{"id":63138,"date":"2019-12-12T00:00:00","date_gmt":"2019-12-12T05:00:00","guid":{"rendered":"https:\/\/dataladder.com\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/"},"modified":"2022-03-17T08:13:12","modified_gmt":"2022-03-17T08:13:12","slug":"su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas","status":"publish","type":"post","link":"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/","title":{"rendered":"Su gu\u00eda completa de programas y enfoques de cotejo de listas"},"content":{"rendered":"<p><span style=\"font-weight: 400;\">La mayor\u00eda de las empresas entienden ahora que hay que implantar nuevas tecnolog\u00edas y aplicaciones para mejorar las operaciones comerciales. Sin embargo, la implementaci\u00f3n de la migraci\u00f3n de datos de un sistema heredado a un nuevo sistema supone un<strong> reto importante para la calidad de los datos<\/strong>. A menos que la organizaci\u00f3n haya utilizado activamente soluciones como un <a href=\"https:\/\/dataladder.com\/es\/software-de-cotejo-de-listas-limpie-deduzca-y-enriquezca-los-registros-de-las-listas\/\">software de cotejo de listas<\/a> o una soluci\u00f3n de limpieza de datos, hay muchas posibilidades de que los datos sean defectuosos, corruptos y err\u00f3neos. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Por lo tanto, es esencial que una organizaci\u00f3n invierta en soluciones de limpieza de datos antes de aplicar cualquier plan de migraci\u00f3n. El prop\u00f3sito fundamental es obtener datos utilizables a partir de a\u00f1os de datos obsoletos; para hacerlo posible, tiene dos opciones esenciales: invertir en especialistas de datos o en soluciones de calidad de datos. <\/span><\/p>\n<p><em><span style=\"font-weight: 400;\">La pregunta es: \u00bfdebe contratar a un equipo o debe utilizar una soluci\u00f3n de software?<\/span><\/em><\/p>\n<p><span style=\"font-weight: 400;\">En esta gu\u00eda, te ayudaremos a ver las dos caras de la moneda para que puedas tomar una decisi\u00f3n m\u00e1s acertada. Trataremos temas importantes como: <\/span><\/p>\n<ul>\n<li><span style=\"font-weight: 400;\">El coste de la mala calidad de los datos <\/span><\/li>\n<li><span style=\"font-weight: 400;\">Problemas comunes con la calidad de los datos y las listas <\/span><\/li>\n<li><span style=\"font-weight: 400;\">Enfoques de los problemas de calidad de los datos <\/span><\/li>\n<li><span style=\"font-weight: 400;\">Caracter\u00edsticas principales de un software de comparaci\u00f3n de listas <\/span><\/li>\n<li><span style=\"font-weight: 400;\">Estudio de caso de Amec Foster Wheeler <\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">Empecemos. <\/span><\/p>\n<h2><span style=\"font-weight: 400;\">El coste de la mala calidad de los datos <\/span><\/h2>\n<p><span style=\"font-weight: 400;\">La mala calidad de los datos se refiere a los datos que tienen <strong>duplicados, nombres no coincidentes, abreviaturas, datos no estandarizados<\/strong> (NY vs NYC vs New York vs New York City), c\u00f3digos postales incompletos, direcciones de correo electr\u00f3nico, etc. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">El coste de la mala calidad de los datos es asombroso.<\/span><a href=\"https:\/\/hbr.org\/2016\/09\/bad-data-costs-the-u-s-3-trillion-per-year\"><br \/>\n<span style=\"font-weight: 400;\"> Se calcula que, s\u00f3lo en Estados Unidos, las p\u00e9rdidas anuales causadas por la mala calidad de los datos ascienden a 3,1 billones de d\u00f3lares. <\/span><br \/>\n<\/a><span style=\"font-weight: 400;\">p\u00e9rdidas anuales, s\u00f3lo en Estados Unidos, causadas por la mala calidad de los datos. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Tomemos el ejemplo de la empresa A, una compa\u00f1\u00eda proveedora de equipos de construcci\u00f3n a gran escala con m\u00faltiples silos de datos. Su objetivo para 2020 es trasladar su sistema heredado a un nuevo sistema en la nube y agilizar los procesos empresariales. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Eran conscientes de los retos que planteaba la calidad de sus datos: a lo largo de los a\u00f1os, los datos eran registrados por m\u00faltiples departamentos a trav\u00e9s de m\u00faltiples herramientas. Al no contar con un sistema de gesti\u00f3n de datos estandarizado o centralizado, la empresa se enfrentaba a un importante reto de limpieza de datos. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">El primer paso de cualquier proceso de limpieza de datos consiste en <strong>realizar un an\u00e1lisis de las listas de datos e identificar los problemas principales<\/strong>. La atenci\u00f3n se centra en las listas porque <a href=\"https:\/\/dataladder.com\/es\/software-de-comparacion-de-datos-calificado-como-el-mejor-de-su-clase-con-una-precision-de-coincidencia-del-96\/\">las soluciones de cotejo de datos<\/a> funcionan cotejando listas de registros entre s\u00ed. El objetivo principal es eliminar los datos duplicados, nulos o incompletos para garantizar que la empresa disponga de datos precisos al pasar al nuevo sistema. <\/span><\/p>\n<h3><span style=\"font-weight: 400;\">Problemas comunes con la calidad de las listas de datos <\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Las tablas de las bases de datos muestran los registros en forma de listas. Siguiendo con el ejemplo de la empresa A, lo m\u00e1s probable es que haya listas repetidas o duplicadas, o listas con informaci\u00f3n inexacta e incoherente.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Es bastante obvio que, sin ninguna norma o sistema establecido, los representantes de ventas han estado actualizando sus listas sin centrarse en la calidad de la informaci\u00f3n. Los nombres pueden estar abreviados, la informaci\u00f3n de facturaci\u00f3n puede tener normas diferentes, las direcciones pueden no haber sido actualizadas son algunos de los problemas m\u00e1s comunes con las listas de datos. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Veamos cada una de estas cuestiones en detalle. <\/span><\/p>\n<p><span style=\"font-weight: 400;\"><b>Duplicaci\u00f3n de listas: <\/b>Esto suele ocurrir cuando los datos de un cliente se <strong>registran dos veces bajo una direcci\u00f3n de correo electr\u00f3nico diferente<\/strong> o una variante del nombre. Tambi\u00e9n es muy posible que un mismo cliente tenga dos nombres diferentes (suele ser el caso del cambio de nombre tras el matrimonio) y que introduzca informaci\u00f3n contradictoria en un formulario o en un dato de facturaci\u00f3n. Si el token [name] se utiliza como identificador \u00fanico en una base de datos, la informaci\u00f3n se registra dos veces. <\/span><\/p>\n<p><span style=\"font-weight: 400;\"><b>Inconsistencia de datos: <\/b>Se trata de un problema recurrente en la mayor\u00eda de las bases de datos y muy dif\u00edcil de resolver. Aunque el error humano es la causa de la mayor parte de las incoherencias en los datos, la mayor\u00eda de las veces <strong>es la falta de <a href=\"https:\/\/dataladder.com\/es\/software-de-estandarizacion-de-datos-herramienta-de-estandarizacion-de-datos-rapida-y-rentable\/\">estandarizaci\u00f3n de los datos<\/a><\/strong> lo que provoca las incoherencias. Los problemas con las variaciones de los nombres, como Cath frente a Catherine o Carl frente a Karl, y los problemas con las variaciones de los nombres de las ciudades, como NYC frente a NY, no son errores humanos, sino que son variaciones que las bases de datos modernas tienen que tratar aplicando la estandarizaci\u00f3n. <\/span><\/p>\n<p><span style=\"font-weight: 400;\"><b>Datos dispares:<\/b><span style=\"font-weight: 400;\"> En las bases de datos, los datos dispares se refieren a datos no estructurados o a datos que son claramente diferentes en cuanto a su tipo, calidad y car\u00e1cter. Un buen ejemplo de ello podr\u00edan ser los <strong>datos de las aerol\u00edneas, en los que un cliente est\u00e1 representado por m\u00faltiples puntos de datos<\/strong>, como el n\u00famero de pasaporte, el identificador de la reserva, el identificador del cliente y su nombre, todos ellos almacenados en m\u00faltiples bases de datos. La base de datos de reservas puede contener diferentes datos. El sistema de tickets de atenci\u00f3n al cliente puede contener diferentes datos. El sistema de atenci\u00f3n al cliente puede contener datos diferentes. Si estas bases de datos <strong>no comparten informaci\u00f3n de forma colectiva<\/strong>, existe un problema