{"id":63129,"date":"2019-09-13T00:00:00","date_gmt":"2019-09-13T04:00:00","guid":{"rendered":"https:\/\/dataladder.com\/uso-de-wordsmith-para-eliminar-el-ruido-y-estandarizar-los-datos-a-granel-para-obtener-una-mayor-confianza-en-las-coincidencias\/"},"modified":"2022-03-17T09:24:11","modified_gmt":"2022-03-17T09:24:11","slug":"uso-de-wordsmith-para-eliminar-el-ruido-y-estandarizar-los-datos-a-granel-para-obtener-una-mayor-confianza-en-las-coincidencias","status":"publish","type":"post","link":"https:\/\/dataladder.com\/es\/uso-de-wordsmith-para-eliminar-el-ruido-y-estandarizar-los-datos-a-granel-para-obtener-una-mayor-confianza-en-las-coincidencias\/","title":{"rendered":"Uso de Wordsmith para eliminar el ruido y estandarizar los datos a granel para obtener una mayor confianza en las coincidencias"},"content":{"rendered":"

Uso de Wordsmith para eliminar el ruido y estandarizar los datos a granel para obtener una mayor confianza en las coincidencias<\/strong><\/h3>\n

Los datos que llegan a su organizaci\u00f3n tienen una gran variedad de formatos: may\u00fasculas incoherentes, signos de puntuaci\u00f3n, oscuros acr\u00f3nimos, caracteres alfanum\u00e9ricos que viven en campos que no deber\u00edan estar, etc. Esto sucede porque sus datos viven en sistemas m\u00faltiples y dispares y cada uno tiene un formato y reglas ligeramente diferentes para almacenar los datos. El problema se agrava por los errores humanos en la introducci\u00f3n de datos.<\/span><\/p>\n

Estas peque\u00f1as diferencias pueden dar lugar a malentendidos y a interpretaciones err\u00f3neas de los datos de su organizaci\u00f3n, lo que hace que las personas que conf\u00edan en esos datos desconf\u00eden de ellos y pongan en marcha m\u00faltiples comprobaciones para asegurarse de que las conclusiones extra\u00eddas de esos datos son realmente correctas.<\/span><\/p>\n

Cuando se cotejan datos de varias fuentes de datos, estas incoherencias pueden hacer que se pierdan coincidencias y que se produzcan falsos positivos, lo que disminuye la confianza en el proceso de cotejo de datos y hace que no se determinen los duplicados y los v\u00ednculos.<\/span><\/p>\n

Con DataMatch Enterprise<\/a>, nos centramos en ayudarle a <\/span>
\nSacar el m\u00e1ximo partido a sus datos<\/span>
\n<\/i> utilizando una variedad de transformaciones de normalizaci\u00f3n de datos incorporadas dentro de una interfaz de apuntar y hacer clic. En este blog, profundizaremos un poco m\u00e1s y nos centraremos en c\u00f3mo puede utilizar nuestra funci\u00f3n de firma WordSmith para mejorar a\u00fan m\u00e1s el proceso de cotejo y estandarizar sus datos en bloque.<\/span><\/p>\n

\u00bfQu\u00e9 es WordSmith?<\/strong><\/h3>\n

Wordsmith es una herramienta de la firma Data Ladder que permite perfilar, normalizar y eliminar el ruido de los datos de las columnas. Tambi\u00e9n se pueden crear nuevas columnas autom\u00e1ticamente para analizar los datos transformados de las columnas existentes. M\u00e1s adelante en este blog veremos casos de uso con ejemplos. La idea es aumentar la confianza y la precisi\u00f3n de las coincidencias garantizando la coherencia y minimizando la redundancia.<\/span><\/p>\n

\u00bfC\u00f3mo funciona WordSmith?<\/strong><\/h3>\n

\"\"<\/p>\n

WordSmith se encuentra en la cuarta pesta\u00f1a de DataMatch Enterprise. Esta pesta\u00f1a contiene todas nuestras transformaciones de limpieza de datos<\/a> pre-construidas. Como se muestra en la captura de pantalla anterior, puedes utilizar WordSmith para cualquier columna que elijas haciendo clic en el icono \u00abeditar\u00bb. Esto abrir\u00e1 una segunda ventana, como se muestra en la imagen.<\/span><\/p>\n

La herramienta perfila la columna seleccionada y muestra las palabras en orden descendente seg\u00fan su n\u00famero. Puede cambiar el n\u00famero m\u00e1ximo de palabras agrupadas que la herramienta debe mostrar. Gracias a nuestra experiencia cotejando datos<\/a> de m\u00e1s de 4.000 clientes de todo el mundo, sabemos que, por lo general, las palabras m\u00e1s repetitivas de una columna suelen ser las m\u00e1s desajustadas y, por tanto, afectan a la confianza de la cotejo.<\/span><\/p>\n

La herramienta permite sustituir palabras, analizarlas en una nueva columna y eliminarlas. Estas funciones pueden utilizarse conjuntamente de diversas maneras para normalizar sus datos en bloque.<\/span><\/p>\n

\u00bfC\u00f3mo puedo normalizar los datos con WordSmith?<\/strong><\/h3>\n

Veamos algunas de las formas m\u00e1s comunes en que nuestros clientes utilizan WordSmith.<\/span><\/p>\n

Eliminaci\u00f3n de datos ruidosos o redundantes<\/strong><\/h3>\n

En la ciencia de los datos, el ruido es un dato que no a\u00f1ade ning\u00fan significado adicional a los datos y que, por lo general, sesga el an\u00e1lisis. Al cotejar los datos, la presencia de ruido hace que se pierdan coincidencias y se produzcan falsos positivos. <\/span><\/p>\n

Digamos que, en la columna CompanyName, usted ve 3 empresas diferentes: <\/span><\/p>\n