Preparar el código de análisis de datos de un artículo científico

A quién le sirve. Investigadores y analistas que quieren apoyo para limpiar datos y hacer un análisis reproducible, también en un informe interno de empresa.

Qué hicieron

Kevin Yang ejecutó Claude Code en la terminal junto a Cursor y Jupyter. Le hizo escribir un plan en Markdown, después un plan más detallado para cada componente (limpieza, dos preguntas de investigación, resultados) y luego un script por paso. Le dio parquet-tools mediante el archivo CLAUDE.md para que pudiera inspeccionar los datos y comprobar su propio resultado. Revisó cada script y usó Git para deshacer cambios.

Cómo salió

Calcula que Claude Code escribió más del 98 % del código del artículo a lo largo de unas semanas. Aun así cometía errores, así que revisó cada paso. Las figuras para publicar las hizo él mismo, porque describir los retoques le costaba más.

Conviene saber

Usó el plan Pro, a unos 17 $ al mes con pago anual, con Sonnet 4. Cuando llegó a los límites de uso cambió a su propia clave de API.

Qué necesitas

• Claude Code con un plan de pago de Claude o con una clave de API, que es la contraseña que deja a un programa usar el modelo y se paga por uso
• Tus datos originales en una carpeta, y una carpeta aparte para los resultados
• Git, el sistema que guarda versiones de tus archivos para poder deshacer cambios
• Un archivo CLAUDE.md con instrucciones para el agente, como qué herramientas puede usar para inspeccionar los datos
• Tiempo para revisar cada paso

Cómo hacerlo tú, paso a paso

1. Prepara una carpeta con los datos originales, otra para los resultados y el archivo CLAUDE.md con las herramientas que el agente puede usar para ver los datos.
2. Pide a Claude Code un plan en Markdown, un texto sencillo con formato básico, de todo el proyecto y revísalo.
3. Pide un plan más detallado para cada componente: limpieza, cada pregunta de investigación y resultados.
4. Pide un script por paso, que es un programa corto, con comentarios, y un README que explique cada uno.
5. Revisa cada script antes de pasar al siguiente y haz un guardado en git de cada paso que valide.
6. Ejecuta los scripts en orden y comprueba que los resultados se reproducen.
7. Haz tú las figuras para publicar si te cuesta más explicar los retoques que hacerlos.

Ayúdame a construir los procesos de datos y el análisis de mi proyecto de investigación sobre [tema]. Los datos originales están en [carpeta o archivo] y quiero [limpieza, unión de datos y pruebas estadísticas o modelos]. Escribe scripts limpios y documentados, ejecútalos y guarda los resultados y las figuras en [carpeta de salida] con un README que explique cada paso para que yo pueda comprobar los resultados. Habrás terminado cuando todos los resultados se reproduzcan ejecutando los scripts en orden. Pregúntame antes de borrar o sobrescribir cualquier archivo existente.

Consejos

• Claude Code comete errores, así que revisa cada paso en lugar de aceptar todo el análisis de golpe.
• Pide que el agente compruebe su propio resultado inspeccionando los datos. Le da una segunda oportunidad de pillar fallos.
• No le des datos personales o confidenciales sin mirar antes las normas de tu centro o de tu empresa.

Preguntas frecuentes

Fuentes

• yang3kc en Substack ↗

En el directorio desde el 3 de octubre de 2026.