Hoy día, en la era de Big Data, la limpieza de datos especificamente, la de datos tipo texto no estructurado, es crucial para procesos como el análisis de datos, la ciencia de datos y la toma de decisiones. En este contexto, la limpieza de los datos supera el enfoque tradicional de los procesos de extracción, transformación y carga, producto del gran volumen de datos a procesar que puede medirse en exabytes(1018) y zettabytes(1021), y los formatos tan diversos y heterogéneos de los que se extraen. Los datos textos no estructurados son empleados en muchas aplicaciones de manejo de grandes volúmenes de datos donde la información en formatos libre es crítica, como por ejemplo, en la salud y las ciencias biomédicas, en los análisis de las redes sociales, experiencia del cliente y de investigaciones académicas, entre otras. Varios investigaciones han sido realizadas en los últimos años enfocadas a la limpieza de datos en Big Data, pues aunque las fases son las mismas: análisis, definición del flujo de transformaciones, verificación, transformación y sustitución del dato sucio por el limpio, para este nuevo entorno la generalidad de los métodos tradicionales no son factibles de aplicar. En este trabajo, se documenta un estudio que incluye la caracterización del dato no estructurado tipo texto en entornos de Big Data, los procedimientos establecidos en la literatura científica sobre la limpieza en este contexto y una descripción de las herramientas existentes para llevarla a cabo.