema.
En México, el INEGI permite consultar información mediante descargas, bancos de indicadores, microdatos y APIs. Su API de Indicadores ofrece valores y metadatos como periodicidad, unidad, fuente, fecha de actualización y cobertura geográfica. El DENUE añade información de identificación, ubicación, actividad económica y tamaño de millones de establecimientos. Por su parte, datos.gob.mx reúne conjuntos provenientes de numerosas instituciones federales.
La obtención rigurosa comienza registrando cuatro cosas: fuente original, fecha de descarga, versión del archivo y documentación metodológica. También conviene guardar una copia intacta del archivo original. Si el portal cambia mañana, esa copia permite demostrar qué información estaba disponible cuando se hizo el análisis.
Limpieza básica de datos: corregir sin borrar la historia del archivo
Los datos reales casi nunca llegan listos para analizar. Una columna puede registrar “Ciudad de México”, “CDMX”, “Ciudad de Mexico” y “Cdmx” como si fueran cuatro entidades; una fecha puede aparecer como 05/06/2026 sin aclarar si representa 5 de junio o 6 de mayo; un campo vacío puede significar “sin información”, “no aplica” o simplemente un error de captura. Limpiar datos consiste en convertir esas diferencias en decisiones explícitas.
El principio más importante es no destruir el original. Toda transformación debería poder explicarse: qué valor fue cambiado, mediante qué regla y por qué. En un archivo con 60,000 contratos públicos, reemplazar automáticamente todos los nombres parecidos de proveedores puede parecer eficiente, pero también podría fusionar empresas legalmente distintas.
La limpieza básica suele incluir normalización de mayúsculas y espacios, homologación de fechas, detección de duplicados, conversión de números almacenados como texto, identificación de valores faltantes y revisión de categorías. El trabajo avanzado añade pruebas: comparar conteos antes y después de una transformación, localizar valores extremos y conservar un registro de operaciones.
Una práctica reproducible conserva una especie de bitácora: “se eliminaron espacios finales”, “se transformaron fechas a AAAA-MM-DD”, “se conservaron duplicados porque tenían folios distintos”. Esa lista parece administrativa, pero puede convertirse en la diferencia entre un hallazgo defendible y una cifra imposible de reconstruir meses después.
Visualización de datos: el gráfico también argumenta
Visualizar datos no significa embellecer una tabla. Un gráfico selecciona una relación y la vuelve perceptible. Una línea destaca cambio en el tiempo; las barras facilitan comparar magnitudes; un mapa enfatiza distribución espacial; un diagrama de dispersión permite explorar relaciones entre dos variables. Elegir el tipo incorrecto puede ocultar precisamente el fenómeno que se pretende explicar.
Alberto Cairo ha insistido en que una visualización periodística debe ser funcional y veraz: necesita revelar patrones sin deformar la evidencia. Una gráfica de barras cuyo eje vertical comienza en 95 en lugar de 0 puede hacer que una diferencia entre 98 y 100 parezca gigantesca. En una serie temporal, seleccionar solo los meses que favorecen una narrativa puede producir una tendencia visual que desaparece cuando se observa el periodo completo.
También hay un problema de denominadores. Decir que un estado registró 10,000 casos y otro 5,000 puede llevar a pensar que el primero enfrenta el doble de riesgo. Si sus poblaciones son 20 millones y 3 millones, respectivamente, la comparación por habitante puede contar otra historia. El periodismo de datos debe decidir cuándo mostrar números absolutos y cuándo tasas, porcentajes o índices.
La vida cotidiana ofrece ejemplos constantes. Un titular sobre “el municipio con más accidentes” puede depender simplemente de que allí circulen más vehículos; una nota sobre “crecimiento récord” puede comparar contra un año excepcionalmente bajo; un mapa coloreado por cantidades absolutas suele favorecer visualmente a territorios grandes o poblados. Una buena visualización no elimina estas decisiones: las hace suficientemente claras para que el lector pueda interpretarlas.
