Codificación de datos

Realizaste una encuesta con una pregunta abierta, "¿Qué no te gustó de nuestro servicio?", y recopilaste 800 respuestas. Una persona escribió "entrega lenta", otra "esperé 10 días por mi paquete, es inaceptable", y otra "el pedido llegó tarde aunque prometieron 3 días".

En esencia, las tres hablan de lo mismo. Pero para una computadora son tres cadenas de texto completamente distintas que no se pueden combinar, contar ni comparar automáticamente. Para convertir este caos de formulaciones libres en datos estructurados aptos para el análisis existe un proceso llamado codificación.

Qué es la codificación de datos

La codificación de datos es el proceso de asignar códigos numéricos o alfabéticos a las respuestas de texto, las categorías y las variables de un estudio. La codificación convierte la información no estructurada (respuestas libres, comentarios abiertos) en un sistema de etiquetas que se puede contar, filtrar, cruzar y visualizar.

Dicho de forma sencilla, la codificación es una traducción del lenguaje humano al lenguaje de las tablas. Cuando un encuestado escribe "el gerente fue grosero y no me ayudó a aclarar las cosas", eso es habla humana. Cuando un analista asigna a esa respuesta los códigos "Cortesía — negativo" y "Competencia — negativo", se convierte en datos con los que se puede trabajar: contar frecuencias, crear gráficos, comparar segmentos.

La codificación no se aplica solo a las preguntas abiertas. Las preguntas cerradas también se codifican, solo que ocurre automáticamente en la etapa de diseño del cuestionario. Cuando defines las opciones "Masculino / Femenino" y el sistema las registra como 1 y 2, eso ya es codificación. Pero el verdadero reto comienza donde las respuestas son libres.

Por qué codificar: qué aporta la estructuración

La posibilidad de contar. Mientras las respuestas existan como texto, lo único que puedes hacer es leerlas una por una. La codificación convierte la lectura en recuento: en lugar de "leí 800 comentarios y me pareció que mucha gente se queja de la entrega", dices "el 47% de los comentarios negativos se refieren a la entrega, el 23% a la calidad del producto y el 18% al soporte". Es un nivel de argumentación completamente distinto.

La posibilidad de comparar. Después de codificar, puedes comparar las respuestas de distintos grupos: ¿se quejan más de la entrega los residentes de la ciudad o los de las regiones? ¿Los clientes nuevos o los habituales? ¿Los que dieron un NPS de 2 o los que dieron un 5? Sin codificación, esas tablas cruzadas son imposibles: te quedas en el nivel de las impresiones.

La posibilidad de seguir la evolución en el tiempo. Si realizas encuestas con regularidad y codificas las respuestas abiertas con el mismo esquema, ves tendencias: la proporción de quejas sobre la entrega bajó del 47% al 31% en dos trimestres, lo que significa que los cambios en la logística están funcionando. Sin codificación, lees los comentarios una vez por trimestre y "sientes que las cosas han mejorado". Con codificación, lo sabes con certeza.

La posibilidad de escalar. 50 respuestas se pueden leer a mano. 500 ya es difícil. 5.000 es imposible sin un sistema. La codificación es el sistema que te permite procesar miles de respuestas abiertas y extraer de ellas conclusiones estructuradas.

La codificación es el puente entre los datos cualitativos (palabras, historias, emociones) y el análisis cuantitativo (porcentajes, gráficos, tablas). Sin ese puente, las preguntas abiertas siguen siendo una reserva de oro a la que no tienes acceso.

Tipos de codificación

Según la tarea y el tipo de datos, se utilizan distintos enfoques de codificación.

Codificación deductiva

Las categorías se definen de antemano, antes de que comience el análisis, a partir de hipótesis, experiencia previa o un objetivo de negocio. El analista lee cada respuesta y le asigna una o varias etiquetas predefinidas.

Ejemplo. Un servicio de entrega sabe que los temas principales de las quejas son "velocidad", "daño de la mercancía", "comunicación del mensajero" y "dirección incorrecta". Antes de codificar se crea un marco de codificación con estas cuatro categorías más "otros". Cada respuesta abierta pasa por este filtro.

Cuándo conviene: ya conoces bien el campo del problema y quieres medir la frecuencia de temas conocidos. Una situación típica de los estudios repetidos donde las categorías ya están establecidas.

Codificación inductiva

Las categorías no se fijan de antemano: surgen de los propios datos. El analista lee las respuestas, identifica temas recurrentes y formula categorías a medida que avanza el trabajo. Este enfoque está más cerca de la investigación cualitativa y se utiliza cuando aún no sabes exactamente qué dirán los encuestados.

Ejemplo. Una empresa realiza por primera vez una encuesta a empleados con la pregunta abierta "¿Qué te impide trabajar de forma productiva?". La lista de categorías se desconoce de antemano. El analista lee las primeras 100 respuestas y descubre que surgen temas inesperados: "videollamadas constantes", "una silla de oficina incómoda", "prioridades de proyecto poco claras". Estos temas se convierten en las categorías que luego se aplican a todo el conjunto de datos.

Cuándo conviene: estudios exploratorios, primeras encuestas sobre un tema nuevo, situaciones en las que deliberadamente no quieres limitar el análisis con marcos sesgados.

Codificación mixta

En la práctica, lo más frecuente es usar una combinación: se define de antemano un conjunto inicial de categorías (de forma deductiva), pero a medida que se trabaja con los datos el analista añade nuevas categorías que no estaban previstas (de forma inductiva). Es un enfoque pragmático: no empiezas desde cero, pero tampoco te encierras en marcos predefinidos.

