- \n
- Una gu\u00eda completa para la normalizaci\u00f3n y validaci\u00f3n de direcciones<\/a>.<\/li>\n<\/ul>\n
Algunas de las cuestiones clave que se tratan en este post son: <\/span><\/p>\n
- \n
- \u00bfQu\u00e9 es la concordancia de datos en el proceso de normalizaci\u00f3n y validaci\u00f3n de direcciones? <\/span><\/li>\n
- \u00bfCu\u00e1les son las funciones y los componentes que intervienen en el cotejo de datos de direcciones? <\/span><\/li>\n
- Retos clave de la comparaci\u00f3n de datos para los datos de direcciones<\/li>\n
- Estudio de caso de Cabarrus<\/li>\n<\/ul>\n
Vamos a profundizar.<\/p>\n
\u00bfQu\u00e9 es la concordancia de datos en el proceso de normalizaci\u00f3n y validaci\u00f3n de direcciones? <\/span><\/h2>\n
Supongamos que tiene dos conjuntos de datos de clientes A y B, en los que el conjunto A representa a los clientes que pertenecen al grupo de edad de 20 a 35 a\u00f1os, mientras que el conjunto B pertenece a 35 a 50 a\u00f1os. La mayor\u00eda de las personas de estas listas comparten una direcci\u00f3n exacta (miembros de una misma familia) o similar (miembros de un condominio, por ejemplo). Quiere consolidar las dos listas para poder enviar un solo correo del bolet\u00edn en lugar de 3 cartas a 3 miembros de la misma familia. <\/span><\/p>\n
![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/08\/DL_Address-Duplicates.png\")
<\/p>\nElcotejo de datos<\/a> es el proceso que le permite cotejar estos dos conjuntos sobre la base de sus datos de direcci\u00f3n y consolidarlos para obtener una lista final de clientes que comparten la misma direcci\u00f3n. <\/strong><\/p>\n
\u00bfSuena f\u00e1cil? <\/span><\/p>\n
\u00a1S\u00f3lo si lo fuera! <\/span><\/p>\n
Por ejemplo, los datos del conjunto A pueden consistir en direcciones similares o exactas dentro de la misma lista. Esto significa que primero tendr\u00e1 que hacer coincidir los registros dentro del Conjunto A, desduplicar, obtener una lista de registros \u00fanicos y guardarla como un nuevo registro. Deber\u00e1 repetir el mismo proceso con el conjunto B. <\/span><\/p>\n
A continuaci\u00f3n, puede descubrir que varios registros de los nuevos derivados del conjunto A y B son similares. As\u00ed que vuelve a ejecutar una coincidencia de datos entre los dos registros para crear un tercer registro que contenga informaci\u00f3n consolidada del conjunto A y B. Pero, \u00bfqu\u00e9 pasa con los registros originales? Puede que tambi\u00e9n tengas que emparejarlos. <\/span><\/p>\n
El proceso es alucinante y de naturaleza iterativa. Imagina tener que hacer todo esto manualmente. <\/span><\/p>\n
Este proceso de cotejo, aparentemente sencillo, tardar\u00eda d\u00edas en llevarse a cabo. Los usuarios tendr\u00edan que extraer primero los datos de la fuente de datos, que podr\u00eda ser un CRM, un ERP o un almac\u00e9n de datos. A continuaci\u00f3n, los datos se entregan a los usuarios de la empresa en forma de archivos de hoja de c\u00e1lculo y es entonces cuando comienza el verdadero trabajo. Los usuarios empresariales tendr\u00edan que analizar los datos en busca de errores comunes, validar la informaci\u00f3n de cada columna, limpiar los errores tipogr\u00e1ficos y utilizar f\u00f3rmulas de Excel para identificar los campos nulos o duplicados. Este proceso se repite para cada conjunto de datos que deba cotejarse. Una vez que el usuario est\u00e1 satisfecho con la calidad del conjunto de datos, comienza el proceso de cotejo. <\/span><\/p>\n
En las situaciones en las que los usuarios de la empresa no est\u00e1n implicados, el cotejo de datos se realiza mediante amplias consultas SQL. La desventaja de esto es la capacidad limitada de los usuarios de la empresa para analizar y comprender realmente los datos. \u00bfY si quieren obtener datos adicionales en t\u00e9rminos de g\u00e9nero y ocupaci\u00f3n? Tendr\u00e1n que comunicar este proceso a TI y todo el tedioso proceso se revisa o se repite para conseguir una coincidencia. <\/span><\/p>\n
Desaf\u00edos de la concordancia de datos para las direcciones <\/span><\/h2>\n
El cotejo de datos es una funci\u00f3n necesaria cuando se trabaja con datos tabulares, pero no es un proceso f\u00e1cil. <\/span><\/p>\n
