Saltar al contenido
Bioblogia.net 📬 Las Biotapas

Ofertas › biotapas › 19 noviembre 2026

308 - 🌍 Las Biotapas: Cómo tomar datos de campo

📬 Esto de aquí abajo es una edición de Las Biotapas, el boletín semanal que envío cada viernes a gente interesada en la biología, el medio ambiente y la conservación.
Aquí van ofertas, cursos y oportunidades... y mis batallitas de biólogo trotamundos (esta semana, cómo tomar datos de campo para que nadie llore al analizarlos). Si te parece útil o al menos te has echado unas risas y te quieres apuntar, lo puedes hacer aquí, y la próxima edición te llegará a tu correo.

Enviado por correo el 1 de mayo de 2026

Hola persona!

¡Por fin es viernes! ¿Cómo se perfila tu finde?

Yo deseando escaparme a la selva otra vez...

El viernes pasado me salté las biotapas porque tuve mucho trabajo porque me fui de aventuras a unas playas salvajes que hay cerca de Río de Janeiro (aquí alguna foto bichil, por si te da curiosidad).

Para esta edición había pedido sugerencias en el Biogrupo y recibí algunas propuestas muy interesantes, pero al final me he decantado por este tema al que ya llevaba tiempo queriendo hincar el diente:

Cómo tomar datos de campo

Antes de entrar en faena: si conoces a alguien que quiere trabajar como técnico de campo o que está empezando su carrera en ciencia, mándale este boletín.

Lo que viene a continuación es probablemente uno de los mejores upgrades que puede ganar cualquiera que esté metiendo la patita en el sector y quiera dar una buena impresión en su equipo.

Ahí lo dejo.

BioAnésdota personal

Allá por tiempos pandémicos conseguí un trabajo en remoto muy chulo, analizando datos para el Nature Research Centre, en Lituania.

Estábamos estudiando la pesca recreativa en el embalse de Kaunas: un lago artificial de unos 65 km² en el centro del país.

La pregunta era aparentemente sencilla: ¿cuántos pescadores hay, cuándo pescan y cómo se mueven?

Para responderla usamos drones de ala fija que hacían pasadas sobre el embalse contando pescadores desde el aire. 39 misiones a lo largo de un año.

Luego calibramos esas observaciones con datos de un sonar GPS muy popular entre los pescadores de agua dulce, el Deeper. Y con todo eso construimos modelos bayesianos para estimar el total anual.

El resultado: cerca de 3000 pescadores, acumulando entre todos entre 25.000 y 27.000 salidas de pesca cada año.

¿Te imaginas la currada para limpiar todos esos datos?

Buah.

Los del dron, los del sonar, los registros de campo, las condiciones meteorológicas, los días de semana, los fines de semana, la temporada de pesca en hielo. El GIS y la madre que lo parió.

Datos recogidos durante años, por distintas personas, con criterios que no siempre eran los mismos. Brutal.

Al año siguiente, hicimos algo parecido...

Pero a escala de cuatro países europeos y cuatro años de registros, para ver el efecto del COVID.

Eso ya sí que me hizo un hombre.

Un hombre con ojeras, entradas y dolor de espalda 😅

Quizá te sorprenda, pero en un trabajo así, la mayor parte del tiempo no se va en el análisis.

Dependiendo del proyecto, yo diría que entre el 60 y el 80% del tiempo total se va en limpiar la base de datos.

En buscar el error que hace que el modelo pete. En descubrir que cada técnico ha escrito "miércoles" en su idioma natal y ahora la columna de "día de la semana" tiene 15 categorías. En darse cuenta de que le falta un número a unas coordenadas y por eso te sale un pescador en Valencia. En formatear los datos de una columna llamada "Comentarios". O más difícil aún, en añadir los datos que alguien ha puesto en comentarios encima de las celdas 🙃

Eso, otro día, lo vemos con más calma: cómo detectar errores en un dataset ya hecho y cómo arreglarlo sin jurar demasiado en arameo.

Hoy vamos a la raíz del problema.

Y es que, como dice mi madre:

"No es más limpio el que más limpia... sino el que menos ensucia"

Meme de una madre lanzando una chancla

Mis años de bogar en ambas bandas de la galera turca (recogiendo los datos y analizándolos) me han ido enseñando una cosa muy clara:

Aprender a recoger datos bien desde el principio es una de las mejores inversiones que puedes hacer en ti al inicio de tu carrera.

Cada proyecto que llegue después te va a pedir lo mismo. Y si ya sabes hacerlo bien, te ahorras semanas enteras, o se las ahorras a la persona que tenga que bregar con el R.

Vamos a aprovechar este artículo de Broman & Woo (2018) que se llama "Data Organization in Spreadsheets" que ya recomendé en alguna Biotapa y que lo explica todo muy ordenadito.

