UD6 · Trabajo responsable, sostenible y prevención de riesgos

Objetivos de la unidad

Al finalizar esta unidad el alumno será capaz de:

• Actuar con responsabilidad ética en el tratamiento y la publicación de datos
• Aplicar el principio de igualdad de derechos y oportunidades en la gestión de colecciones de datos
• Comunicarse de forma eficaz con perfiles técnicos y no técnicos del equipo
• Integrar criterios de sostenibilidad (DNSH, ODS) en las decisiones de procesamiento de datos
• Reducir el consumo computacional y las emisiones derivadas del trabajo con datos a escala
• Identificar y prevenir riesgos laborales asociados al trabajo con datos: psicosociales, ergonómicos y ambientales
• Actuar correctamente ante emergencias según el plan del centro

Responsabilidad ética en el tratamiento de datos — Concepto

El procesamiento de datos no es una operación técnica neutral. Las decisiones sobre qué datos recoger, cómo limpiarlos, qué atributos conservar y qué registros descartar tienen consecuencias directas sobre las personas representadas en esos datos.

Tres niveles de responsabilidad en el ciclo de datos:

El profesional de datos es el primer filtro ético: no el responsable de producto, no el cliente.

Igualdad de derechos y oportunidades en los datos

Los conjuntos de datos que alimentan sistemas de IA reflejan las desigualdades estructurales de la sociedad. Un dataset desequilibrado en representación produce modelos que discriminan.

Sesgos de representación más frecuentes en datasets de procesamiento:

Medidas correctivas:

• Auditar la distribución de atributos sensibles antes de procesar
• Aplicar técnicas de sobremuestreo (SMOTE) o submuestreo si es necesario
• Documentar las decisiones de inclusión/exclusión en el registro de versionado

Comunicación efectiva y trabajo colaborativo

En un proyecto de datos coexisten perfiles con vocabulario y prioridades distintas. Comunicar de forma eficaz entre perfiles es una competencia técnica, no solo interpersonal.

Perfiles habituales en un proyecto de procesamiento de datos:

Adaptar el nivel de abstracción al receptor no es simplificar: es elegir el canal correcto.

Comunicación colaborativa — Herramientas y prácticas

Prácticas de colaboración efectiva en equipos de datos:

# Convenciones de nombrado compartidas en el equipo
# Formato: {proyecto}_{tipo}_{version}_{fecha}.{ext}
datos_credito_raw_v1_20260601.parquet
datos_credito_limpio_v2_20260610.parquet
datos_credito_train_v2_20260610.parquet

# El nombre del archivo comunica su estado sin necesidad de leer el contenido

Registro de decisiones (ADR — Architecture Decision Record):

# ADR-003: Eliminación de registros con nulos en columna "ingreso_mensual"

**Fecha:** 2026-06-15
**Autor:** @data-engineer-01
**Contexto:** El 12 % de los registros tienen nulo en "ingreso_mensual".
**Decisión:** Eliminar esos registros porque la imputación introduciría sesgo.
**Consecuencias:** Dataset reducido a 88 % del original; documentado en ficha de calidad.
**Alternativas descartadas:** Imputación por mediana (distorsiona distribución en subgrupos).

Sostenibilidad tecnológica — Principio DNSH

El principio DNSH (Do No Significant Harm — No causar daño significativo) es un criterio de la taxonomía verde de la UE aplicable a proyectos tecnológicos cofinanciados con fondos europeos. En el contexto del procesamiento de datos, implica que cada decisión tecnológica debe evaluarse por su impacto ambiental.

Aplicación del principio DNSH al procesamiento de datos:

El DNSH no prohíbe procesar datos: exige que el proceso sea tan eficiente como sea técnicamente posible.

ODS aplicables al procesamiento de datos

Los Objetivos de Desarrollo Sostenible de la ONU proporcionan un marco de referencia para evaluar el impacto de las actividades de datos más allá del consumo energético.

ODS directamente aplicables:

Reducción del consumo computacional — Técnicas

El procesamiento de datos a escala tiene un coste energético medible. Estas técnicas lo reducen sin pérdida de calidad:

import pandas as pd
import polars as pl

# 1. Leer solo las columnas necesarias (evitar cargar columnas no usadas)
df = pd.read_csv("datos_grande.csv", usecols=["id", "edad", "ingreso", "etiqueta"])

# 2. Reducir tipos de dato para minimizar uso de memoria
df["edad"] = df["edad"].astype("int8")          # 8 bits en lugar de 64
df["ingreso"] = df["ingreso"].astype("float32") # 32 bits en lugar de 64

# Memoria antes: 800 MB → después: ~200 MB (75% menos)
print(f"Uso de memoria: {df.memory_usage(deep=True).sum() / 1e6:.1f} MB")

# 3. Usar Polars para operaciones en columnas: hasta 10x más rápido que pandas
df_pl = pl.scan_csv("datos_grande.csv")  # lazy: no carga hasta ejecutar
resultado = (df_pl
    .filter(pl.col("edad") > 18)
    .select(["id", "edad", "ingreso"])
    .collect())

Reducción de emisiones — Caché y evitar recomputos

from joblib import Memory
import pandas as pd

# Configurar cache en disco: las funciones marcadas no se re-ejecutan si los inputs no cambian
memoria = Memory("cache_pipeline/", verbose=0)

@memoria.cache
def limpiar_datos(ruta_fichero: str, version: str) -> pd.DataFrame:
    """
    Carga y limpia el dataset. Se ejecuta solo la primera vez;
    las llamadas siguientes con los mismos argumentos usan la cache.
    """
    df = pd.read_csv(ruta_fichero)
    df = df.dropna(subset=["ingreso_mensual"])
    df = df[df["edad"].between(18, 99)]
    df["ingreso_mensual"] = df["ingreso_mensual"].astype("float32")
    return df

# Primera ejecucion: procesa. Siguientes: lee de cache sin consumo de CPU
df_limpio = limpiar_datos("datos_raw.csv", version="v2")

Cachear etapas inmutables del pipeline puede reducir el tiempo de re-ejecución en un 80-95 % y elimina el consumo de CPU asociado.