Verificación de cifras oficiales: una fuente institucional también necesita preguntas
El carácter oficial de una cifra informa sobre su procedencia, no garantiza que sea adecuada para cualquier afirmación. Un dato puede haber sido producido correctamente y ser irrelevante para la pregunta periodística; puede pertenecer a otra periodicidad, cubrir únicamente denuncias registradas, excluir determinada población o haberse calculado con una metodología que cambió entre años.
La verificación empieza por reconstruir la definición. Si una institución reporta “desempleo”, “pobreza”, “homicidios”, “beneficiarios” o “empresas”, el periodista necesita averiguar qué condiciones hacen que una persona o registro entre en esa categoría. Muchas discrepancias públicas entre cifras aparentemente incompatibles desaparecen al descubrir que están midiendo universos distintos.
Después conviene triangular. Una cifra presupuestaria puede compararse con la cuenta pública, comunicados, contratos y registros de avance; una estadística de seguridad puede contrastarse con definiciones metodológicas, población, series históricas y registros alternativos. La meta no es encontrar otra fuente que repita el número, sino una que permita probar su significado.
Una práctica especialmente útil consiste en crear una ficha de cifra: nombre del indicador, fuente primaria, periodo, unidad, población cubierta, fórmula, fecha de actualización, notas metodológicas y limitaciones. Ese documento obliga a comprender el número antes de narrarlo y facilita corregir la historia cuando la institución actualiza la serie.
Periodismo de investigación básico: cuando la anomalía se convierte en pregunta
El análisis de datos puede encontrar patrones, pero un patrón todavía no es una historia terminada. Si una dependencia adjudica 70 % de sus contratos a tres proveedores, el dato puede ser noticioso, pero no demuestra corrupción. Podría existir concentración legítima por especialización, convenios marco o características del mercado. La tarea periodística comienza cuando la anomalía genera nuevas preguntas documentales y humanas.
La literatura sobre periodismo impulsado por datos muestra una tensión histórica entre dos orientaciones: usar datos para revelar asuntos públicos y utilizar programación para construir nuevas formas de acceso o interacción con información. Parasie y Dagiral (2013) observaron esta transformación al estudiar periodistas asistidos por computadora y periodistas-programadores. La tecnología amplía lo que puede investigarse, pero no sustituye la definición del interés público.
Una investigación básica puede seguir una lógica de hipótesis → evidencia esperada → búsqueda → contraste → revisión. Supóngase que se observa un incremento anormal de contratos directos en un municipio. La hipótesis inicial podría ser que una excepción prevista para emergencias se utilizó de manera recurrente. Habría que localizar contratos, montos, fechas, fundamentos legales, proveedores, actas y posiblemente entrevistar a responsables y especialistas antes de formular una conclusión.
La regla ética es proporcionalidad: mientras más grave sea la acusación, mayor debe ser la exigencia probatoria y más importante resulta ofrecer oportunidad de respuesta. Un conjunto de datos puede señalar dónde mirar; rara vez puede explicar por sí solo motivos, responsabilidades o intenciones.
Conclusión
El periodismo de datos no es una versión tecnificada del periodismo tradicional en la que las cifras sustituyen entrevistas y documentos. Su potencia aparece cuando métodos cuantitativos y juicio periodístico se corrigen mutuamente. Los datos permiten descubrir patrones que una fuente individual no podría observar; las fuentes humanas y documentales permiten comprender por qué esos patrones existen y dónde termina lo que los números pueden demostrar.
La cadena completa importa. Obtener datos sin leer metadatos puede producir comparaciones falsas. Limpiar sin documentar puede eliminar información relevante. Visualizar sin pensar en escalas y denominadores puede exagerar diferencias. Confiar automáticamente en una cifra oficial puede ocultar cambios metodológicos. Y encontrar una anomalía sin investigar causas puede transformar un indicio legítimo en una acusación irresponsable.
La competencia avanzada consiste, entonces, en conservar la trazabilidad del argumento: cada titular debería poder retroceder hasta una operación concreta, cada operación hasta un conjunto de datos y cada conjunto de datos hasta una fuente y una metodología. Cuando esa cadena es visible, el lector no necesita confiar ciegamente en quien publica: puede entender cómo se construyó la afirmación.
