---
title: "¿Qué son los datos alternativos? Fuentes, usos y riesgos"
description: "Los datos alternativos vienen de fuera de los informes de empresa: precios web, ofertas de empleo, paneles de tarjetas e imágenes de satélite. Usos y riesgos."
url: https://proxynet.io/es/blog/what-is-alternative-data
date: 2026-09-28
author: "Acar Diveroli"
category: "Casos de uso, Proxy 101"
lang: es
---

# ¿Qué son los datos alternativos? Fuentes, usos y riesgos

Un minorista publicará sus ventas trimestrales dentro de seis semanas. Antes de esa fecha, un analista ya puede contar cuántos productos se agotaron en su web, cuántos gerentes de tienda está contratando y si las reseñas de su nueva línea están empeorando. Ninguna de esas cifras sale de los informes de la propia empresa, pero juntas dicen algo sobre el trimestre. A ese tipo de información el mundo financiero lo llama datos alternativos.

Este artículo explica qué son los datos alternativos y de dónde vienen: datos web, paneles de transacciones con tarjeta, imágenes satelitales, uso de aplicaciones y sentimiento. Después sigue un conjunto de datos desde la recopilación hasta la decisión, trata el cumplimiento normativo y la calidad, muestra dónde encaja el web scraping y compara construir con comprar. Nada de lo que sigue es asesoramiento de inversión; el tema son los datos, no qué operaciones hacer.

> **Nota: Respuesta breve**
>
> Los datos alternativos son información que se usa para analizar empresas, mercados o la economía y que no procede de fuentes tradicionales como los estados financieros, los informes regulatorios y los comunicados de prensa. Los tipos más comunes son los datos web (precios, fichas de producto, ofertas de empleo, reseñas), los paneles agregados de transacciones con tarjeta, los datos satelitales y de geolocalización, las estimaciones de uso de aplicaciones y el sentimiento en redes sociales. Se obtienen haciendo scraping de sitios web públicos o mediante licencia de un proveedor. Los riesgos principales son la calidad y el cumplimiento normativo: en Estados Unidos, la SEC ha pedido a los asesores de inversión que comprueben cómo recopilan la información sus proveedores de datos, para no recibir información privilegiada (material nonpublic information).

## ¿Qué son los datos alternativos?

Los datos alternativos son cualquier conjunto de datos que ayuda a explicar una empresa, un sector o la economía pero queda fuera del conjunto tradicional de fuentes. Ese conjunto tradicional lo forman los estados financieros auditados, los informes regulatorios, las conferencias de resultados, los comunicados de prensa, las estadísticas oficiales y los precios de mercado; todo lo demás que aporte una señal útil es «alternativo».

La Comisión de Bolsa y Valores de Estados Unidos (SEC) da una definición práctica en una [alerta de riesgos de 2022 sobre el cumplimiento en materia de MNPI](https://www.sec.gov/files/code-ethics-risk-alert.pdf), publicada por su división de inspecciones. Entre sus ejemplos están las imágenes de satélite y de dron de cultivos y aparcamientos, las transacciones agregadas con tarjeta de crédito, los datos de redes sociales y de búsqueda, la geolocalización de teléfonos y los datos de correo electrónico procedentes de aplicaciones de consumo. La misma nota añade que los datos alternativos «no contienen necesariamente MNPI», un punto al que este artículo vuelve más adelante.

El término viene del mundo de la inversión, donde los fondos de cobertura fueron los primeros grandes compradores; hoy usan los mismos conjuntos de datos prestamistas, minoristas, consultoras y economistas.

