Un outlier es un dato que se encuentra anormalmente lejos del comportamiento general de una muestra. En español también se llama valor atípico. Puede ser un error, una excepción real o una pista valiosa, así que detectarlo no equivale a borrarlo. Primero toca investigar.
Imagina que una tienda recibe entre 20 y 35 pedidos diarios y un martes registra 240. Ese 240 destaca, pero todavía no sabes por qué. Quizá hubo una campaña brillante, un pedido duplicado o un fallo de medición. La decisión correcta depende de la causa y del objetivo del análisis.
¿Qué son los outliers exactamente?
Los outliers son observaciones que se desvían claramente del patrón seguido por los demás datos. El manual estadístico del NIST los define por su distancia anormal respecto a otros valores de una muestra y advierte de que lo considerado anormal depende del contexto.
Un dato atípico puede aparecer por varios motivos:
- Un error al escribir, importar o medir un valor.
- Un cambio real en clientes, procesos o mercado.
- Un evento excepcional, como una campaña viral.
- Una muestra pequeña o poco representativa.
- La aplicación de un modelo que no describe bien los datos.
Por eso no existe una frontera universal. Un pedido de 5.000 euros podría ser normal para una empresa industrial y extraordinario para un pequeño comercio electrónico.
¿Por qué importan los valores atípicos?
Los valores atípicos importan porque pueden desplazar promedios, distorsionar comparaciones y empeorar modelos predictivos. Si nueve compras rondan los 50 euros y una alcanza 1.000, el ticket medio subirá mucho aunque casi ningún cliente gaste esa cantidad.
También pueden descubrir oportunidades. Un pico de conversiones puede revelar un canal especialmente rentable; una caída repentina, un problema en el formulario; una consulta inusual, una necesidad que nadie estaba atendiendo. En Ocelot analizamos estas excepciones dentro de su contexto antes de convertir una cifra llamativa en una decisión de marketing.
¿Cómo se detecta un outlier?
Un outlier se detecta comparando cada observación con la distribución y el patrón del conjunto, primero de forma visual y después con un criterio estadístico adecuado. Ningún método sustituye por sí solo al conocimiento del negocio.
Gráficos para localizar valores extraños
Un diagrama de caja muestra la mediana, los cuartiles y los puntos alejados. Un gráfico de dispersión ayuda a ver relaciones anómalas entre dos variables. Una serie temporal permite distinguir un pico aislado de un cambio sostenido. Son buenos puntos de partida porque enseñan la forma de los datos antes de aplicar reglas automáticas.
Regla del rango intercuartílico
El rango intercuartílico, o RIQ, es la diferencia entre el tercer y el primer cuartil. Una regla habitual marca como posibles outliers los valores inferiores a Q1 menos 1,5 veces el RIQ o superiores a Q3 más 1,5 veces el RIQ. Es útil cuando la distribución no es perfectamente simétrica y evita depender tanto de la media.
Puntuación Z y métodos robustos
La puntuación Z expresa cuántas desviaciones típicas separan un valor de la media. Funciona mejor cuando los datos se aproximan a una distribución normal, pero la propia media puede verse arrastrada por valores extremos. La guía de detección de outliers del NIST propone comprobar primero los supuestos y explica alternativas robustas basadas en la mediana.
¿Se debe eliminar siempre un outlier?
No, un outlier solo debería eliminarse cuando existe una razón verificable y documentada. Borrarlo porque molesta puede ocultar información y presentar un resultado artificialmente limpio.
Una secuencia prudente sería esta:
- Comprueba la fuente original y descarta errores de captura.
- Averigua qué ocurrió en ese momento o registro.
- Repite el análisis con el dato y sin él.
- Elige un método robusto si el valor es legítimo.
- Documenta la decisión para que pueda revisarse.
Si una venta está duplicada, se corrige. Si corresponde a un cliente real, se conserva o se analiza como segmento separado. Si no puedes conocer la causa, presenta ambos escenarios y explica la incertidumbre.
Ejemplos de outliers en marketing y negocio
En marketing y negocio, los outliers aparecen como picos de tráfico, costes publicitarios extremos, compras inusualmente grandes o tiempos de respuesta fuera de rango. También pueden surgir en encuestas, previsiones de demanda y métricas de producción.
Supón que una campaña recibe cientos de visitas desde una misma ubicación sin generar interacción. Podría ser tráfico no humano. En cambio, una página que multiplica sus solicitudes tras ser recomendada en un medio muestra una excepción auténtica que merece estudiarse. El número se parece; la explicación cambia por completo la acción.
La clave es conectar analítica y contexto. Si necesitas convertir datos de campañas, web o ventas en decisiones comprensibles, el equipo de Ocelot puede ayudarte a separar las anomalías útiles del ruido y a construir una medición más fiable.
Preguntas frecuentes sobre outliers
¿Outlier y anomalía significan lo mismo?
Se usan a menudo como sinónimos, aunque anomalía suele describir un patrón inesperado más amplio y outlier, una observación extrema. La diferencia práctica depende del campo y del método empleado.
¿Un outlier siempre es un error?
No. Puede proceder de un fallo de registro, pero también de un evento real o de un comportamiento minoritario. Antes de corregirlo o eliminarlo hay que buscar su causa.
¿Cuántos outliers puede tener un conjunto de datos?
No hay una cantidad fija. Depende de la distribución, el tamaño de la muestra y el criterio elegido. Si aparecen muchos, quizá no sean excepciones sino varios segmentos o un modelo inadecuado.
¿Qué método es mejor para detectar outliers?
No existe uno mejor para todos los casos. Los gráficos y el rango intercuartílico son buenos para explorar, mientras que las pruebas estadísticas exigen comprobar supuestos. La elección debe responder al tipo de dato y a la decisión que vas a tomar.
