{"id":63154,"date":"2019-12-09T00:00:00","date_gmt":"2019-12-09T05:00:00","guid":{"rendered":"https:\/\/dataladder.com\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/"},"modified":"2022-03-17T09:00:20","modified_gmt":"2022-03-17T09:00:20","slug":"software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio","status":"publish","type":"post","link":"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/","title":{"rendered":"Software de comparaci\u00f3n de nombres frente a algoritmos: \u00bfCu\u00e1l es el mejor para su negocio?"},"content":{"rendered":"<p><span style=\"font-weight: 400;\">Catherine se escribe como <strong>Cathy, Kath o Katharine<\/strong>; John se introduce en su sistema como <strong>Jon, Jonathan o Jonny<\/strong>; o una Margaret que se hace llamar<strong> Peggy<\/strong> cuando compra en l\u00ednea &#8212; las variaciones de nombre causan problemas significativos en el <strong>mantenimiento de un<\/strong> perfil <strong>preciso de cliente<\/strong> o proveedor para las organizaciones. En este art\u00edculo, veremos c\u00f3mo el software y las t\u00e9cnicas de concordancia de nombres ayudan a las empresas. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Aunque aparentemente es una cuesti\u00f3n menor, las variaciones de nombre dan lugar a <strong>la creaci\u00f3n de registros duplicados en fuentes de datos dispares.<\/strong> Sus representantes pasan demasiado tiempo tratando de <strong> consolidar la informaci\u00f3n de los clientes<\/strong> y verificar si dos clientes son en realidad la misma persona, y sus an\u00e1lisis podr\u00edan mostrarle una visi\u00f3n err\u00f3nea de sus clientes, lo que afectar\u00eda a las decisiones empresariales.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Aqu\u00ed hay un peque\u00f1o <strong>ejemplo<\/strong> de lo que va mal con una falta de coincidencia de nombres. <\/span><\/p>\n<blockquote>\n<p style=\"text-align: center;\"><span style=\"font-weight: 400;\">Digamos que quiere enviar un correo electr\u00f3nico promocional a sus clientes. Conecte su base de datos a su plataforma de correo electr\u00f3nico automatizado y env\u00ede un correo electr\u00f3nico. William Rogers es uno de sus clientes, pero cuando recibe el correo electr\u00f3nico, se dirige a \u00e9l como \u00abWilly Rog\u00bb. Acaba de perder <strong>la confianza,<\/strong> y por tanto el negocio continuo, de un cliente. <\/span><\/p>\n<\/blockquote>\n<p><span style=\"font-weight: 400;\">\u00bfC\u00f3mo se puede evitar que ocurra un accidente de este tipo? \u00bfQu\u00e9 medidas pr\u00e1cticas puede tomar para asegurarse de que su base de datos tiene la informaci\u00f3n correcta? <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Vamos a responder a todas estas preguntas cubriendo: <\/span><\/p>\n<ul>\n<li><span style=\"font-weight: 400;\">\u00bfQu\u00e9 es la concordancia de nombres?<\/span><\/li>\n<li><span style=\"font-weight: 400;\">\u00bfPor qu\u00e9 se producen problemas de coincidencia de nombres?<\/span><\/li>\n<li><span style=\"font-weight: 400;\">4 Enfoques generales para resolver los problemas de coincidencia de nombres<\/span><\/li>\n<li>Desaf\u00edos de los enfoques existentes<\/li>\n<li><span style=\"font-weight: 400;\">C\u00f3mo puede ayudar el software de concordancia de nombres <\/span><\/li>\n<li>Estudio de caso de Zurich Insurance<\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">Vamos a profundizar.<\/span><\/p>\n<h2><span style=\"font-weight: 400;\">\u00bfQu\u00e9 es la concordancia de nombres?