Algunos de los principales retos a los que se enfrentan nuestros clientes con el cotejo de datos son: <\/span><\/p>\n
- \n
- Garantizar la exactitud de los datos:<\/strong> <\/span><\/b>La mayor\u00eda de las empresas no disponen de un sistema de limpieza de datos o tienen gestores de datos que utilizan consultas complejas para realizar una limpieza de datos b\u00e1sica. Sin embargo, problemas como el espaciado negativo, las erratas, el uso accidental de los signos de puntuaci\u00f3n <\/span>etc.<\/span> no son f\u00e1ciles de detectar. Adem\u00e1s, se tarda mucho en normalizar y estandarizar los datos de las direcciones<\/a>, sobre todo porque son los m\u00e1s propensos a los errores. <\/span><\/li>\n<\/ul>\n
![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/08\/Address-Variations_Data-Integration.png\")
<\/p>\n- \n
- Recogida de datos de fuentes dispares:<\/strong> <\/span><\/span>Los datos no suelen estar disponibles para su cotejo. Por lo general, hay que recopilarla de varias fuentes dispares, lo que hace a\u00fan m\u00e1s dif\u00edcil garantizar su exactitud. Por ejemplo, muchas empresas tienen que recopilar datos de proveedores y aplicaciones de terceros para su an\u00e1lisis, pero como estas fuentes de datos difieren entre s\u00ed en cuanto a su estructura, puede ser dif\u00edcil hacerlas coincidir. Este problema no se limita a los casos de datos externos. Las empresas que est\u00e1n conectadas a varias aplicaciones o utilizan varias plataformas suelen tener dificultades para consolidar sus datos para el an\u00e1lisis o la inteligencia. <\/span><\/span>
\n<\/span>
<\/span><\/li>\n- No medir las puntuaciones de coincidencia de datos:<\/strong> <\/span><\/span>Desgraciadamente, las empresas no suelen medir las puntuaciones de coincidencia de datos. Hay dos problemas comunes en la comparaci\u00f3n de datos: los falsos positivos y los falsos negativos. Ambas cosas son perjudiciales para el tiempo y el esfuerzo de la empresa. <\/span><\/span><\/li>\n<\/ul>\n
Por ejemplo, se cotejan dos fuentes de datos para determinar las direcciones duplicadas dentro de un bloque espec\u00edfico. 8 de cada 20 direcciones coinciden, lo que indica una duplicaci\u00f3n y el uso de una direcci\u00f3n para varias personas (como los miembros de una familia). Sin embargo, 4\/20 coincidencias son falsos positivos, es decir, se predice que las direcciones coinciden pero no son de la misma persona. Un valor que falta, como el n\u00famero de la casa, puede ser la causa de un falso positivo. 6\/20 son falsos negativos, lo que significa que las direcciones s\u00ed coinciden y pertenecen a la misma persona, pero el sistema no las ha tenido en cuenta debido a variables como la falta de un segundo nombre o un nombre incompleto, o la falta de c\u00f3digos postales<\/a>, etc. <\/span><\/p>\n
En ambos casos, los equipos tendr\u00e1n que dedicar tiempo a verificar y validar manualmente la informaci\u00f3n. Los esfuerzos de cotejo manual de datos de direcciones s\u00f3lo funcionan mejor cuando no hay incoherencias en los datos. Pero como sabemos, los datos, especialmente los modernos, son cualquier cosa menos consistentes. <\/span><\/p>\n
La soluci\u00f3n – \u00bfC\u00f3mo se obtienen coincidencias precisas de los datos de las direcciones? <\/span><\/span><\/h2>\n
Podr\u00eda decirte simplemente que consigas una herramienta de cotejo de datos<\/a> de primera l\u00ednea y eso ser\u00eda la soluci\u00f3n a todos tus problemas (esfuerzo manual, falta de recursos SQL, etc.), pero no es as\u00ed. <\/span><\/p>\n
Hay todo un <\/span>proceso completo<\/span> para cotejar los datos de las direcciones<\/a>. <\/span><\/p>\n
![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/08\/DL_Address-Deduplication.png\")
<\/p>\n- \n
- Integrar sus fuentes de datos:<\/strong> <\/span><\/b>Si est\u00e1 recopilando datos de varias fuentes, tendr\u00e1 que integrarlos en una plataforma para iniciar la actividad de cotejo. Sin embargo, la integraci\u00f3n de datos no es f\u00e1cil. Tendr\u00e1s que extraer los datos y transformarlos en un archivo CSV o en tu base de datos. En cualquiera de los casos, tendr\u00e1s que preparar los datos antes de poder moverlos. <\/span><\/li>\n