Prevención de riesgos — Riesgos psicosociales

El trabajo con datos presenta riesgos psicosociales específicos derivados de la gestión de volúmenes elevados, la presión de plazos y la incertidumbre técnica sobre la calidad de las fuentes.

Prevención de riesgos — Ergonomía cognitiva

La ergonomía cognitiva en el trabajo con datos se centra en diseñar el proceso de trabajo para que la carga mental sea sostenible y las decisiones sean de alta calidad.

Prácticas aplicadas al procesamiento de datos:

• Documentar las decisiones en el momento en que se toman: no al final del día
• Dividir el pipeline en etapas con objetivos claros y verificables por separado
• Usar nombres de variables y columnas descriptivos desde el inicio del notebook
• Establecer checkpoints de revisión antes de pasar a la siguiente etapa del pipeline
• Revisar el historial de cambios antes de comenzar una sesión de trabajo sobre el dataset

# Convención de nomenclatura que reduce carga cognitiva
df_raw          = pd.read_csv(...)          # sin tocar
df_filtrado     = aplicar_filtros(df_raw)   # solo filtros de filas
df_imputado     = imputar_nulos(df_filtrado) # solo imputación
df_codificado   = codificar(df_imputado)    # solo encoding
df_final        = df_codificado             # listo para partición

Un pipeline con nombres de etapas explícitos es autoexplicativo y reduce el tiempo de revisión un 40-60 %.

Prevención de riesgos — Ergonomía física y postural

Factores ambientales del puesto de trabajo con datos

Los entornos de trabajo con datos intensivo (salas de servidores próximas, múltiples monitores, hardware de procesamiento) presentan factores ambientales específicos.

Factores a evaluar en la evaluación de riesgos del puesto:

La normativa de referencia en España es el RD 486/1997 sobre lugares de trabajo y la Guía Técnica del INSST sobre pantallas de visualización de datos.

Actuación ante emergencias — Plan de emergencias

Conocimiento obligatorio del plan de emergencias del centro:

• Localización de las salidas de emergencia desde el puesto de trabajo
• Punto de reunión exterior asignado al área de trabajo
• Localización de los extintores más próximos al puesto
• Tipo de extintor adecuado para equipos eléctricos: CO₂ o polvo seco ABC (nunca agua ni espuma)
• Protocolo de parada segura de procesos en ejecución antes de evacuar

Protocolo de parada segura de un pipeline en emergencia:

import signal, sys

def guardar_checkpoint_y_salir(sig, frame):
    """Captura señales de interrupción para guardar estado antes de salir."""
    if "df_actual" in globals():
        df_actual.to_parquet("checkpoint_emergencia.parquet")
        print("Checkpoint guardado: checkpoint_emergencia.parquet")
    sys.exit(0)

signal.signal(signal.SIGINT, guardar_checkpoint_y_salir)   # Ctrl+C
signal.signal(signal.SIGTERM, guardar_checkpoint_y_salir)  # señal del SO

Actuación ante emergencias — Tipos y procedimiento

Tipos de emergencia más frecuentes en entornos con equipos de cómputo:

En caso de duda entre salvar el trabajo y evacuarse: primero la persona, después el sistema.

Actividad práctica — UD6

Contexto: Tu equipo está procesando un dataset de solicitudes de crédito (500 000 registros, 48 columnas, fuentes mixtas). El plazo de entrega del dataset limpio es en 5 días hábiles.

Tareas:

1. Audita la distribución de tres atributos sensibles del dataset (género, edad, código postal). Identifica si existe infrarepresentación y documenta la decisión de corrección en un ADR
2. Aplica las dos técnicas de reducción de consumo vistas (tipos de dato reducidos y caché de pipeline). Mide y compara el uso de memoria antes y después
3. Identifica dos riesgos psicosociales presentes en este escenario y propón una medida preventiva para cada uno
4. Diseña una sesión de trabajo de 4 horas que incorpore pausas ergonómicas, checkpoints de revisión de calidad y documentación de decisiones
5. Localiza en el plano del centro el extintor más próximo a tu puesto e identifica su tipo de agente extintor. Indica si es adecuado para equipos eléctricos

Puntos clave — UD6

• La responsabilidad ética en el procesamiento de datos comienza en la auditoría de representación: un dataset con infrarepresentación produce modelos que discriminan sistemáticamente
• El principio DNSH obliga a evaluar el impacto ambiental de las decisiones técnicas: almacenamiento innecesario, re-ejecución de etapas y tipos de dato no optimizados tienen coste energético medible
• Los ODS 9, 10, 12 y 13 son directamente aplicables al trabajo con datos: eficiencia, igualdad, consumo responsable y acción climática
• La caché de etapas inmutables del pipeline no es un atajo: es una práctica sostenible que elimina recomputos innecesarios
• La ergonomía cognitiva mejora la calidad de las decisiones técnicas además del bienestar: documentar en el momento y usar nombres explícitos reduce errores
• El extintor adecuado para equipos eléctricos es siempre CO₂ o polvo seco ABC: nunca agua ni espuma

Criterios de evaluación — UD6

Navegación

← UD5 · Gestión, versionado y cumplim…  ·  Volver al módulo