<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">En t\u00e9rminos sencillos, la concordancia de nombres significa simplemente dar <strong>sentido a varias variaciones de un nombre<\/strong> y hacerlas coincidir con un nombre principal. As\u00ed, tomando el ejemplo anterior: William puede escribirse como Will, Willy, Wils, etc. El objetivo del cotejo de nombres es identificar estas variaciones y asociarlas con el nombre correcto, es decir, Guillermo. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Suena sencillo, \u00bfverdad?<\/span><\/p>\n<p><span style=\"font-weight: 400;\">No es as\u00ed.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">En las bases de datos, <strong>los nombres tambi\u00e9n act\u00faan como identificadores<\/strong> \u00fanicos, lo que significa que su base de datos puede basarse en un nombre para buscar un registro. Y lo que es m\u00e1s importante, cuando se utilizan herramientas de automatizaci\u00f3n del marketing, se conf\u00eda en el token [name] para personalizar el correo electr\u00f3nico, lo que no deja lugar a errores. Las consecuencias negativas de las faltas de ortograf\u00eda pueden <strong>costar a las empresas cientos de miles de d\u00f3lares<\/strong>. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">\u00bfY qu\u00e9 puedes hacer? Los expertos en datos <strong>aplican algoritmos o m\u00e9todos<\/strong> para eliminar los duplicados o las cadenas de nombres inexactas, manteniendo s\u00f3lo una fuente verdadera. As\u00ed, en el caso de William, se eliminan todas las dem\u00e1s variaciones, lo que le da un nombre principal correcto, mientras que se almacenan las dem\u00e1s variaciones en un campo separado para su consulta, si es necesario. <\/span><\/p>\n<h2><span style=\"font-weight: 400;\">\u00bfPor qu\u00e9 se producen problemas de coincidencia de nombres?<\/span><b> <\/b><\/h2>\n<blockquote>\n<p style=\"text-align: center;\"><span style=\"font-weight: 400;\">Las variaciones de nombre se producen por varias razones, la primera y m\u00e1s importante es el comportamiento o la intenci\u00f3n del usuario. Algunas personas pueden optar por dar su apodo (un problema com\u00fan en los negocios en l\u00ednea que requieren que los usuarios rellenen formularios). Algunos pueden optar por dar s\u00f3lo sus iniciales, o algunos pueden simplemente escribir un nombre al azar.<\/span><\/p>\n<\/blockquote>\n<p><span style=\"font-weight: 400;\">Independientemente del tama\u00f1o, el tipo o el sector de su empresa, el coste de los datos falsos o inexactos es siempre elevado. Pero si su organizaci\u00f3n pertenece a las fuerzas del orden, a la seguridad nacional, al cumplimiento de la normativa financiera o a sectores similares en los que los datos son sensibles, no puede arriesgarse a que el problema var\u00ede de nombre. Para las organizaciones de estos sectores, lo que est\u00e1 en juego son las variaciones de coincidencia de nombres.<\/span><\/p>\n<blockquote>\n<p style=\"text-align: center;\"><span style=\"font-weight: 400;\">TransUnion<\/span><span style=\"font-weight: 400;\">La agencia de informes crediticios de los consumidores, una de las m\u00e1s populares, perdi\u00f3 una demanda colectiva masiva por marcar incorrectamente a los clientes como delincuentes. Del mismo modo, PayPal, una popular empresa de transacciones financieras en l\u00ednea<\/span><br \/>\n<span style=\"font-weight: 400;\"> fue multada por no impedir las transacciones <\/span><br \/>\n<span style=\"font-weight: 400;\">a Ir\u00e1n, Cuba y Sud\u00e1n porque su filtro no funcionaba correctamente. <\/span><\/p>\n<\/blockquote>\n<p>La creciente variabilidad y complejidad de los tipos de datos, los formatos de datos y las fuentes de datos (m\u00f3viles, sociales, registros de dispositivos, etc.) ha complicado a\u00fan m\u00e1s los retos de coincidencia de nombres.