- Perfilar los datos: <\/strong><\/span><\/b>Cuando se preparan los datos, b\u00e1sicamente se hace un perfil de los mismos para ver si contienen errores, erratas o valores que faltan. Si se salta este paso, el proceso de emparejamiento fallar\u00e1. Necesita datos precisos<\/a> para realizar un cotejo eficaz.<\/span><\/span><\/li>\n
\nNormalizaci\u00f3n y limpieza de los datos:<\/strong> <\/span>
\n<\/b>\u00bfDeben escribirse todas las ciudades como <\/span>
\nNY, NYC o ny? <\/span>
\n<\/b> \u00bfDeben tener todas las direcciones c\u00f3digos postales? \u00bfHay que eliminar las marcas de – entre los n\u00fameros? Todos estos son casos menores que degradan la calidad de sus datos. Para llevar a cabo un partido eficaz, tendr\u00e1 que limpiar estas incoherencias. Eso es un reto en s\u00ed mismo. Los cient\u00edficos\/analistas de datos pasan el 80% de su tiempo limpiando estos datos<\/a>. <\/span><\/li>\n- Validaci\u00f3n de los datos de la direcci\u00f3n:<\/strong> <\/span><\/b>Y esta es la parte complicada. \u00bfSab\u00eda que la mayor\u00eda de las direcciones que tiene probablemente ni siquiera son v\u00e1lidas? La gente tiende a introducir direcciones incompletas, incorrectas o incluso falsas. Si va a por todas con sus actividades de correo sin validar y verificar<\/a> primero sus datos de direcci\u00f3n<\/a>, estar\u00e1 perdiendo cientos de miles de d\u00f3lares en costes de env\u00edo. Por ello, necesita una soluci\u00f3n certificada CASS (se trata de un proveedor certificado por USPS) que le ayude con la validaci\u00f3n de direcciones<\/a> y se asegure de que su lista de direcciones sigue las directrices de USPS. <\/span><\/li>\n
- Por \u00faltimo, el emparejamiento: <\/strong><\/span><\/b>Ahora que los datos de su direcci\u00f3n est\u00e1n limpios y validados, es el momento de hacerlos coincidir. Si utiliza una soluci\u00f3n de correspondencia de datos como DataMatch Enterprise<\/a>, el proceso es sencillo y f\u00e1cil. Seleccione las columnas que desea hacer coincidir, ya sea a trav\u00e9s, entre o dentro de las fuentes de datos, ajuste los criterios de coincidencia y \u00a1ya est\u00e1! Obtendr\u00e1 resultados en cuesti\u00f3n de minutos. <\/span><\/li>\n<\/ol>\n
Y ahora viene la parte en la que te cuento por qu\u00e9 necesitas una soluci\u00f3n de autoservicio de correspondencia de datos como <\/span>DataMatch<\/span> de este proceso. En pocas palabras, con esta soluci\u00f3n puedes: <\/span><\/p>\n
- \n
- \n
- \n
- Ahorro de tiempo que supone casi el 80% del esfuerzo manual <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- \n
- \n
- Mejore la eficiencia y deje que su equipo tenga m\u00e1s tiempo para analizar los datos en lugar de limpiarlos <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- \n
- \n
- Valide su direcci\u00f3n. Somos una soluci\u00f3n certificada por CASS<\/a> y podemos validar las direcciones de Estados Unidos, Canad\u00e1 y el Reino Unido. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- \n
- \n
- Realiza el cotejo de datos con una alta puntuaci\u00f3n de precisi\u00f3n. En m\u00faltiples estudios e informes, Data Ladder super\u00f3 a SAS e IBM en t\u00e9rminos de puntuaci\u00f3n de precisi\u00f3n. Somos la \u00fanica soluci\u00f3n que ofrece una coincidencia de precisi\u00f3n del 96% (como m\u00ednimo). Con datos complejos, necesitar\u00e1 una soluci\u00f3n de cotejo de datos que devuelva resultados muy precisos. Todo lo que sea inferior supondr\u00e1 un mayor esfuerzo manual para eliminar los falsos positivos y negativos. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- \n
- \n
- Consolide sus datos y cree registros f\u00e1cilmente. No tienes que estar moviendo los datos de un lado a otro. Compara, fusiona<\/a>, desduplica<\/a> y obt\u00e9n una nueva lista que puedes utilizar y ampliar. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
As\u00ed es como ayudamos a varias instituciones gubernamentales y de educaci\u00f3n p\u00fablica de Estados Unidos no s\u00f3lo a cotejar los datos de las direcciones, sino tambi\u00e9n a mejorar la calidad general de los datos. <\/span><\/p>\n
