¿Qué es la deriva de datos en un catálogo de productos?

Deriva de datos tiene dos sentidos. En aprendizaje automático es el cambio en los datos que recibe un modelo cuando ya está en producción, y tiene su apartado más abajo. En un catálogo de productos, el sentido que importa a una tienda, es un dato que se publicó bien y deja de estar bien en la página pública sin que nadie lo haya decidido en la herramienta que lo publicó: el precio del marcado ya no es el de la ficha, la descripción vuelve a ser la del proveedor, las preguntas frecuentes desaparecen después de actualizar el tema. A una tienda le importa porque la verificación de publicación dice si el dato llegó el día en que se publicó, y la deriva es lo que le pasa a ese dato a partir del día siguiente.

Cómo funciona

Un dato de producto puede tener varios dueños. El precio puede llegar de un ERP, la descripción de un PIM, el título del panel de la tienda y el bloque JSON-LD de una plantilla del tema o de una aplicación. Cada uno puede escribir en el mismo campo, o en una copia del mismo hecho en otro sitio de la página, y la deriva aparece cuando uno de ellos cambia y los demás no se enteran. Estas son cuatro de las formas en que pasa.

Otro sistema reescribe el campo. Un PIM o un ERP que sincroniza cada noche vuelve a escribir el valor que tenía guardado encima del que se publicó después. Es la sobrescritura de campos, y lo traicionero es que el sistema que la causa está haciendo justo lo que se le pidió.

Una actualización del tema. En Shopify, al actualizar un tema, lo que se personalizó desde el editor de temas se copia a la versión nueva. Las ediciones de código, hechas por ti o por una aplicación instalada, solo se incluyen si no chocan con la actualización; si chocan, Shopify avisa de que no se han podido incluir y hay que volver a aplicarlas a mano.⁠^{[1]Shopify Help Center. Updating themes} Un bloque de datos estructurados escrito a mano en una plantilla es exactamente ese tipo de edición.

Una aplicación que se desactiva. Si una aplicación inserta un dato en la página, desactivarla o desinstalarla lo retira de la página aunque el dato siga guardado en ella.

Dos copias del mismo hecho. Alguien rebaja el precio visible en el panel, pero el marcado lo genera otra herramienta que todavía tiene el valor anterior. Ninguna de las dos está mal por separado; la página, sí.

La deriva cuesta porque los buscadores comparan. Google pide que los datos estructurados sean una representación fiel del contenido de la página, que no marquen contenido que el lector no ve y que la información esté al día, y avisa de que no muestra un resultado enriquecido para contenido temporal que ya no es relevante.⁠^{[2]Google Search Central. General structured data guidelines} Google Merchant Center, por su parte, puede actualizar tus productos en los anuncios de Shopping y en las fichas gratuitas con el marcado de datos estructurados y otros datos de producto que sus rastreadores encuentran en tu web. Su ejemplo: si tu último envío dice que un producto cuesta 4 dólares y la página dice 3, lo actualiza a 3.⁠^{[3]Ayuda de Google Merchant Center. Allow Merchant Center to update product information automatically}

En aprendizaje automático, otra cosa

En un equipo de datos, data drift nombra un problema de modelos, no de páginas. La documentación de Google Cloud lo explica así: después de desplegar un modelo, los datos que recibe pueden apartarse de los que se usaron para entrenarlo, o su distribución puede desplazarse mucho con el tiempo, y a esa desviación se le llama deriva. Distingue dos casos: el sesgo entre entrenamiento y servicio (training-serving skew), cuando la distribución de los datos en producción se aparta de la de entrenamiento, y la deriva de inferencia, cuando esa distribución cambia mucho con el tiempo, que se puede vigilar sin tener los datos de entrenamiento.⁠^{[4]Google Cloud, documentación de Gemini Enterprise Agent Platform. Introduction to Model Monitoring}

La diferencia está en qué se compara. El sentido estadístico compara distribuciones de muchos valores; el de catálogo compara un valor concreto de una ficha concreta con el que se publicó. Un precio equivocado en una sola ficha no mueve ninguna distribución, y en una tienda es justo el caso que importa. Si en una reunión alguien habla de «deriva» y otra persona piensa en el modelo, conviene decir cuál de las dos.

En una tienda

Una tienda verificó cuatro campos de una ficha el 1 de septiembre y los vuelve a leer en la página pública el 1 de octubre. Es un ejemplo ficticio: los valores y las causas están inventados para mostrar cómo se registra la deriva.

Tres lecturas. La primera: sin un valor de referencia con fecha no hay deriva, solo un valor. La segunda: ninguna causa está en la página, todas están en un sistema que escribe en ella, y por eso mirar solo la página dice qué ha cambiado pero no por qué. La tercera: la deriva no avisa. El precio del marcado pudo estar mal desde la segunda noche o desde la última, y la tabla no lo distingue; solo una lectura más frecuente acota cuándo pasó.

Cómo comprobarlo

1. Guarda un valor de referencia con fecha. Para cada campo que te importa, lo que publicaste y el día en que lo viste en la página pública. Es la primera columna de cualquier comparación.
2. Vuelve a leer la página después de cada cambio en la tienda, no solo con el calendario: un tema nuevo, una aplicación nueva o una importación del PIM son los momentos en que la deriva empieza.
3. Haz que los cambios avisen. En Shopify, una aplicación puede suscribirse a temas de webhook como products/update, y Shopify envía cada aviso a la dirección configurada con el tema en la cabecera X-Shopify-Topic.⁠^{[5]Shopify, documentación para desarrolladores (versión 2026-10). Webhooks} Un aviso no dice si la página cambió, pero dice cuándo volver a mirarla.
4. Antes de actualizar el tema, guarda una copia del código personalizado, como pide Shopify, y revisa después si alguna edición no se incluyó.⁠^{[1]Shopify Help Center. Updating themes}
5. Revisa tus productos en Merchant Center si vendes en Google Shopping: cuando detecta que la página no coincide con tus datos, un producto puede acabar rechazado.⁠^{[3]Ayuda de Google Merchant Center. Allow Merchant Center to update product information automatically} Hay herramientas que vigilan la sobrescritura por ti; Clione, por ejemplo, marca en la siguiente sincronización la ficha cuyo campo ha sobrescrito la plataforma o un PIM, con la fecha y los campos exactos, y quita la marca cuando los valores vuelven.

Concepto cercano: sobrescritura de campos

La sobrescritura de campos es una causa de deriva, no la deriva entera. Nombra un mecanismo concreto: un sistema escribe un valor encima de otro en el mismo campo. La deriva nombra el resultado, que la página ya no dice lo que se publicó, y puede llegar sin que nadie toque el campo, por un tema que no conserva una edición de código o por una aplicación que deja de insertar su bloque. Detectar sobrescrituras cubre la causa que deja rastro en un campo; leer la página cubre todas.

Para seguir, la ruta de lectura de medición y verificación ordena el resto de términos, y la guía que sigue un dato de Shopify hasta la página publicada enseña dónde puede quedarse por el camino.