<\/p>\n<p><span style=\"font-weight: 400;\">Algunos de los problemas m\u00e1s comunes con la coincidencia de nombres son: <\/span><\/p>\n<p style=\"padding-left: 40px;\"><b>Errores tipogr\u00e1ficos: <\/b><span style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">La falta de la \u00aba\u00bb en Angela podr\u00eda cambiar el nombre a Angel. \u00bfEl problema de las erratas? A veces, ni siquiera somos conscientes de que hemos cometido una errata.<\/span><\/span><\/p>\n<p style=\"padding-left: 40px;\"><b>La fon\u00e9tica: <\/b><span style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">\u00bfEs Carl o Karl? \u00bfGris o gris? Estos nombres suenan igual pero se escriben de forma diferente. Si alguien est\u00e1 introduciendo el nombre a trav\u00e9s de una llamada (un agente de atenci\u00f3n al cliente, por ejemplo), el hecho de no confirmar la ortograf\u00eda produce un error que pasa desapercibido.<\/span><\/span><\/p>\n<p style=\"padding-left: 40px;\"><b>Apodos: <\/b><span style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Este es un problema com\u00fan. A veces los apodos sustituyen por completo al nombre original. As\u00ed, alguien puede ser habitual de escribir Mike en lugar de Michael o Liz en lugar de Elizabeth.<br \/>\n<\/span><\/span><\/p>\n<p style=\"padding-left: 40px;\"><span style=\"font-weight: 400;\"><strong>Iniciales: <\/strong>A veces, cuando los nombres son muy largos, la gente tiende a anotar s\u00f3lo las iniciales. Mary Jane Thomas podr\u00eda escribirse como M.J Thomas. En este caso, tambi\u00e9n existe la posibilidad de que M.J. Thomas se confunda con un hombre.<br \/>\n<\/span><\/p>\n<p style=\"padding-left: 40px;\"><b>Nombres extranjeros: <\/b><span style=\"font-weight: 400;\">\u00a1Esto es s\u00faper dif\u00edcil! Cuando se trata de nombres extranjeros, hay muchas posibilidades de que haya errores ortogr\u00e1ficos. Los nombres asi\u00e1ticos, especialmente los vietnamitas, coreanos y chinos, son dif\u00edciles de abordar. Por ejemplo, \u00abNguyen thi&#8230;\u00bb es un nombre de pila vietnamita com\u00fan para las mujeres. Algunos lo escriben como Nugyen, otros como Nguyen &#8211; el primero es un error ortogr\u00e1fico. Lo mismo ocurre con los nombres asi\u00e1ticos que se han americanizado, por ejemplo, Farah se escribe y se pronuncia como Farrah.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Dado que hay tantas fuentes, procesos y personas implicadas en el registro de nombres, resulta dif\u00edcil garantizar una precisi\u00f3n del 100%. Sin embargo, gracias a la tecnolog\u00eda moderna, es posible reducir significativamente, si no eliminar por completo, los datos inexactos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">\u00bfEl truco?<\/span><\/p>\n<p><b>Tendr\u00e1 que utilizar diferentes m\u00e9todos de concordancia de nombres para resolver diferentes retos de concordancia de nombres.<\/b><span style=\"font-weight: 400;\"> En cualquier caso, hay que se\u00f1alar que no existe una \u00fanica soluci\u00f3n para resolver estos problemas. Hay diferentes enfoques desarrollados para abordar diferentes retos, pero no hay una soluci\u00f3n \u00fanica para todos. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">La mayor\u00eda de los marcos descritos est\u00e1n dise\u00f1ados para retos espec\u00edficos y requieren una importante personalizaci\u00f3n antes de poder desarrollarlos e implantarlos en un entorno empresarial. <\/span><\/p>\n<h2><span style=\"font-weight: 400;\">4 M\u00e9todos generales para resolver los problemas de coincidencia de nombres<\/span><\/h2>\n<p>El reto de la concordancia de cadenas ha molestado a las empresas y organizaciones durante d\u00e9cadas. Empresas como Google y Amazon utilizan varios m\u00e9todos para superar este reto, mientras que las empresas menos capitalizadas siguen luchando con el coste de mantener una gran base de datos.