importante con la calidad de los datos. Toda esta disparidad de datos dificulta la generaci\u00f3n de una \u00fanica lista consolidada que puede resultar necesaria si la compa\u00f1\u00eda a\u00e9rea quiere estudiar el comportamiento de sus consumidores. <\/span><\/span><\/p>\n<p><span style=\"font-weight: 400;\">Cuanto m\u00e1s grande y compleja sea su base de datos, mayores ser\u00e1n las posibilidades de que est\u00e9 corrupta o sea err\u00f3nea. <\/span><\/p>\n<h2><span style=\"font-weight: 400;\">Enfoques de los problemas de calidad de los datos <\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Hay dos enfoques para resolver los problemas de calidad de los datos: contratar un equipo o invertir en una soluci\u00f3n de software. La mayor\u00eda de las empresas prefieren desarrollar una soluci\u00f3n interna de limpieza de datos contratando a especialistas o <strong>encargando a su equipo de<\/strong> TI que haga lo necesario; s\u00f3lo para acabar decepcionadas por los retrasos y el coste asociado de la inversi\u00f3n en personas, sistemas y recursos. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Por el contrario, invertir en un programa inform\u00e1tico da m\u00e1s flexibilidad, hace el trabajo m\u00e1s r\u00e1pido y cuesta bastante menos. \u00bfLa \u00fanica pega? Tiene que buscar, explorar y descubrir una soluci\u00f3n entre la multitud de opciones que mejor se adapte a los requisitos de su empresa. <\/span><\/p>\n<h3><span style=\"font-weight: 400;\">1. El enfoque de \u00abcontratar un equipo para hacerlo\u00bb: <\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Es un hecho que toda organizaci\u00f3n, grande o peque\u00f1a, tiene un equipo de TI dedicado. La optimizaci\u00f3n de la calidad de los datos no es una ciencia espacial, pero es el tipo de trabajo en el que los equipos de TI de las organizaciones apenas tienen tiempo o atenci\u00f3n para trabajar. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">\u00bfEl resultado? Cuando se llama a los analistas o especialistas en datos para que les den sentido, se les presentan listas anticuadas, incompletas o incoherentes. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Luego hay que contratar a otros miembros del equipo para crear algoritmos que den sentido a los datos. Incluso as\u00ed no conseguir\u00e1s <\/span><b>resultados exactos y precisos. <\/b><\/p>\n<p><span style=\"font-weight: 400;\">En medio de todo esto, usted est\u00e1 gastando cientos de miles de d\u00f3lares en la contrataci\u00f3n de nuevos miembros, la implementaci\u00f3n de nuevos procesos y la p\u00e9rdida de meses, si no a\u00f1os, para asegurarse de que todo est\u00e1 en orden. <\/span><\/p>\n<p><span style=\"font-size: 16px;\"><b>Aqu\u00ed tienes un desglose de los costes. <\/b><\/span><\/p>\n<p><span style=\"font-weight: 400;\"><img class=\"aligncenter wp-image-49725 size-large\" title=\"list matching software cost  \" src=\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/12\/Screenshot-2019-12-12-at-8.41.53-PM-1024x726.png\" alt=\"\" width=\"1024\" height=\"726\" srcset=\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/12\/Screenshot-2019-12-12-at-8.41.53-PM-1024x726.png 1024w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/12\/Screenshot-2019-12-12-at-8.41.53-PM-300x213.png 300w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/12\/Screenshot-2019-12-12-at-8.41.53-PM-768x544.png 768w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/12\/Screenshot-2019-12-12-at-8.41.53-PM-1536x1089.png 1536w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/12\/Screenshot-2019-12-12-at-8.41.53-PM.png 1628w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/>Ese es el coste previsto en el caso de que se lleve a cabo el proyecto en un a\u00f1o. La mayor\u00eda de las empresas se quedan sin presupuesto en 6 meses. A la larga, no est\u00e1s ahorrando realmente dinero. Adem\u00e1s de eso, est\u00e1s comprometiendo la precisi\u00f3n.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">2. El enfoque del software <\/span><\/h3>\n<p><span style=\"font-weight: 400;\">La mayor\u00eda de las organizaciones han llegado a la conclusi\u00f3n de que contratar a un equipo para ordenar su base de datos es un enfoque caro y contraproducente. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">La otra opci\u00f3n es invertir en soluciones de software, de las que hay varios tipos. Hay <\/span><b>Las mejores soluciones de su clase <\/b><span style=\"font-weight: 400;\">soluciones como IBM, SAS, Informatica y Oracle que atienden a los datos de nivel empresarial, sin embargo, <strong>se necesitan especialistas capacitados para operar cada una de estas soluciones. <\/strong><\/span><\/p>\n<p><span style=\"font-weight: 400;\">Luego est\u00e1n las soluciones de primer nivel, como Talend, Attaccama, Informatica, que tienen una gama de productos que proporcionan ingenier\u00eda de datos, integraci\u00f3n en la nube, seguridad de datos y mucho m\u00e1s. Estas soluciones est\u00e1n dise\u00f1adas para grandes organizaciones empresariales que desean una soluci\u00f3n de datos completa. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Por \u00faltimo, existe un software de concordancia de listas de nivel medio, que utiliza m\u00e9todos de l\u00f3gica difusa (concordancia de cadenas de patrones similares) para identificar y eliminar los duplicados. Sin embargo, a largo plazo, se necesita algo m\u00e1s que <a href=\"https:\/\/dataladder.com\/es\/comparacion-difusa-101-limpieza-y-vinculacion-de-datos-desordenados\/\">una coincidencia difusa<\/a> para limpiar los datos. <\/span><\/p>\n<h2><span style=\"font-weight: 400;\">Caracter\u00edsticas principales de un software de comparaci\u00f3n de listas <\/span><\/h2>\n<p><span style=\"font-weight: 400;\"> Con tantas opciones, \u00bfc\u00f3mo determinar qu\u00e9 soluci\u00f3n de software le conviene m\u00e1s? <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Para responder a esta pregunta, tendr\u00e1 que saber qu\u00e9 caracter\u00edsticas clave necesita un software de limpieza de datos o de cotejo de listas y c\u00f3mo esas caracter\u00edsticas pueden ayudarle a lograr varios aspectos de sus objetivos de cotejo y limpieza de datos. <\/span><\/p>\n<h3><b>Perfiles de datos <\/b><\/h3>\n<p><span style=\"font-weight: 400;\">La<a href=\"https:\/\/dataladder.com\/es\/software-y-herramientas-de-creacion-de-perfiles-de-datos-obtenga-resultados-instantaneos-de-la-evaluacion-de-la-calidad-de-los-datos\/\">elaboraci\u00f3n de perfiles de datos<\/a> es el proceso de examinar la exactitud, integridad y validez de sus datos. Un buen software de cotejo de listas le permite perfilar sus datos antes de migrar de un sistema heredado a un nuevo sistema. Durante la fase de elaboraci\u00f3n de perfiles, sus datos se clasificar\u00e1n en busca de valores en blanco o nulos, patrones an\u00f3malos y duplicaci\u00f3n de datos. Para los sistemas heredados con a\u00f1os de datos y miles de errores, la elaboraci\u00f3n de perfiles de datos es una necesidad. Ayuda a identificar los problemas de calidad de los datos en el nivel de origen, ahorrando tiempo en etapas posteriores. <\/span><\/p>\n<h3><b> Etiquetado sem\u00e1ntico<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">Cuando los datos provienen de diferentes fuentes, a menudo es dif\u00edcil dar sentido a todos los campos que contienen informaci\u00f3n identificable. Por ejemplo, las fechas de nacimiento suelen registrarse en el campo de la fecha. No est\u00e1 claro si se trata de una fecha de nacimiento o de un evento. Se aplica una etiqueta sem\u00e1ntica de \u00abfecha de nacimiento\u00bb al campo Fecha, que posteriormente ayuda en el proceso de resoluci\u00f3n de la identidad. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Los datos de identificaci\u00f3n personal pueden ser el nombre, los apellidos, las direcciones de correo electr\u00f3nico, las direcciones de facturaci\u00f3n, etc. El objetivo del etiquetado sem\u00e1ntico es dar sentido a los datos y acelerar el proceso de limpieza de datos. <\/span><\/p>\n<h3><b> Limpieza de datos <\/b><\/h3>\n<p><span style=\"font-weight: 400;\">Una vez etiquetados los campos, el siguiente proceso es la parte de normalizaci\u00f3n y limpieza de datos. Esto significa que si tienes campos que no est\u00e1n normalizados, se normalizan. As\u00ed, por ejemplo, la direcci\u00f3n 47 W. 13th St. NY, US se normaliza como \u00ab47 W 13th STREET, New York, USA\u00bb. