Práctica de Certificación: Datos, Calidad y Privacidad

Question 1

¿Por qué es crucial la 'Calidad de los Datos' (Data Quality) para el éxito de una implementación de IA Generativa en Salesforce?

Accepted Answer

Porque los modelos de IA entrenados o fundamentados en datos de mala calidad producirán resultados inexactos o sesgados ('Garbage In, Garbage Out')

Answer

Porque Salesforce impide activar Einstein si detecta un solo registro duplicado

Answer

Porque los datos de mala calidad aumentan la latencia de la red

Answer

Porque la IA consume más créditos de licencia si los datos están sucios

Question 2

¿Cuáles de las siguientes son dimensiones estándar para medir la Calidad de los Datos? (Selecciona 3)

Accepted Answer

Answer

Complejidad (Complexity)

Answer

Completitud (Completeness)

Answer

Elasticidad (Elasticity)

Answer

Exactitud (Accuracy)

Answer

Consistencia (Consistency)

Question 3

Un administrador observa que el campo 'País' en los registros de clientes tiene valores inconsistentes como 'EE.UU.', 'USA', 'United States' y 'U.S.'. ¿Qué dimensión de la calidad de datos está fallando?

Accepted Answer

Consistencia (Consistency)

Answer

Oportunidad (Timeliness)

Answer

Completitud (Completeness)

Answer

Seguridad (Security)

Question 4

¿Qué es un 'Duplicado' en el contexto de datos de CRM y cómo afecta a la IA? (Selecciona 2)

Accepted Answer

Answer

Es beneficioso porque da a la IA más datos con los que entrenar

Answer

Ocurre cuando existen múltiples registros que representan a la misma entidad (persona o empresa) real

Answer

Solo afecta a los informes de marketing, no a la IA

Answer

Puede causar que la IA proporcione información fragmentada o contradictoria sobre un cliente

Question 5

¿Qué característica de Salesforce Data Cloud ayuda a resolver el problema de tener datos de clientes dispersos en múltiples sistemas con diferentes IDs?

Accepted Answer

Identity Resolution (Resolución de Identidad)

Answer

Data Deletion

Answer

Apex Triggers

Answer

Flow Orchestration

Question 6

¿Qué significa 'Data Harmonization' (Armonización de Datos) en el contexto de preparar datos para la IA?

Accepted Answer

Mapear datos de diferentes fuentes a un modelo de datos común estándar (como CIM/Data Cloud Model)

Answer

Borrar todos los datos antiguos de más de 5 años

Answer

Encriptar todos los datos para que nadie pueda leerlos

Answer

Traducir todos los campos de texto al inglés

Question 7

¿Cuál es la consecuencia del principio 'Garbage In, Garbage Out' en el entrenamiento de modelos de IA?

Accepted Answer

Si los datos de entrada son inexactos o están sesgados, las predicciones o generaciones de la IA serán igualmente defectuosas

Answer

El modelo tardará más en entrenarse, pero el resultado final será perfecto

Answer

El modelo rechazará entrenarse y dará un mensaje de error

Answer

El modelo limpiará automáticamente los datos malos durante el proceso de entrenamiento

Question 8

¿Qué se debe hacer con los campos que contienen 'Valores Faltantes' (Missing Values) antes de usarlos para IA? (Selecciona 2)

Accepted Answer

Answer

Dejarlos vacíos, la IA adivinará el valor correcto mágicamente

Answer

Imputar los valores (rellenarlos con la media, mediana o un valor predeterminado lógico)

Answer

Duplicar el registro para compensar el valor faltante

Answer

Eliminar los registros si la falta de datos es crítica para el modelo

Question 9

¿Cuál es la diferencia entre 'Datos de Entrenamiento' (Training Data) y 'Datos de Anclaje' (Grounding Data) en el contexto de Salesforce?

Accepted Answer

Los datos de entrenamiento enseñan al modelo patrones generales una sola vez; los datos de anclaje dan contexto específico en tiempo real para cada consulta

Answer

No hay diferencia, son sinónimos

Answer

Los datos de entrenamiento son propiedad de Salesforce; los datos de anclaje son públicos

Answer

Los datos de anclaje se usan para crear el modelo desde cero

Question 10

¿Qué es la 'Fuga de Datos' (Data Leakage) en el contexto del entrenamiento de modelos predictivos?

Accepted Answer

Cuando el modelo tiene acceso accidental a datos durante el entrenamiento que revelan el resultado que se supone debe predecir (hacer trampa)

Answer

Cuando el modelo olvida lo que aprendió

Answer

Cuando los datos se roban por hackers

Answer

Cuando se pierden datos durante la transferencia

Práctica de Certificación: Datos, Calidad y Privacidad

¿Por qué es crucial la 'Calidad de los Datos' (Data Quality) para el éxito de una implementación de IA Generativa en Salesforce?

Explicación

Importancia de la Calidad de Datos

Documentación oficial