<\/p>\n<p>Estos son algunos de los enfoques de concordancia de nombres m\u00e1s comunes utilizados en la industria.<\/p>\n<h3><strong>El m\u00e9todo de la llave com\u00fan<\/strong><\/h3>\n<p><span style=\"font-weight: 400;\">La fon\u00e9tica es un problema com\u00fan de los nombres que puede resolverse mediante el m\u00e9todo de la clave com\u00fan. En este m\u00e9todo, los nombres se representan mediante una clave o c\u00f3digo basado en su pronunciaci\u00f3n en ingl\u00e9s. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">El algoritmo fon\u00e9tico Soundex se utiliza para indexar los nombres por sonido. As\u00ed, por ejemplo, SMITH y SCHMIDT tienen como clave S530. Ahora bien, esto puede parecer una forma superf\u00e1cil de resolver los problemas de nombres, pero es muy limitada.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">S\u00f3lo funciona en <\/span><b>basado en el lat\u00edn <\/b> <span style=\"font-weight: 400;\">idiomas. Esto significa que descifrar\u00e1 los nombres de lenguas extranjeras <strong>seg\u00fan la fon\u00e9tica inglesa.<\/strong> Double Metaphone, otro algoritmo fon\u00e9tico, utiliza un c\u00f3digo primario y otro secundario para cada nombre, lo que le permite tener en cuenta otros idiomas como el eslavo, el germ\u00e1nico, el espa\u00f1ol, el franc\u00e9s, el griego, el italiano e incluso el chino.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Por lo tanto, Double Metaphone codificar\u00e1 a Smith con un c\u00f3digo primario de SM0 y un c\u00f3digo secundario de XMT. Cuando lea a Schmidt, utilizar\u00e1 el c\u00f3digo secundario de Smith, que es XMT como primario y un c\u00f3digo secundario de SMT. \u00bfNotas que se comparte el XMT? Esto indica la similitud entre nombres que suenan parecido.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">A pesar de ser un m\u00e9todo popular, el mayor reto de los algoritmos de clave com\u00fan es la <strong>precisi\u00f3n<\/strong>. La mayor\u00eda de las veces se trata de conjeturas (como en el caso de Smith frente a Schmidt), y aunque se est\u00e1n definiendo algoritmos mejores y m\u00e1s avanzados para tratar las diferencias fon\u00e9ticas, siempre habr\u00e1 problemas cuando se trate de nombres no ingleses. En el caso de los nombres coreanos, por ejemplo, tanto Soundex como Metaphone convertir\u00e1n los nombres a caracteres latinos y luego crear\u00e1n claves para ello. Este proceso a\u00f1ade complejidad a la tarea y aumenta las posibilidades de error en lugar de reducirlas.<\/span><\/p>\n<p><b>Ventajas: <\/b><span style=\"font-weight: 400;\">Sencillo, r\u00e1pido y con un alto valor de recuerdo<br \/>\n<\/span><b>Contras: <\/b> <span style=\"font-weight: 400;\">No funciona tan bien con nombres no latinos. Puede comprometer la precisi\u00f3n.<\/span><\/p>\n<h3><strong>M\u00e9todo de b\u00fasqueda de listas o diccionarios<\/strong><\/h3>\n<p><span style=\"font-weight: 400;\">El m\u00e9todo es sencillo: hacer una lista de todas las posibles variantes de un nombre y hacerlas coincidir con la fuente principal. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Este m\u00e9todo funciona mejor para los datos multiculturales, ya que hay diferentes derivaciones de un nombre, cuya causa puede ser las preferencias culturales, la individualidad o simplemente un error humano que no se ha corregido.