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Durante el <a href=\"https:\/\/dataladder.com\/es\/la-guia-completa-de-herramientas-soluciones-y-mejores-practicas-de-limpieza-de-datos-para-empresas\/\">proceso de limpieza de datos<\/a>, los datos de spam o los datos incompletos se etiquetan como No disponible, Nulo, Rechazado, para garantizar que los datos falsos se clasifican y limpian desde el principio. <\/span><\/p>\n<h3><b> A juego con <\/b><\/h3>\n<p><span style=\"font-weight: 400;\">La concordancia es la funci\u00f3n m\u00e1s importante del proceso de resoluci\u00f3n de identidades. Casi todas las soluciones de datos de gama alta ofrecen la conciliaci\u00f3n de datos como su servicio principal. Este es el proceso en el que el software <strong>compara los registros y obtiene las conexiones<\/strong>. Hay tres procesos principales que se utilizan para llevar a cabo esto en los datos a nivel de empresa. <\/span><\/p>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li style=\"font-weight: 400;\"><b> Bloqueo: <\/b><span style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Al realizar una actividad de cotejo, es necesario cotejar y comparar millones de registros entre s\u00ed. As\u00ed, si tiene un conjunto de datos que contiene, por ejemplo, un mill\u00f3n de registros, tendr\u00e1 que comparar 1 mill\u00f3n x 1 mill\u00f3n de registros. Se trata de un proceso extremadamente ineficaz y lento, por no decir prohibitivo desde el punto de vista inform\u00e1tico. Para comparar estos registros, se utiliza una simple regla de bloqueo para dividir el conjunto de registros en \u00abbloques\u00bb m\u00e1s peque\u00f1os que se comparan entre s\u00ed. Los bloques son pares de registros que tienen m\u00e1s probabilidades de coincidir: por ejemplo, las fechas de nacimiento pueden separarse en diferentes bloques como BirthYear, BirthMonth y BirthDay. Las tres columnas se pueden utilizar a la vez para procesar su primera coincidencia de bloques.<\/span><\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li style=\"font-weight: 400;\"><b>Comparaci\u00f3n por pares y puntuaci\u00f3n: <\/b><span style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Este m\u00e9todo compara conjuntos de datos dentro de un bloque. Por ejemplo, puede comparar un bloque de Fecha de nacimiento con un bloque de Nombre para ver si dos de los bloques representan una coincidencia.<\/span><\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<ul>\n<li style=\"font-weight: 400;\"><b>Agrupaci\u00f3n:<\/b><span style=\"font-weight: 400;\"> Un aspecto necesario de la comparaci\u00f3n de datos, la agrupaci\u00f3n produce resultados de coincidencia m\u00e1s r\u00e1pidos manipulando uno o m\u00e1s valores de identificadores en el conjunto de datos y agrup\u00e1ndolos con los valores de identificadores. Por ejemplo, los nombres que terminan en \u00abSmith\u00bb pueden agruparse en un grupo que se revisa posteriormente para ver si hay coincidencias conflictivas. Los registros de diferentes agrupaciones no se comparar\u00e1n entre s\u00ed y las agrupaciones con un solo registro no se utilizar\u00e1n en la comparaci\u00f3n. <\/span><\/li>\n<\/ul>\n<h3><b> Normalizaci\u00f3n de datos <\/b><\/h3>\n<p><span style=\"font-weight: 400;\">Una vez que hayas ordenado tus datos, el siguiente paso ser\u00eda limpiar tu lista. Para ello, se eliminan las entradas duplicadas, se filtran los datos nulos o incompletos y se realiza una depuraci\u00f3n de la lista para garantizar que los datos est\u00e9n limpios. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Al final del proceso, los datos se validan y las versiones finales se comunican a los distintos departamentos de la organizaci\u00f3n. Es aqu\u00ed donde tendr\u00e1 que implementar la estandarizaci\u00f3n de los datos, lo que significa que todos sus datos deben ser almacenados en un formato com\u00fan. El personal implicado o las personas que tratan los datos deben recibir formaci\u00f3n sobre la normalizaci\u00f3n. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">El objetivo de la recogida de datos no es la cantidad <strong>, sino la calidad<\/strong>. No quiere 100 direcciones de correo electr\u00f3nico, quiere 100 direcciones de correo electr\u00f3nico precisas, completas y utilizables. En el mundo real, habr\u00e1 28 direcciones de cada 100 que no sean v\u00e1lidas o sean in\u00fatiles. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Por lo tanto, la<a href=\"https:\/\/dataladder.com\/es\/software-de-limpieza-de-datos-herramienta-de-limpieza-de-datos-crm-rapida-y-rentable\/\">limpieza<\/a> y la <a href=\"https:\/\/dataladder.com\/es\/software-de-estandarizacion-de-datos-herramienta-de-estandarizacion-de-datos-rapida-y-rentable\/\">estandarizaci\u00f3n de<\/a><a href=\"https:\/\/dataladder.com\/es\/software-de-limpieza-de-datos-herramienta-de-limpieza-de-datos-crm-rapida-y-rentable\/\">los datos<\/a> garantizan que se pueda trabajar con ellos y que se pueda confiar en ellos. <\/span><\/p>\n<h3><span style=\"font-weight: 400;\">Caracter\u00edsticas adicionales del mejor software de comparaci\u00f3n de listas <\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Adem\u00e1s, aqu\u00ed hay algunas caracter\u00edsticas importantes que debe tener un gran software de cotejo de listas: <\/span><\/p>\n<p><b>R\u00e1pido:<\/b><span style=\"font-weight: 400;\"> El objetivo de utilizar una soluci\u00f3n de software de depuraci\u00f3n de listas es obtener resultados lo m\u00e1s r\u00e1pido posible. Las organizaciones no tienen el privilegio de esperar meses o a\u00f1os para obtener informaci\u00f3n espec\u00edfica: si necesitan el registro de ventas de una nueva sucursal, lo necesitan r\u00e1pido. El software puede conseguir esto para usted en cuesti\u00f3n de minutos en comparaci\u00f3n con tener un equipo que pasar\u00e1 horas si no d\u00edas en el uso de m\u00faltiples consultas para obtener los datos que necesita al instante. <\/span><\/p>\n<p><b>Precisa: <\/b><span style=\"font-weight: 400;\">La precisi\u00f3n es un punto cr\u00edtico de la gesti\u00f3n de la calidad de los datos. El software de cotejo de listas de primer nivel elimina los duplicados con precisi\u00f3n, garantizando la exactitud de los datos. En 15 estudios independientes, <a href=\"https:\/\/dataladder.com\/wp-content\/uploads\/2019-old\/02\/Curtin-Study-Comparing-Record-Linkgae-2.pdf\">la precisi\u00f3n de coincidencia de Data Ladder<\/a> se midi\u00f3 en un 96% en tres conjuntos de datos de entre 40.000 y 4 millones, superior a la de IBM (88%) y a la de SaS (84%). <\/span><\/p>\n<p><b>Herramientas completas: <\/b><span style=\"font-weight: 400;\">Cuando el objetivo es la gesti\u00f3n de la calidad de los datos, se necesita un conjunto completo de herramientas y no s\u00f3lo una soluci\u00f3n independiente. La herramienta adecuada le permite perfilar, cotejar, limpiar y normalizar los datos. <\/span><\/p>\n<p><b>F\u00e1cil integraci\u00f3n: <\/b><span style=\"font-weight: 400;\">Como ejemplo r\u00e1pido, Data Ladder se integra con m\u00e1s de 150 plataformas de datos. Ya sea Salesforce o Zoho, s\u00f3lo tiene que conectar su base de datos con Data Ladder. <\/span><\/p>\n<p><b>Escalable:<\/b><span style=\"font-weight: 400;\"> Medir unos pocos millones de registros es f\u00e1cil. Medir unos cientos de millones de registros es una tecnolog\u00eda totalmente diferente que s\u00f3lo puede ser manejada por un software de depuraci\u00f3n de listas dise\u00f1ado para ser escalable. Cuando invierta en una soluci\u00f3n de calidad de datos, aseg\u00farese de que puede ayudarle cuando sus datos se ampl\u00eden. <\/span><\/p>\n<h2><span style=\"font-weight: 400;\">Estudio de caso de Amec Foster Wheeler <\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Amec Foster Wheeler plc era una multinacional brit\u00e1nica de consultor\u00eda, ingenier\u00eda y gesti\u00f3n de proyectos con sede en Londres (Reino Unido) hasta su adquisici\u00f3n y fusi\u00f3n con Wood Group en octubre de 2017.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Con las crecientes demandas del sector de la ingenier\u00eda medioambiental, la empresa ten\u00eda una gran necesidad de racionalizar sus procesos empresariales para la pr\u00f3xima afluencia de proyectos y tareas de recursos humanos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">La empresa estaba en proceso de migraci\u00f3n a un nuevo sistema de finanzas y recursos humanos y sab\u00eda que la calidad de sus datos deb\u00eda mejorar antes de dar el siguiente paso importante.