Y te lo cuento con nutrias.

Imagina que eres nutriólogo profesional

Imagina que llevas un seguimiento de nutrias (Lutra lutra) en varios ríos. Rastreas individuos, recoges caquitas, registras localizaciones, revisas cámaras trampa y collares gps.

Y cada tarde (o noche, probablemente), lo metes todo en el excel.

Ese Excel puede llegar a ser tu tesis doctoral o tu peor pesadilla.

Depende de cómo lo construyas desde el principio :)

1. Sé consistente

Primera regla. La más importante.

Si al sexo del individuo lo llamas "M" en enero, "macho" en febrero y "Macho" en marzo... En abril cuando te pongas a analizar, le darás cabezazos al teclado.

Elige un sistema y úsalo siempre sin excepciones:

  • macho / hembra. O M / H. Pero uno sólo.
  • Para los IDs de individuo: nutria_01, nutria_02... Nunca "N1" a veces y "Nutria-001" otras veces
  • ¡Ojo con los espacios! "macho" no es lo mismo que " macho".

La consistencia es la madre de la ciencia.

Que si luego intentas arreglarlo con "buscar y reemplazar", el riesgo de cargarte la base de datos es enooorme.

2. Pon buenos nombres a las cosas

Una columna que se llama "Datos" hace que uno se tire de los pelos.

Una columna que se llama masa_g dice exactamente lo que hay dentro.

Reglas básicas:

  • Sin espacios. Usa guion bajo: peso_corporal_g, no "Peso corporal (g)".
  • Sin caracteres especiales: ni #, ni @, ni %, ni paréntesis, ni tildes.
  • Corto pero descriptivo. long_cc_cm es mejor que longitud_total_del_cuerpo_en_centimetros y también mejor que l.
  • Sin tildes ni eñes si luego vas a usar esos datos en R o Python (Ni te cuento las risas con los colegas checos)

Para los archivos: nutrias_tajo_2024-03.csv. No "datos finales definitivos v3 ESTE.xlsx". (El artículo lo dice textualmente: nunca pongas "final" en un nombre de archivo. Acabarás con "final_ver2".)

3. Escribe las fechas como YYYY-MM-DD

Excel trata las fechas de manera diferente en Windows y en Mac. Internamente las guarda como números, y esos números no coinciden entre sistemas operativos.

Imagina el pifostio con tus colaboradores.

Además, si escribes "3/4/2024", ¿es el 3 de abril o el 4 de marzo? Depende del país en el que estés.

La solución: el estándar internacional ISO 8601. Siempre 2024-04-03.

Ventaja extra: ordenar fechas en ese formato es ordenar texto alfanumérico, y funciona perfectamente.

Si no te fías de Excel con las fechas (y no deberías), dos alternativas: formatear la columna como texto antes de escribir nada, o usar tres columnas separadas con año, mes, dia.

4. No dejes celdas vacías

Cuando dejas una celda vacía, no se puede saber si el dato falta, si se te olvidó meterlo, o si ese valor simplemente no existe.

Pon NA en todos los huecos. Siempre.

Y ojo con esta trampa muy habitual: repetir un valor solo la primera vez que aparece.

rio_tajo    2024-03-01    nutria_01    1200
            2024-03-02    nutria_02     980
            2024-03-05    nutria_01    1210

¿Ves el problema? Si alguien ordena esas filas por fecha o por individuo, ya no hay forma de saber a qué río pertenecen las filas 2 y 3.

Repite siempre todos los valores, aunque parezca redundante:

rio_tajo    2024-03-01    nutria_01    1200
rio_tajo    2024-03-02    nutria_02     980
rio_tajo    2024-03-05    nutria_01    1210

5. Una sola cosa por celda

Una celda, una cosa. Sólo una.

No pongas "1200g / comiendo / margen derecha" en una sola celda.

Eso son tres columnas: peso_g, comportamiento, margen_rio.

Si tienes "45 g" en una celda, quita las unidades y ponlas en el nombre de la columna: peso_g. El número 45 y solo 45.

Y nunca, nunca, nunca fusiones celdas. Queda bonito en la pantalla. Es un coñazo desastre luego para cualquier análisis.

6. Haz un rectángulo

Quizá ésta debería ser la primera regla, en realidad.

Tus datos deben tener forma de rectángulo.

Cada fila = una observación (un individuo, un evento, una muestra).
Cada columna = una variable.
Primera fila = nombres de las variables. Sólo una fila de encabezado.

¡Sólo uuuuunaaa por favor!

Así:

id_nutriafechariopeso_gsexo
nutria_012024-03-01tajo1200hembra
nutria_022024-03-02tajo980macho
nutria_012024-03-05tajo1210hembra

Sin datos esparcidos por la hoja. Sin subtítulos en mitad de la tabla. Sin bloques separados por filas en blanco. Sin dos filas de encabezado.