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Por ejemplo, el nombre de <\/span><b>Aiden. <\/b><span style=\"font-weight: 400;\">Tambi\u00e9n se escribe como <\/span><b>Aydin. <\/b><span style=\"font-weight: 400;\">Otro ejemplo com\u00fan es <\/span><b>Ayesha <\/b><span style=\"font-weight: 400;\">que tambi\u00e9n se escribe como <\/span><b>Aisha <\/b><span style=\"font-weight: 400;\">o <\/span><b>Aiesha.<\/b><\/p>\n<p><span style=\"font-weight: 400;\">Aunque el m\u00e9todo de la lista es sencillo y f\u00e1cil de mantener, requiere muchos recursos y flaquea cuando se enfrenta a otras variaciones como las iniciales, los apodos, los apellidos, etc. Otro inconveniente es que una variaci\u00f3n de nombre que no est\u00e9 en la lista no se encontrar\u00e1 como coincidencia, lo que hace que el m\u00e9todo de la lista sea ineficiente para su uso en sectores como la seguridad nacional, la lucha contra el blanqueo de dinero, etc.<\/span><\/p>\n<p><b>Pros: <\/b><span style=\"font-weight: 400;\">F\u00e1cil de usar<br \/>\n<\/span><b>Contras: <\/b><span style=\"font-weight: 400;\">Requiere muchos recursos; tiene problemas de recuperaci\u00f3n ya que las nuevas variantes pueden no ser capturadas; es lento ya que escanea a trav\u00e9s de una gran base de datos para devolver una coincidencia.<\/span><\/p>\n<h3><strong>Editar el m\u00e9todo de la distancia<\/strong><\/h3>\n<p><span style=\"font-weight: 400;\">El m\u00e9todo de la distancia de edici\u00f3n descompone las graf\u00edas en caracteres y les da una <strong>ponderaci\u00f3n<\/strong>. \u00abCarl\u00bb y \u00abKarl\u00bb tendr\u00e1n una distancia de edici\u00f3n de 1 ya que la C se convierte en una K. En este caso, la C se \u00abtranspone\u00bb por la K. El t\u00e9rmino \u00abeditar\u00bb en este m\u00e9todo se refiere a las acciones de inserci\u00f3n, eliminaci\u00f3n y transposici\u00f3n que ser\u00e1n necesarias para hacer coincidir las cadenas.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Se sirve de dos factores clave: <\/span><\/p>\n<p><span style=\"font-weight: 400;\">1). El n\u00famero de graf\u00edas similares en la cadena <\/span><\/p>\n<p><span style=\"font-weight: 400;\">2). El n\u00famero de operaciones de edici\u00f3n que se necesitan para convertir una variante en otra.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">El inconveniente de este m\u00e9todo es el mismo que el de los otros m\u00e9todos: la precisi\u00f3n est\u00e1 limitada s\u00f3lo para los nombres en ingl\u00e9s. En el caso de los nombres no ingleses, se lleva a cabo un proceso de traducci\u00f3n tras el cual se realizan las modificaciones. <\/span><b>Un nombre vietnamita, \u00abHang\u00bb, puede traducirse como \u00abHeng\u00bb, que es un apellido chino<\/b><span style=\"font-weight: 400;\">. Ambas tienen la misma ortograf\u00eda, salvo las vocales, e incluso suenan igual, ya que proceden de la misma cultura oriental. <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Por lo tanto, es obvio que no s\u00f3lo el m\u00e9todo de la distancia de edici\u00f3n<\/span><b> pierde en matices ling\u00fc\u00edsticos<\/b><span style=\"font-weight: 400;\">sino que, adem\u00e1s, da lugar a errores importantes cuando se trata de traducir al ingl\u00e9s lenguas no latinas.<\/span><\/p>\n<p><b>Pros: <\/b><span style=\"font-weight: 400;\">F\u00e1cil de ejecutar<br \/>\n<\/span><b>Contras: <\/b><span style=\"font-weight: 400;\">No funciona eficazmente para los idiomas no latinos.