C\u00f3mo Cabarrus Education ahorr\u00f3 semanas de trabajo manual para cotejar los datos de las direcciones<\/h2>\n
Lea este estudio de caso para ver c\u00f3mo ayudamos a un distrito escolar a mejorar la productividad mediante el an\u00e1lisis de datos, reduciendo el tiempo de limpieza de los datos brutos de dos semanas a s\u00f3lo <\/span>
\n16 horas. <\/span>
\n<\/b><\/p>\n","protected":false},"excerpt":{"rendered":"Los datos de direcciones est\u00e1n semiestructurados, lo que los convierte en uno de los componentes m\u00e1s dif\u00edciles de la actividad de cotejo de datos. Durante mucho tiempo, se han utilizado m\u00e9todos manuales de cotejo de datos que inclu\u00edan una extensa programaci\u00f3n SQL y f\u00f3rmulas de hojas de c\u00e1lculo para cotejar las listas de direcciones. Aunque […]<\/p>\n","protected":false},"author":9,"featured_media":58334,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[1212,1271],"tags":[726,724,725,574,723],"acf":[],"yoast_head":"\n
El cotejo de datos de direcciones no tiene por qu\u00e9 ser un reto que consuma recursos. As\u00ed es como puedes hacerlo mejor. - Data Ladder<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"El cotejo de datos de direcciones no tiene por qu\u00e9 ser un reto que consuma recursos. As\u00ed es como puedes hacerlo mejor. - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Los datos de direcciones est\u00e1n semiestructurados, lo que los convierte en uno de los componentes m\u00e1s dif\u00edciles de la actividad de cotejo de datos. Durante mucho tiempo, se han utilizado m\u00e9todos manuales de cotejo de datos que inclu\u00edan una extensa programaci\u00f3n SQL y f\u00f3rmulas de hojas de c\u00e1lculo para cotejar las listas de direcciones. Aunque […]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/\" \/>\n<meta property=\"og:site_name\" content=\"Data Ladder\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/web.facebook.com\/DataLadderSoftware\" \/>\n<meta property=\"article:published_time\" content=\"2020-08-26T04:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-03-09T14:51:04+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/Address-Variations_Data-Integration.png\" \/>\n\t<meta property=\"og:image:width\" content=\"3470\" \/>\n\t<meta property=\"og:image:height\" content=\"1278\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"lbarrera\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"lbarrera\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"9 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"El cotejo de datos de direcciones no tiene por qu\u00e9 ser un reto que consuma recursos. As\u00ed es como puedes hacerlo mejor.\",\"datePublished\":\"2020-08-26T04:00:00+00:00\",\"dateModified\":\"2022-03-09T14:51:04+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/\"},\"wordCount\":2031,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/es\/#organization\"},\"keywords\":[\"abordar la calidad de los datos\",\"coincidencia de datos\",\"coincidencia de datos de la direcci\u00f3n\",\"comparaci\u00f3n de datos\",\"datos de la direcci\u00f3n\"],\"articleSection\":[\"Data quality management\",\"Gesti\u00f3n de la calidad de los datos\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/\",\"url\":\"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/\",\"name\":\"El cotejo de datos de direcciones no tiene por qu\u00e9 ser un reto que consuma recursos. As\u00ed es como puedes hacerlo mejor. - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/#website\"},\"datePublished\":\"2020-08-26T04:00:00+00:00\",\"dateModified\":\"2022-03-09T14:51:04+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/es\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"El cotejo de datos de direcciones no tiene por qu\u00e9 ser un reto que consuma recursos. As\u00ed es como puedes hacerlo mejor.