🔭 Para seguir aprendiendo
- ¿Quién queda estadísticamente invisible cuando una política pública mide únicamente a las personas que lograron entrar en un registro administrativo?
- ¿Cómo debería informarse una corrección cuando el error no estaba en el dato original, sino en una decisión de limpieza o visualización?
- ¿Qué cambia en la rendición de cuentas cuando periodistas y ciudadanos pueden consultar directamente APIs y bases públicas en lugar de depender de comunicados institucionales?
- ¿Cómo debería documentarse el uso de inteligencia artificial cuando interviene en la limpieza, clasificación o análisis inicial de miles de registros?
Actividad de aprendizaje autónoma
Producto: dossier de una historia de datos verificable. El objetivo es transformar un conjunto de datos públicos en una hipótesis periodística defendible, sin convertir todavía una anomalía en una acusación.
- Elija una pregunta de interés ciudadano que pueda explorarse con datos públicos: presupuesto municipal, accidentes viales, población, establecimientos económicos, seguridad, educación, medio ambiente, contrataciones u otro tema semejante.
- Localice el conjunto de datos en una fuente primaria. Descargue el archivo original y guarde por separado su documentación, fecha de consulta y URL de procedencia.
- Escriba en no más de cinco líneas qué representa una fila, qué representa cada variable central, cuál es la unidad y qué población o territorio cubre la base.
- Trabaje sobre una copia. Identifique valores faltantes, duplicados, inconsistencias de categorías, fechas y campos numéricos almacenados como texto. Registre cada transformación realizada.
- Calcule al menos tres medidas útiles para su pregunta: total, porcentaje, tasa, cambio temporal, promedio, mediana u otra medida pertinente. Evite usar una métrica solo porque es fácil de calcular.
- Compruebe una de sus cifras mediante una segunda ruta: otro archivo oficial, un tabulado, una API, un informe metodológico o un cálculo manual independiente.
- Construya una visualización sencilla que responda una pregunta concreta. Después escriba debajo una oración que explique qué permite ver y otra que indique qué no permite concluir.
- Identifique una anomalía o patrón interesante y conviértalo en una hipótesis. Liste tres documentos o fuentes adicionales que necesitaría consultar antes de publicar una conclusión.
- Redacte un borrador de 350 a 500 palabras con un titular provisional, hallazgo central, metodología resumida, evidencia, limitaciones y próximos pasos de investigación.
Evidencia de logro: el dossier está completo cuando otra persona puede reconstruir de dónde salió la base, qué cambios se hicieron, cómo se calculó la cifra principal y qué límite impide convertir el hallazgo en una afirmación más fuerte. El borrador debe distinguir claramente entre dato observado, interpretación e hipótesis pendiente de verificación.
Reflexión final: ¿en qué momento del proceso descubrió que una decisión aparentemente “técnica” —eliminar un vacío, elegir una tasa, recortar un periodo o seleccionar una escala— también era una decisión periodística sobre lo que el lector terminaría viendo?
Referencias · APA 7
- Bounegru, L., & Gray, J. (Eds.). (2021). The data journalism handbook: Towards a critical data practice. Amsterdam University Press.
- Cairo, A. (2016). The truthful art: Data, charts, and maps for communication. New Riders.
- Gray, J., Bounegru, L., & Chambers, L. (Eds.). (2012). The data journalism handbook. O’Reilly Media.
- Instituto Nacional de Estadística y Geografía. (s. f.). API del Banco de Indicadores. INEGI.
- Instituto Nacional de Estadística y Geografía. (s. f.). Datos abiertos. INEGI.
- Meyer, P. (2002). Precision journalism: A reporter’s introduction to social science methods (4th ed.). Rowman & Littlefield.
- Parasie, S., & Dagiral, E. (2013). Data-driven journalism and the public good: “Computer-assisted-reporters” and “programmer-journalists” in Chicago. New Media & Society, 15(6), 853–871. https://doi.org/10.1177/1461444812463345