<\/span><\/p>\n<h3><strong>M\u00e9todo basado en reglas<\/strong><\/h3>\n<p><span style=\"font-weight: 400;\">Este es un m\u00e9todo interesante que <\/span><b>se basa en el conocimiento humano<\/b><span style=\"font-weight: 400;\">. Este m\u00e9todo requiere mucho trabajo, pero incorpora el conocimiento del mundo real sobre los nombres de diferentes culturas y etnias. La ventaja de este m\u00e9todo es que no hay traducci\u00f3n de una lengua extranjera al ingl\u00e9s y los matices culturales de un idioma se mantienen intactos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">\u00bfLos tres inconvenientes de este m\u00e9todo?<\/span><\/p>\n<ol>\n<li><span style=\"font-weight: 400;\">Se basa en el alcance del conocimiento humano.<\/span><\/li>\n<li><span style=\"font-weight: 400;\">Se requiere un gran trabajo para alimentar las m\u00faltiples variaciones de nombres bas\u00e1ndose \u00fanicamente en el conocimiento humano.<\/span><\/li>\n<li><span style=\"font-weight: 400;\">Es lento, ya que tiene que cribar millones de nombres para buscar una buena coincidencia.<\/span><\/li>\n<\/ol>\n<p><b>Ventajas: <\/b><span style=\"font-weight: 400;\">Se adapta a los nombres en idiomas extranjeros<br \/>\n<\/span><b>Contras: <\/b><span style=\"font-weight: 400;\">Se basa en el conocimiento humano<\/span><\/p>\n<h3><strong>Utilizaci\u00f3n del modelo h\u00edbrido<\/strong><\/h3>\n<p><span style=\"font-weight: 400;\">Los modelos h\u00edbridos utilizan <\/span><b>dos o m\u00e1s m\u00e9todos para lograr la mayor recuperaci\u00f3n y precisi\u00f3n<\/b><span style=\"font-weight: 400;\">. Para lograr estos objetivos, puede utilizar la alta capacidad de recuperaci\u00f3n del m\u00e9todo de la clave com\u00fan con el conocimiento humano de los nombres del m\u00e9todo basado en reglas.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Con un modelo h\u00edbrido, las reglas se <strong>generan a partir de datos reales<\/strong>, lo que significa que no tiene que depender enteramente del conocimiento humano y tampoco de una traducci\u00f3n. Adem\u00e1s, este m\u00e9todo funciona perfectamente para la b\u00fasqueda de nombres en varios idiomas, ya que los usuarios pueden escribir un nombre en ingl\u00e9s y obtener resultados precisos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Como resultado, un modelo h\u00edbrido es <strong>r\u00e1pido de ejecutar, proporciona un recuerdo preciso<\/strong> y tambi\u00e9n resuelve el problema de no lat\u00edn a lat\u00edn.<\/span><\/p>\n<p>Sin embargo, es importante mencionar aqu\u00ed que no es una tarea f\u00e1cil desarrollar un modelo h\u00edbrido que satisfaga sus necesidades de datos. Primero tiene que identificar el problema que tiene, el tipo de enfoque que funcionar\u00e1 con sus datos espec\u00edficos y el alto nivel de personalizaci\u00f3n que tendr\u00e1 que realizar para que el modelo funcione con sus datos. Adem\u00e1s, tendr\u00e1 que dedicar meses a probar, registrar, actualizar y revisar la eficacia de los distintos m\u00e9todos. Se trata de un esfuerzo costoso y que no le ayudar\u00e1 a superar sus actuales retos en materia de datos.<\/p>\n<h3>Desaf\u00edos de los enfoques existentes<\/h3>\n<p>Si su organizaci\u00f3n maneja s\u00f3lo un par de cientos de nombres en una hoja de Excel, puede arreglar manualmente los problemas de nombres o puede utilizar cualquiera de los algoritmos descritos anteriormente. Por supuesto, es un hecho que la implementaci\u00f3n de cualquiera de estos enfoques <strong>le costar\u00e1 cientos de miles de d\u00f3lares, meses, si no a\u00f1os, de pruebas e implementaci\u00f3n y la contrataci\u00f3n de un equipo de desarrollo que no viene sin advertencias. <\/strong><\/p>\n<p>Tambi\u00e9n hay otros retos que pueden ser dif\u00edciles de superar con los enfoques existentes:<\/p>\n<p><strong>1. El problema de manejar una variedad de escrituras: <\/strong>La mayor\u00eda de los enfoques se refieren principalmente a las lenguas de base latina. Con guiones multiculturales o multiling\u00fces, estos enfoques funcionan muy mal. S\u00f3lo pueden manejar un gui\u00f3n a la vez, por lo que realmente no se puede utilizar para clasificar varios guiones simult\u00e1neamente.