Hoja de Excel caótica y una mujer horrorizada

Si tienes datos de distintos tipos (pesos de individuos + eventos de avistamiento), mejor dos rectángulos en dos archivos distintos, o dos pestañas del excel, con un ID común que los conecte.

7. Crea un diccionario de variables

¿Qué es long_cc_mm?

Tú lo sabes ahora. ¿Lo sabrás en tres años? ¿Lo sabrá tu colaborador la semana que viene?

Un diccionario de variables es un segundo archivo (o pestaña) también en formato rectangular, que explica cada columna:

variabledescripcionunidadesrango_esperado
id_nutriaIdentificador único del individuo-nutria_01 a nutria_99
peso_gPeso corporal en ayunasgramos400-12000
long_cc_mmLongitud cabeza-cuerpomm570-900
sexoSexo del individuo-macho / hembra

Esto es un salvavidas: tus colegas te amarán con locura.

8. Nada de cálculos en los datos brutos

Tu archivo de datos es sagrado.

Nada de promedios. Nada de desviaciones típicas. Nada de gráficas. Nada de fórmulas entre los datos.

Sólo los datos.

Si quieres hacer cálculos, haz una copia del archivo y trabaja en la copia. El original no se toca.

Esto evita el peor error posible: que escribas algo sin querer en una celda que tenía un dato real.

(¿Te ha pasado? Abres un Excel, empiezas a teclear y nada aparece en pantalla, hasta que de repente ves que has sobrescrito la celda C47 con "aaadsd". Horroooor!)

9. El color no es un dato

Tienes una fila sospechosa y la marcas en rojo para recordarlo.

Mal.

Tienes datos de machos y los pones en azul para distinguirlos.

Mal.

¡El color no se puede analizar!

Se pierde cuando exportas a CSV. No existe para R ni para Python.

Y cuando le mandes el archivo a un colaborador o a tu jefa y tenga pasar una mañana convirtiéndolo en dato de forma manual, se va a pensar si te contrata la temporada que viene.

La solución: añade una columna para esa variable

outlier con valores TRUE/FALSE.

O dato_sospechoso con sí/no.

O sexo con macho/hembra.

La información tiene que estar en los datos, no en el formato.

10. Haz copias de seguridad

Pues eso.

Idealmente usa Git también, sobre todo para la parte de análisis, y te ahorras lo de los nombres y las versiones.

Pero si no, al menos, guarda copias en las nubes, que ahora tenemos muchas.

Usa nombres con versión: nutrias_tajo_v1.xlsx, nutrias_tajo_v2.xlsx... Así si algo se corrompe, puedes volver atrás.

Y cuando termines de introducir datos, protege el archivo contra escritura. En Mac: botón derecho → Información → Permisos → Sólo lectura. En Windows: botón derecho → Propiedades → Sólo lectura.

El archivo de datos brutos no debería poder tocarse cuando no lo estás editando activamente. Yo suelo tener en una carpeta aparte los datos originales y luego en otra meto copias para trabajar.

Si la lías con el original, toca pescar en los emails de la gente o, imagina el terror: preguntar otra vez a tu directora de tesis si te los puede pasar "para comprobar una cosa".

Ella sabe lo que has hecho.

Fotograma de El Señor de los Anillos: la Comunidad del Anillo

11. Usa la validación de datos de Excel

Si un día te toca dirigir una temporada de campo y tienes gente a tu cargo recogiendo datos, esta opción de excel es muy recomendable: la validación de datos.

Te permite definir qué puede contener cada celda antes de que alguien meta nada. Por ejemplo:

  • La columna sexo solo acepta "macho" o "hembra".
  • La columna peso_g solo acepta números entre 400 y 12000.
  • La columna rio solo acepta los valores de una lista: tajo, duero, ebro, miño.

Si alguien escribe "Macho" con mayúscula, Excel avisa. Si pone 85000 de peso, Excel avisa.

Para activarlo: selecciona la columna → Datos → Validación de datos → elige el criterio.

Es un poco tedioso de configurar la primera vez. Pero evita errores tipográficos que luego son muy difíciles de detectar.

12. Guarda siempre una copia en CSV

El formato .xlsx es de Microsoft. Puede dar problemas al abrirse en otros sistemas. Tiene cosas raras con las fechas. Y no puedes leerlo fácilmente desde código.

Guarda siempre una copia en .csv (valores separados por comas).

Para exportar desde Excel: Archivo → Guardar como → CSV UTF-8.

El CSV es feo. Pero es universal. Lo lee Excel, R, Python, LibreOffice, cualquier cosa. Y dentro de 20 años, cuando los formatos hayan cambiado mil veces, tus datos seguirán siendo legibles.