\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/dataladder.com\/es\/#website\",\"url\":\"https:\/\/dataladder.com\/es\/\",\"name\":\"Data Ladder\",\"description\":\"Enterprise Data Profiling, Cleansing, and Matching\",\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/es\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/dataladder.com\/es\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/dataladder.com\/es\/#organization\",\"name\":\"Data Ladder\",\"url\":\"https:\/\/dataladder.com\/es\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"contentUrl\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"width\":413,\"height\":408,\"caption\":\"Data Ladder\"},\"image\":{\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/company\/dataladder-llc\/\",\"https:\/\/web.facebook.com\/DataLadderSoftware\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\",\"name\":\"lbarrera\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"caption\":\"lbarrera\"},\"url\":\"https:\/\/dataladder.com\/es\/author\/lbarrera\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"El cotejo de datos de direcciones no tiene por qu\u00e9 ser un reto que consuma recursos. As\u00ed es como puedes hacerlo mejor. - Data Ladder","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/","og_locale":"es_ES","og_type":"article","og_title":"El cotejo de datos de direcciones no tiene por qu\u00e9 ser un reto que consuma recursos. As\u00ed es como puedes hacerlo mejor. - Data Ladder","og_description":"Los datos de direcciones est\u00e1n semiestructurados, lo que los convierte en uno de los componentes m\u00e1s dif\u00edciles de la actividad de cotejo de datos. Durante mucho tiempo, se han utilizado m\u00e9todos manuales de cotejo de datos que inclu\u00edan una extensa programaci\u00f3n SQL y f\u00f3rmulas de hojas de c\u00e1lculo para cotejar las listas de direcciones. Aunque […]","og_url":"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2020-08-26T04:00:00+00:00","article_modified_time":"2022-03-09T14:51:04+00:00","og_image":[{"width":3470,"height":1278,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/Address-Variations_Data-Integration.png","type":"image\/png"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"lbarrera","Tiempo de lectura":"9 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"El cotejo de datos de direcciones no tiene por qu\u00e9 ser un reto que consuma recursos. As\u00ed es como puedes hacerlo mejor.","datePublished":"2020-08-26T04:00:00+00:00","dateModified":"2022-03-09T14:51:04+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/"},"wordCount":2031,"publisher":{"@id":"https:\/\/dataladder.com\/es\/#organization"},"keywords":["abordar la calidad de los datos","coincidencia de datos","coincidencia de datos de la direcci\u00f3n","comparaci\u00f3n de datos","datos de la direcci\u00f3n"],"articleSection":["Data quality management","Gesti\u00f3n de la calidad de los datos"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/","url":"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/","name":"El cotejo de datos de direcciones no tiene por qu\u00e9 ser un reto que consuma recursos. As\u00ed es como puedes hacerlo mejor. - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/#website"},"datePublished":"2020-08-26T04:00:00+00:00","dateModified":"2022-03-09T14:51:04+00:00","breadcrumb":{"@id":"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/es\/el-cotejo-de-datos-de-direcciones-no-tiene-por-que-ser-un-reto-que-consuma-recursos-asi-es-como-puedes-hacerlo-mejor\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/es\/"},{"@type":"ListItem","position":2,"name":"El cotejo de datos de direcciones no tiene por qu\u00e9 ser un reto que consuma recursos. As\u00ed es como puedes hacerlo mejor."}]},{"@type":"WebSite","@id":"https:\/\/dataladder.com\/es\/#website","url":"https:\/\/dataladder.com\/es\/","name":"Data Ladder","description":"Enterprise Data Profiling, Cleansing, and Matching","publisher":{"@id":"https:\/\/dataladder.com\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/dataladder.com\/es\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/dataladder.com\/es\/#organization","name":"Data Ladder","url":"https:\/\/dataladder.com\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/","url":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","contentUrl":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","width":413,"height":408,"caption":"Data