## ¿Cuáles son los principales tipos de datos alternativos?

Las categorías se solapan, pero la mayoría de los conjuntos de datos encaja en uno de estos grupos:

- **Datos web.** Precios y stock en tiendas online, catálogos de productos, ofertas de empleo, páginas de plantilla de las empresas, localizadores de tiendas, rankings de tiendas de aplicaciones, anuncios inmobiliarios y reseñas. Son públicos, recientes y más baratos de recopilar que los demás tipos.
- **Datos de transacciones.** Compras agregadas y anonimizadas procedentes de emisores de tarjetas, procesadores de pagos o aplicaciones de recibos. Muestran el gasto por comercio o marca, normalmente a través de un panel de consumidores y no del mercado completo.
- **Datos geoespaciales.** Imágenes satelitales y aéreas (aparcamientos, tanques de petróleo, cultivos, tráfico marítimo) y conteos de afluencia (foot traffic) derivados de señales de ubicación de teléfonos.
- **Uso de aplicaciones y sitios web.** Estimaciones de descargas y usuarios activos de apps móviles, estimaciones de tráfico web y tendencias de volumen de búsqueda.
- **Datos de sentimiento y texto.** Publicaciones en redes sociales, noticias, reseñas de productos, hilos de foros y transcripciones de conferencias de resultados convertidos en puntuaciones o temas. El CFA Institute señala en su artículo sobre el [uso de NLP en datos alternativos](https://www.cfainstitute.org/insights/articles/using-nlp-to-unlock-treasure-trove-of-alternative-data) que gran parte de este material es texto no estructurado y necesita procesarse antes de poder usarse.

## ¿Cómo se convierten los datos alternativos en una señal útil?

El camino de la fuente a la decisión suele tener seis pasos:

1. **Define la pregunta.** «¿Crecen las ventas del minorista X más rápido que el año pasado?» es una pregunta; «recopilar todo sobre el minorista X» no lo es.
1. **Encuentra y verifica la fuente.** Comprueba quién es el dueño de los datos, cómo se recopilaron, bajo qué condiciones y si puedes usarlos para este fin. En los datos de scraping eso significa revisar los términos del sitio y su robots.txt; con un proveedor significa un cuestionario de due diligence.
1. **Recopila.** Haz scraping de páginas públicas, llama a una API oficial, recibe archivos de un proveedor o integra el feed de un socio. La recopilación se programa de forma periódica, porque una sola captura no dice nada sobre el cambio.
1. **Limpia y combina.** Elimina duplicados, corrige tipos y monedas, y asigna nombres de productos y direcciones de tiendas a la empresa y el ticker correctos.
1. **Construye el indicador y pruébalo.** Convierte las filas en una serie, por ejemplo un conteo semanal de artículos rebajados, y compárala con las cifras publicadas en el pasado. Una serie que nunca siguió a los números publicados es ruido.
1. **Supervisa.** Las fuentes cambian: un sitio rediseña sus páginas, el panel de un proveedor pierde miembros, una app cambia su ficha en la tienda.

Los pasos 3 y 4 son, en la práctica, un proceso ETL: extraer, transformar, cargar. [¿Qué es ETL?](/es/blog/what-is-etl) recorre un pipeline de este tipo con datos obtenidos por scraping.

## Tipos de datos alternativos comparados

| Tipo | Qué mide | Recopilación habitual | Actualidad | Riesgo principal |
|---|---|---|---|---|
| Precios y stock web | Precios, descuentos, disponibilidad | Scraping de páginas de producto públicas | De horas a días | Los cambios de página rompen el scraper |
| Ofertas de empleo | Planes de contratación por puesto y ubicación | Scraping de páginas de empleo y portales de trabajo | Días | Anuncios duplicados y caducados |
| Reseñas y publicaciones sociales | Sentimiento, problemas de producto | Scraping, API oficiales | Horas | Bots, sarcasmo, muestras pequeñas |
| Paneles de transacciones con tarjeta | Gasto de consumo por comercio | Licencia de proveedores | De días a semanas | Sesgo del panel, datos personales |
| Imágenes satelitales | Actividad física (coches, tanques, cultivos) | Imágenes con licencia más análisis de imagen | Días | Nubes, costo, interpretación |
| Afluencia (foot traffic) | Visitas a tiendas y locales | Paneles de ubicación de teléfonos vía proveedores | Días | Consentimiento y privacidad |
| Estimaciones de uso de apps | Descargas, usuarios activos | Modelos de proveedores, datos de tiendas de apps | Días | Modelos opacos, calidad de la fuente |

Los datos web son el tipo que un equipo puede recopilar por su cuenta; los datos de tarjetas, ubicación y apps casi siempre vienen de un proveedor, y eso condiciona tanto el costo como el cumplimiento.