En resumen

Si trabajas con datos de campo, esta es la lista completa:

  1. Sé consistente en todo (nombres, códigos, formatos)
  2. Nombres cortos y descriptivos, sin espacios ni caracteres raros
  3. Fechas siempre como YYYY-MM-DD
  4. Ninguna celda vacía: usa NA
  5. Una sola cosa por celda
  6. Un rectángulo, una fila por observación, una columna por variable
  7. Crea un diccionario de datos en un archivo separado
  8. Nada de cálculos en los datos brutos
  9. El color no es un dato: añade una columna
  10. Copia de seguridad (de verdad, hoy)
  11. Valida los datos de entrada con la función de Excel
  12. Guarda en CSV además de en xlsx

El artículo original de Broman & Woo está en abierto y tiene ejemplos visuales muy buenos: https://doi.org/10.1080/00031305.2017.1375989

¿Y tú? ¿Tienes algún otro consejo? ¿Historias de terror? ¡Comparte, comparte! :D

Y si tienes colegas, colaboradores, estudiantes o técnicos que van a recoger datos pronto, reenvíales este boletín y/o el paper de arriba, antes de que empiecen.

Es infiniiiitamente mejor hacerlo bien desde el principio (recuerda el dicho de mi madre).

Ale, me voy a la selva, te dejo con las biotapas de la semana.

Abrazo,

Nando

pd: Flipa el alien que encontramos el otro día. A ver si otra semana hago un monográfico bichil.

Bicho alienígena camuflado sobre un muro con musgo

pd2: ¡Cuéntanos tus trucos e historas de terror de excel por el Biogrupo!


Biotapas

🍺 Offtopic que casi me saca la lagrimilla: El día del estreno de La Comunidad del Anillo el autor fue solo al cine, en medio de una depresión grave... y ese mundo terminó siendo su refugio. Me representa: jotdown.es

🍺 Una masterclass de Cédric Scherer en PDF sobre visualización de datos: cómo diseñar gráficas que guíen la atención del lector donde tú quieres. Gratis, muy bueno, muy aplicable: cedricscherer.com

🍺 Brasil acaba de crear el área marina protegida más grande del Atlántico Sur: el Parque Nacional Marino Albardão, más de un millón de hectáreas con hábitats críticos para ballenas y delfines en peligro: oceanographicmagazine.com

🍺 La IA en biotecnología no va a llegar muy lejos sin expertos en taxonomía. Un artículo de Nature que explica por qué los identificadores de especies siguen siendo insustituibles, y por qué ese conocimiento está en riesgo. ¡Vamoooos!: nature.com


OFERTAS

Es posible que algunas de estas ofertas ya hayan caducado, ¡pero son datos históricos muy útiles! Te pueden servir, por ejemplo:
  • para investigar una organización antes de aplicar a otra de sus ofertas,
  • para escribirles directamente ofreciendo tu candidatura si repiten el mismo puesto con frecuencia,
  • para preparar tu CV con los requisitos habituales del sector,
  • o para identificar qué organizaciones contratan más en tu especialidad.

🔹 Científico ambiental en proyectos REDD+ y carbono forestal en México

🔹 Contrato de 4 años para estudiar evolución - Universidad de Uppsala, Suecia

🔹 Educa sobre conservación a niños y jóvenes en el Zoo de Londres

🔹 Máster en genómica de truchas árticas en Islandia con beca completa

🔹 Científico ambiental en agricultura y silvicultura (México/EE.UU.)

🔹 Postdoc en genómica de lepidópteros (Universidad de Florida, EE.UU.)

🔹 4 años de contrato para estudiar ecología de parásitos marinos (Estonia)

🔹 4 años de contrato para hacer el doctorado en conservación de saltamontes (España, 30k)

🔹 Coordina proyectos de fauna silvestre en Pamplona

🔹 Profesor de biología marina en la Universidad de Western Australia

🔹 Técnico de laboratorio en genética y comportamiento (Universidad de Princeton, USA)

🔹 Lab Manager en genética evolutiva (New Hampshire, USA)

🔹 Postdoc en ecología evolutiva de mariposas (IISER, India)

🔹 4 años de contrato para hacer la tesis en ecosistemas acuáticos en Estonia

🔹 Contrato de 4 años para hacer el doctorado con lab y campo en Suecia

🔹 Trabaja en conservación marina e investigación en las islas Seychelles


¿Quieres recibir ofertas de empleo actualizadas cada semana en tu correo?

Apúntate aquí y también te enviaré biotapas, noticias del sector, cursos recomendados y otras oportunidades para tu carrera en biología, medio ambiente y conservación.

Publicado por Fernando Mateos-González (o sea yo). Comprueba siempre los detalles y el plazo en la convocatoria oficial.