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Gracias a DataMatch\u2122, el software de datos de Data Ladder, la empresa pudo gestionar sus esfuerzos de deduplicaci\u00f3n. Con la gran tarea de migrar toda su informaci\u00f3n financiera y de recursos humanos existente a un nuevo sistema, tambi\u00e9n planean utilizar DataMatch\u2122 para limpiar y repoblar sus sistemas.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">\u00bfEl beneficio? Con las mejores capacidades de limpieza y <a href=\"https:\/\/dataladder.com\/es\/software-de-deduplicacion-de-datos-utilice-reglas-integradas-y-personalizadas-para-la-deduplicacion-de-crm\/\">deduplicaci\u00f3n de<\/a> datos de su clase, combinadas con la formaci\u00f3n personalizada de los especialistas de Data Ladder, el cliente no s\u00f3lo pudo mantener la precisi\u00f3n de sus datos, sino que tambi\u00e9n pudo mantener un alto nivel de calidad de datos necesario para migrar a sus nuevos sistemas financieros y de recursos humanos.<\/span><\/p>\n<p style=\"text-align: center;\">Puede descargarse el caso pr\u00e1ctico para leer los retos, la situaci\u00f3n empresarial y c\u00f3mo nuestras soluciones ayudaron a la empresa a alcanzar sus objetivos empresariales y de calidad de datos deseados.<\/p>\n<h2><span style=\"font-weight: 400;\">Conclusi\u00f3n:<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Los problemas de calidad de los datos y de concordancia de las listas han sido una lucha para las empresas desde hace siglos. Sin embargo, en el mundo actual hay literalmente docenas de soluciones disponibles para ayudarle a limpiar los datos. Dicho esto, cada necesidad empresarial es diferente, lo que requiere una combinaci\u00f3n de diferentes herramientas. Es posible que quiera utilizar DataMatch\u2122 de Data Ladder para limpiar sus datos, pero puede querer los servicios de migraci\u00f3n a la nube de Talend. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Cuando se trata de la calidad de los datos, no existe una soluci\u00f3n universal, pero esto no deber\u00eda frenarle. <\/span><\/p>\n<p style=\"text-align: center;\"><strong>No deje que los malos datos afecten al crecimiento de su negocio. <\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"<p>La mayor\u00eda de las empresas entienden ahora que hay que implantar nuevas tecnolog\u00edas y aplicaciones para mejorar las operaciones comerciales. Sin embargo, la implementaci\u00f3n de la migraci\u00f3n de datos de un sistema heredado a un nuevo sistema supone un reto importante para la calidad de los datos. A menos que la organizaci\u00f3n haya utilizado activamente [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":58206,"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":[864,866,867,869,865,868],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Su gu\u00eda completa de programas y enfoques de cotejo de listas - 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\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Su gu\u00eda completa de programas y enfoques de cotejo de listas - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"La mayor\u00eda de las empresas entienden ahora que hay que implantar nuevas tecnolog\u00edas y aplicaciones para mejorar las operaciones comerciales. Sin embargo, la implementaci\u00f3n de la migraci\u00f3n de datos de un sistema heredado a un nuevo sistema supone un reto importante para la calidad de los datos. A menos que la organizaci\u00f3n haya utilizado activamente [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/\" \/>\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=\"2019-12-12T05:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-03-17T08:13:12+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/list-matching-software-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2000\" \/>\n\t<meta property=\"og:image:height\" content=\"2000\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\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=\"14 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"Su gu\u00eda completa de programas y enfoques de cotejo de