## ¿Es legal usar datos alternativos?

En general, usar datos alternativos es legal; lo que importa es cómo se obtuvo un conjunto de datos y si contiene información con la que no se debería operar.

**Información privilegiada (MNPI).** MNPI son las siglas en inglés de material nonpublic information: información relevante que aún no es pública y que podría influir en el precio de un valor. En Estados Unidos, los asesores de inversión deben mantener políticas escritas para evitar el mal uso de esta información (sección 204A de la Investment Advisers Act). En la alerta de riesgos de 2022 citada arriba, los inspectores de la SEC informaron de que algunos asesores usaban datos alternativos sin políticas que abordaran el riesgo de recibir MNPI a través de ellos. El personal de la SEC señaló una due diligence improvisada de los proveedores de datos, la falta de evaluación de los términos y las obligaciones legales de la recopilación (incluso después de aparecer señales de alarma), una due diligence que no se aplicaba a todas las fuentes y la ausencia de un proceso para repetirla cuando cambiaban las prácticas de recopilación.

**Tergiversar el origen de los datos.** En septiembre de 2021, la SEC [acusó a App Annie y a su cofundador](https://www.sec.gov/newsroom/press-releases/2021-176) de fraude de valores. Según la SEC, la empresa dijo a los desarrolladores de apps que sus datos se agregarían y anonimizarían antes de usarse en su modelo estadístico, pero utilizó datos no agregados para ajustar las estimaciones que vendía a firmas de trading. La empresa aceptó pagar una multa de diez millones de dólares, y la SEC la calificó como su primera acción de ejecución contra un proveedor de datos alternativos.

**Scraping y datos personales.** En los datos web, las preguntas son las de cualquier proyecto de scraping: ¿las páginas son públicas?, ¿los términos del sitio permiten el acceso automatizado?, ¿el robots.txt pide que no entres?, ¿los datos incluyen información personal protegida por leyes como el RGPD o la KVKK? [¿El web scraping es legal?](/es/blog/is-data-web-scraping-legal) da el panorama general, y [Cómo tratar datos personales (PII) en datos de scraping](/es/blog/personal-data-in-scraped-datasets) explica cómo reducir y proteger los campos personales.

> **Aviso: No es asesoramiento legal ni de inversión**
>
> Esta sección resume la orientación pública de la SEC a septiembre de 2026. Las normas varían según el país y el tipo de empresa. Si gestionas dinero o vendes datos a quienes lo hacen, pide a un responsable de cumplimiento o a un abogado que revise tus fuentes y políticas.

## ¿Por qué es difícil juzgar la calidad de los datos alternativos?

Los informes financieros vienen con auditorías y normas; los datos alternativos no, así que el comprador tiene que comprobarlos:

- **Cobertura.** Un panel de tarjetas cubre a quienes usan las tarjetas de un emisor o una app de recibos concreta, no a toda la población. Un scraper cubre las páginas a las que llega, no el catálogo completo.
- **Historial.** Una señal necesita años de historial para poder contrastarse con los resultados publicados.
- **Supervivencia y cambios.** Las tiendas cierran, los sitios cambian sus códigos de producto y los proveedores revisan datos antiguos.
- **Asignación.** Marcas, filiales y nombres de tienda tienen que vincularse a la empresa correcta.
- **Desgaste.** Cuando muchas firmas compran el mismo conjunto de datos, la ventaja que da se reduce. El artículo del CFA Institute citado arriba señala lo mismo.