Codificación numérica de las preguntas cerradas

Una tarea aparte, más técnica, es asignar códigos numéricos a las opciones de las preguntas cerradas para el posterior análisis estadístico. Por ejemplo: "Totalmente en desacuerdo" = 1, "En desacuerdo" = 2, "Neutral" = 3, "De acuerdo" = 4, "Totalmente de acuerdo" = 5. O: "Masculino" = 1, "Femenino" = 2. Esta codificación suele estar automatizada a nivel de la plataforma de encuestas.

Cómo codificar las respuestas abiertas: un proceso paso a paso

Paso 1. Lee una muestra de respuestas

No te lances a codificar de inmediato. Primero lee de 50 a 100 respuestas seguidas para captar el panorama general: qué temas surgen, qué tono predomina, si hay direcciones inesperadas. Es un "reconocimiento" previo al trabajo sistemático.

Paso 2. Crea un marco de codificación

Formula una lista de categorías (códigos). Cada categoría debe ser:

• Inequívoca: no hay duda sobre a qué categoría pertenece una respuesta concreta
• Exhaustiva: cada respuesta cae en al menos una categoría (para ello necesitas una categoría "Otros")
• Mutuamente excluyente: si decidiste que cada respuesta recibe exactamente un código. Si una respuesta puede contener varios temas, permite la codificación múltiple

Ejemplo de marco de codificación para la pregunta "¿Qué no te gustó?":

• 01 — Velocidad de entrega
• 02 — Calidad del embalaje
• 03 — Producto que no coincide con la descripción
• 04 — Desempeño del soporte
• 05 — Precio / relación calidad-precio
• 06 — Navegación en el sitio web / la aplicación
• 07 — Métodos de pago
• 08 — Otros
• 09 — Sin quejas / me gustó todo

Paso 3. Codifica todas las respuestas

Recorre cada respuesta y asígnale un código (o varios). Si una respuesta no encaja en ninguna categoría, colócala en "Otros". Si "Otros" acumula más del 10–15% de las respuestas, reconsidera tus categorías: lo más probable es que hayas pasado por alto un tema importante y que sea necesario separar un código aparte de "Otros".

Paso 4. Comprueba la coherencia

Si codifica una sola persona, vuelve a leer las primeras 50 respuestas codificadas después de terminar todo. A estas alturas tu comprensión de las categorías puede haberse afinado, y los códigos iniciales pueden necesitar ajustes.

Si codifican varios analistas, calcula la fiabilidad intercodificador: da la misma muestra de 30–50 respuestas a dos codificadores de forma independiente y observa si sus códigos coinciden. Una coincidencia inferior al 80% es una señal de que las categorías no están formuladas con suficiente claridad y necesitan perfeccionarse.

Paso 5. Analiza

Ahora que cada respuesta tiene un código, puedes hacer aquello para lo que se hizo todo el esfuerzo: contar frecuencias, crear gráficos, comparar grupos, seguir la evolución en el tiempo. ¿El código "01 — Velocidad de entrega" apareció en el 47% de las respuestas negativas? Ese es el problema principal. ¿El código "07 — Métodos de pago" en el 3%? No es una prioridad.

Codificación automática e IA

La codificación manual es precisa pero lenta. Con grandes volúmenes (miles de respuestas) se convierte en el cuello de botella de todo el estudio. Las tecnologías de procesamiento automático de texto vienen al rescate.

Codificación por diccionario. El enfoque más simple: se crea un diccionario de palabras clave para cada categoría. Si una respuesta contiene "entrega*", "mensajero", "trajo*", el código es "Entrega". Rápido pero tosco: el sarcasmo, las negaciones y las construcciones complejas escapan a la comprensión del diccionario. "La entrega fue maravillosa" y "la entrega es una pesadilla" recibirán el mismo código.

Codificación asistida por IA. Los modelos de lenguaje modernos pueden clasificar respuestas de texto teniendo en cuenta el contexto, el tono y el significado oculto. Distinguen "la entrega es excelente" de "la entrega es terrible", procesan miles de respuestas en minutos y mejoran con cada iteración. La estrategia óptima es híbrida: la IA realiza la clasificación inicial y una persona revisa los casos dudosos y corrige los errores.

El análisis de sentimiento es un caso particular de codificación automática en el que a cada respuesta se le asigna un tono emocional: positivo, negativo o neutral. Es el nivel más básico de codificación, pero para muchas tareas es suficiente; por ejemplo, para seguir la proporción de menciones negativas a lo largo del tiempo.

La codificación de datos y SurveyNinja

En SurveyNinja, las respuestas de texto abiertas se recopilan y almacenan en la sección de analítica, desde donde se pueden exportar para su codificación.

Exportación a CSV/Excel. Todas las respuestas, incluidos los textos de los campos abiertos, se pueden exportar en formato de tabla. El texto de la respuesta va en una columna aparte, con las respuestas a las preguntas cerradas y los datos sociodemográficos al lado. Es una base lista para el trabajo de codificación en Excel, Google Sheets o herramientas especializadas.

Asistente de IA integrado. SurveyNinja incluye una funcionalidad de IA que se puede usar para el procesamiento inicial de los datos de texto: identificar temas clave y agrupar respuestas similares.

Filtrado en la analítica. Mediante los filtros de la interfaz puedes ver las respuestas de texto por segmento: por separado las de los detractores (NPS 0–6) y por separado las de los promotores (9–10). Esto agiliza la codificación manual: en lugar de leer 800 respuestas seguidas, trabajas con grupos objetivo.

La codificación es el trabajo que todos quieren saltarse pero no pueden. Sin ella, las respuestas abiertas siguen siendo una colección de historias que cada uno interpreta a su manera. Con codificación, se convierten en argumentos respaldados por números.