listas\",\"datePublished\":\"2019-12-12T05:00:00+00:00\",\"dateModified\":\"2022-03-17T08:13:12+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/\"},\"wordCount\":3264,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/es\/#organization\"},\"keywords\":[\"gesti\u00f3n de la calidad de los datos\",\"l\u00f3gica difusa\",\"software de comparaci\u00f3n de listas\",\"software de depuraci\u00f3n de listas\",\"software de gesti\u00f3n de la calidad de los datos\",\"soluciones de concordancia de listas\"],\"articleSection\":[\"Data quality management\",\"Gesti\u00f3n de la calidad de los datos\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/\",\"url\":\"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/\",\"name\":\"Su gu\u00eda completa de programas y enfoques de cotejo de listas - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/#website\"},\"datePublished\":\"2019-12-12T05:00:00+00:00\",\"dateModified\":\"2022-03-17T08:13:12+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/es\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Su gu\u00eda completa de programas y enfoques de cotejo de listas\"}]},{\"@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":"Su gu\u00eda completa de programas y enfoques de cotejo de listas - 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\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/","og_locale":"es_ES","og_type":"article","og_title":"Su gu\u00eda completa de programas y enfoques de cotejo de listas - Data Ladder","og_description":"La mayor\u00eda de las empresas entienden ahora que hay que implantar nuevas tecnolog\u00edas y aplicaciones para mejorar las operaciones comerciales. Sin embargo, la implementaci\u00f3n de la migraci\u00f3n de datos de un sistema heredado a un nuevo sistema supone un reto importante para la calidad de los datos. A menos que la organizaci\u00f3n haya utilizado activamente [&hellip;]","og_url":"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2019-12-12T05:00:00+00:00","article_modified_time":"2022-03-17T08:13:12+00:00","og_image":[{"width":2000,"height":2000,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/list-matching-software-1.jpg","type":"image\/jpeg"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"lbarrera","Tiempo de lectura":"14 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"Su gu\u00eda completa de programas y enfoques de cotejo de listas","datePublished":"2019-12-12T05:00:00+00:00","dateModified":"2022-03-17T08:13:12+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/"},"wordCount":3264,"publisher":{"@id":"https:\/\/dataladder.com\/es\/#organization"},"keywords":["gesti\u00f3n de la calidad de los datos","l\u00f3gica difusa","software de comparaci\u00f3n de listas","software de depuraci\u00f3n de listas","software de gesti\u00f3n de la calidad de los datos","soluciones de concordancia de listas"],"articleSection":["Data quality management","Gesti\u00f3n de la calidad de los datos"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/","url":"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/","name":"Su gu\u00eda completa de programas y enfoques de cotejo de listas - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/#website"},"datePublished":"2019-12-12T05:00:00+00:00","dateModified":"2022-03-17T08:13:12+00:00","breadcrumb":{"@id":"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/es\/su-guia-completa-de-programas-y-enfoques-de-cotejo-de-listas\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/es\/"},{"@type":"ListItem","position":2,"name":"Su gu\u00eda completa de programas y enfoques de cotejo de listas"}]},{"@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\/63138"}],"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=63138"}],"version-history":[{"count":2,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63138\/revisions"}],"predecessor-version":[{"id":66443,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63138\/revisions\/66443"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media\/58206"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media?parent=63138"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/categories?post=63138"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/tags?post=63138"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}