## ¿Dónde encaja el web scraping?

El web scraping, la recopilación automatizada de páginas web públicas, es la forma en que la mayoría de los equipos construye sus propios datos alternativos. Sirve para respuestas que están publicadas en internet pero repartidas en miles de páginas:

- **Precios y promociones.** Los precios diarios de varios minoristas muestran la profundidad de los descuentos y la inflación de una categoría, la misma técnica que se trata en [Cómo hacer seguimiento de precios de la competencia](/es/blog/competitor-price-tracking).
- **Contratación.** Ofertas de empleo por puesto y ciudad; [Cómo buscar empleo en LinkedIn en otro país](/es/blog/linkedin-jobs-by-country) muestra cómo cambian los anuncios según la ubicación.
- **Reseñas.** Número de reseñas y valoraciones a lo largo del tiempo, puntuadas con métodos como los de [Análisis de sentimiento en Python: VADER vs Hugging Face](/es/blog/sentiment-analysis-python).
- **Cambios en páginas.** Actualizaciones de localizadores de tiendas, páginas de términos o de precios, seguidas como en [Cómo detectar cambios en una página web y recibir alertas](/es/blog/website-change-monitoring).

Aquí importan dos cosas. Primero, muchos sitios muestran precios, stock y anuncios distintos según el país, así que un scraper debe pedir las páginas desde la ubicación correcta o la serie mezclará regiones. Las direcciones de [Proxies residenciales](https://proxynet.io/es/residential-proxy) te permiten elegir el país y la ciudad de destino en cada solicitud. Segundo, un scraper que funciona a diario durante años debe ser respetuoso: respeta el robots.txt, mantén bajas las tasas de solicitud, usa una API oficial cuando exista y reparte las solicitudes en el tiempo con la configuración de [Proxies rotativos](https://proxynet.io/es/rotating-proxy) en lugar de golpear un sitio a ráfagas. Los proxies no cambian qué datos puedes recopilar; solo deciden desde qué dirección de red sale la solicitud.

## ¿Conviene construir o comprar datos alternativos?

| Factor | Construir (recopilar tú mismo) | Comprar (licencia de un proveedor) |
|---|---|---|
| Control del método | Total; conoces cada paso | Limitado a lo que el proveedor revela |
| Tiempo hasta los primeros datos | Semanas para un scraper que funcione | Días tras el contrato |
| Historial | Empieza el día en que arrancas | A menudo años de datos retroactivos |
| Trabajo continuo | Mantenimiento cuando cambian los sitios | Due diligence del proveedor, renovaciones |
| Trabajo de cumplimiento | Tu propia revisión de fuentes y términos | Revisión de las fuentes y términos del proveedor |
| Tipos de datos adecuados | Datos web públicos | Datos de tarjetas, ubicación, apps y satélite |

La mayoría de los equipos acaba con ambos: datos de proveedores para los tipos que no puede recopilar y scrapers propios para los datos web que necesita con un formato o un país concretos.

## ¿Dónde se usan los datos alternativos?

- **Análisis de inversiones.** Los analistas usan datos web, de tarjetas y de apps para estimar las ventas antes de que se publiquen los resultados; la [página de proxies para finanzas](/es/finance) trata la recopilación de datos para empresas financieras.
- **Investigación de mercado.** Consultoras y marcas dimensionan categorías y siguen las gamas de la competencia; consulta los [proxies para investigación de mercado](/es/market-research).
- **Precios en retail.** Los minoristas comparan sus precios con los de la competencia cada día, como se describe en la página de [seguimiento de precios](/es/price-monitoring).
- **Investigación económica.** Los precios online y las ofertas de empleo dan lecturas de la inflación y la demanda laboral antes que las estadísticas mensuales.
- **Productos de datos.** Las empresas que construyen conjuntos de datos para otros dependen de la recopilación a gran escala, el caso de uso detrás de los [proxies para scraping de datos](/es/data-scraping).

## Errores comunes con los datos alternativos

- **Partir del conjunto de datos y no de la pregunta.** Un gran conjunto de datos sin hipótesis produce gráficos, no respuestas.
- **Saltarse la verificación de la fuente.** No saber cómo recopiló sus datos un proveedor es justo el hueco que describe la alerta de la SEC.
- **Mezclar ubicaciones.** Hacer scraping de un sitio global desde un solo país y suponer que los precios valen en todas partes.
- **Confiar en un backtest corto.** Una señal probada con un solo año puede haber encajado por casualidad.
- **Guardar datos personales que no necesitas.** Nombres, correos e identificadores de usuario rara vez aportan señal y siempre añaden riesgo; descártalos al recopilar.
- **Dejar que los scrapers fallen en silencio.** Un cambio de diseño que devuelve páginas vacías parece «las ventas cayeron a cero» si no vigilas el número de filas.
- **Tratar la señal como permanente.** Las fuentes cambian y las ventajas se desvanecen; revisa cada conjunto de datos de forma periódica.