Ladder"},"image":{"@id":"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/dataladder-llc\/","https:\/\/web.facebook.com\/DataLadderSoftware"]},{"@type":"Person","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b","name":"lbarrera","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","caption":"lbarrera"},"url":"https:\/\/dataladder.com\/es\/author\/lbarrera\/"}]}},"modified_by":null,"_links":{"self":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63033"}],"collection":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/comments?post=63033"}],"version-history":[{"count":2,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63033\/revisions"}],"predecessor-version":[{"id":66374,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63033\/revisions\/66374"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media\/58334"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media?parent=63033"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/categories?post=63033"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/tags?post=63033"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
- Consolide sus datos y cree registros f\u00e1cilmente. No tienes que estar moviendo los datos de un lado a otro. Compara, fusiona<\/a>, desduplica<\/a> y obt\u00e9n una nueva lista que puedes utilizar y ampliar. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- Realiza el cotejo de datos con una alta puntuaci\u00f3n de precisi\u00f3n. En m\u00faltiples estudios e informes, Data Ladder super\u00f3 a SAS e IBM en t\u00e9rminos de puntuaci\u00f3n de precisi\u00f3n. Somos la \u00fanica soluci\u00f3n que ofrece una coincidencia de precisi\u00f3n del 96% (como m\u00ednimo). Con datos complejos, necesitar\u00e1 una soluci\u00f3n de cotejo de datos que devuelva resultados muy precisos. Todo lo que sea inferior supondr\u00e1 un mayor esfuerzo manual para eliminar los falsos positivos y negativos. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- Valide su direcci\u00f3n. Somos una soluci\u00f3n certificada por CASS<\/a> y podemos validar las direcciones de Estados Unidos, Canad\u00e1 y el Reino Unido. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- Mejore la eficiencia y deje que su equipo tenga m\u00e1s tiempo para analizar los datos en lugar de limpiarlos <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- Ahorro de tiempo que supone casi el 80% del esfuerzo manual <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- Perfilar los datos: <\/strong><\/span><\/b>Cuando se preparan los datos, b\u00e1sicamente se hace un perfil de los mismos para ver si contienen errores, erratas o valores que faltan. Si se salta este paso, el proceso de emparejamiento fallar\u00e1. Necesita datos precisos<\/a> para realizar un cotejo eficaz.<\/span><\/span><\/li>\n
- No medir las puntuaciones de coincidencia de datos:<\/strong> <\/span><\/span>Desgraciadamente, las empresas no suelen medir las puntuaciones de coincidencia de datos. Hay dos problemas comunes en la comparaci\u00f3n de datos: los falsos positivos y los falsos negativos. Ambas cosas son perjudiciales para el tiempo y el esfuerzo de la empresa. <\/span><\/span><\/li>\n<\/ul>\n
- Recogida de datos de fuentes dispares:<\/strong> <\/span><\/span>Los datos no suelen estar disponibles para su cotejo. Por lo general, hay que recopilarla de varias fuentes dispares, lo que hace a\u00fan m\u00e1s dif\u00edcil garantizar su exactitud. Por ejemplo, muchas empresas tienen que recopilar datos de proveedores y aplicaciones de terceros para su an\u00e1lisis, pero como estas fuentes de datos difieren entre s\u00ed en cuanto a su estructura, puede ser dif\u00edcil hacerlas coincidir. Este problema no se limita a los casos de datos externos. Las empresas que est\u00e1n conectadas a varias aplicaciones o utilizan varias plataformas suelen tener dificultades para consolidar sus datos para el an\u00e1lisis o la inteligencia. <\/span><\/span>
- \u00bfCu\u00e1les son las funciones y los componentes que intervienen en el cotejo de datos de direcciones? <\/span><\/li>\n
- \u00bfQu\u00e9 es la concordancia de datos en el proceso de normalizaci\u00f3n y validaci\u00f3n de direcciones? <\/span><\/li>\n