Lo que Meta aprendió sobre datos — y por qué la clasificación importa

TLDR Data publicó una mirada a lo que el equipo de ingeniería de Meta aprendió sobre clasificación de datos — cómo organizan, etiquetan y verifican sus datos para que realmente sirvan para ML y analytics. El post se basa en lecciones de la práctica de data engineering dentro de la empresa.

La clasificación de datos es una de esas partes poco sexys del stack que rompe todo cuando se hace mal. La experiencia de Meta muestra el costo real de las taxonomías de datos desordenadas: modelos entrenados con datos mal etiquetados, reportes que no coinciden, y equipos que pasan horas armando la misma información desde distintas fuentes. La lección no es nueva — es que las taxonomías no se organizan solas, y la gente que trabaja con los datos debería ayudar a armarlos, no solo consumirlos.

Por qué nos importa: los mismos problemas de clasificación de datos aparecen cuando las empresas arman productos para nuestras comunidades — malas etiquetas, malos datos de entrenamiento, malos modelos — y al final son los de Brown y la gente negra los que terminan pagando el precio.