## Guía de decisión

| Necesidad | Recomendación |
|---|---|
| Precios o stock diarios de tiendas públicas | Construye un scraper; solicita desde el país de destino |
| Gasto de consumo por marca | Licencia un panel de transacciones y revisa su origen |
| Actividad física en ubicaciones | Licencia datos satelitales o de afluencia |
| Tendencias de contratación por empresa | Haz scraping de páginas de empleo y portales dentro de sus términos |
| Sentimiento de marca a lo largo del tiempo | Recopila reseñas o publicaciones vía API y puntúalas con NLP |
| Varios años de historial desde ya | Compra; un scraper no puede recuperar el pasado |
| Una señal que nadie más tiene | Construye y documenta el método para cumplimiento |

## Preguntas frecuentes

### ¿Qué diferencia hay entre datos alternativos y datos tradicionales?

Los datos tradicionales son lo que empresas y gobiernos publican de manera formal: estados financieros, informes regulatorios, conferencias de resultados y estadísticas oficiales. Los datos alternativos son todo lo demás que explica el mismo negocio, como los precios web o los paneles de tarjetas. La línea la marca la fuente, no el formato.

### ¿El web scraping es una fuente de datos alternativos?

Sí. Los datos web obtenidos por scraping (precios, fichas de producto, ofertas de empleo, reseñas) son uno de los tipos más comunes y el que los equipos recopilan por su cuenta con más frecuencia. Deben limitarse a páginas públicas, seguir los términos del sitio y el robots.txt, y mantener bajas las tasas de solicitud.

### ¿Quién usa datos alternativos?

Los fondos de cobertura y las gestoras de activos fueron los primeros. Hoy también los usan firmas de capital privado, prestamistas, minoristas, consultoras y economistas.

### ¿Pueden los datos alternativos contener información privilegiada?

Sí. La SEC señala que los datos alternativos no contienen necesariamente información privilegiada, pero un conjunto de datos recopilado incumpliendo un acuerdo de confidencialidad o los términos de un sitio podría contener información con la que no se debería operar. Por eso los reguladores esperan que las firmas comprueben cómo se recopiló cada fuente antes de usarla.

### ¿Datos alternativos es lo mismo que big data?

No. Big data describe el volumen y los métodos de procesamiento; datos alternativos describe de dónde viene la información. Algunos conjuntos de datos alternativos son enormes, como años de precios diarios, y otros son pequeños, como un conteo semanal de aperturas de tiendas.

### ¿Cómo empiezo con los datos alternativos?

Elige una pregunta concreta, busca una fuente que pueda responderla y reúne historial suficiente para contrastar la respuesta con resultados conocidos. Para datos web, basta con empezar con un scraper pequeño, un almacenamiento limpio y supervisión; añade proveedores solo cuando necesites datos que no puedes recopilar.

## En resumen

Los datos alternativos son información que queda fuera del conjunto tradicional de informes, estados financieros y estadísticas oficiales: precios web, ofertas de empleo, reseñas, paneles de tarjetas, imágenes satelitales y uso de aplicaciones. Son útiles cuando responden a una pregunta concreta antes que las fuentes tradicionales, después de limpiarlos y contrastarlos con el historial. Lo que separa un conjunto de datos útil de uno arriesgado es la verificación de la fuente: quién recopiló los datos, cómo y bajo qué condiciones. En los datos web que recopilas tú mismo, lo que más importa son las páginas públicas, las tasas de solicitud moderadas y las solicitudes desde el país correcto; la [red de proxies](/es/proxy) de Proxynet ofrece las direcciones residenciales y rotativas para esa recopilación.