<\/p>\n<p><strong>2. Problemas con la precisi\u00f3n y la recuperaci\u00f3n: <\/strong>El m\u00e9todo de la clave com\u00fan puede tener una alta recuperaci\u00f3n, pero una pobre precisi\u00f3n. Como s\u00f3lo hace coincidir cadenas basadas en sonidos o claves, flaquea cuando se trata de datos de alta variabilidad. El m\u00e9todo basado en reglas puede ofrecer precisi\u00f3n, pero al tener que escudri\u00f1ar manualmente los datos, tiene un proceso de recuperaci\u00f3n s\u00faper lento.<\/p>\n<p><strong>3. Altos recursos computacionales: <\/strong>La clasificaci\u00f3n de una base de datos empresarial a gran escala requiere altos recursos computacionales que ofrecen un tiempo de ejecuci\u00f3n igualmente alto. Deber\u00eda ser capaz de recordar un nombre o una coincidencia en cuesti\u00f3n de segundos tras una b\u00fasqueda. Esta necesidad de carga instant\u00e1nea de informaci\u00f3n requiere sistemas y recursos que son costosos, por no mencionar que tambi\u00e9n requiere mantenimiento y actualizaciones anuales.<\/p>\n<p><strong>4.<\/strong> <strong>Falta de mejoras automatizadas: <\/strong>Con el tiempo, todos estos enfoques necesitan ser actualizados manualmente para obtener mejoras. Esto no s\u00f3lo es largo y complejo, sino que tambi\u00e9n aumenta el reto de la precisi\u00f3n y la exactitud.<\/p>\n<p><strong>5. Contrataci\u00f3n del tipo de talento adecuado: <\/strong>Cualquiera puede aprender un idioma y montar un programa para usted. Pero se necesita algo m\u00e1s que un desarrollador de Python para realizar este trabajo. Se necesita un equipo que entienda c\u00f3mo utilizar un determinado modelo para resolver un problema espec\u00edfico, y ese equipo no es barato.<\/p>\n<h2><span style=\"font-weight: 400;\">Software de concordancia de nombres: El enfoque sin c\u00f3digo <\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Aunque estos algoritmos puedan \u00abparecer\u00bb sencillos, su ejecuci\u00f3n no lo es tanto. <\/span><\/p>\n<blockquote><p><span style=\"font-weight: 400;\">Las limitaciones, la necesidad de un equipo y de recursos inform\u00e1ticos y, sobre todo, el reto de aplicar un enfoque que funcione son dif\u00edciles, si no imposibles, de superar. Cuesta cientos de miles de d\u00f3lares, supone una gran carga para los procesos empresariales y sigue sin captar el aumento exponencial de las diferentes fuentes, tipos y formatos de datos. <\/span><\/p><\/blockquote>\n<p><span style=\"font-weight: 400;\">Aqu\u00ed es donde se necesita un <\/span><b>software de concordancia de nombres: una soluci\u00f3n que no requiera c\u00f3digo, que no d\u00e9 problemas y que funcione excepcionalmente bien con las crecientes necesidades de datos. <\/b><\/p>\n<p><span style=\"font-weight: 400;\">Las soluciones modernas de software de concordancia de nombres hacen algo m\u00e1s que una simple concordancia de nombres. Limpian los datos, eliminan los problemas de duplicaci\u00f3n, eliminan la redundancia mediante la aplicaci\u00f3n de la estandarizaci\u00f3n y ayudan a su organizaci\u00f3n a contar con datos fiables y precisos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\"><a href=\"https:\/\/dataladder.com\/es\/productos\/datamatch-enterprise-calificado-como-el-producto-numero-uno-para-la-gestion-de-la-calidad-de-los-datos\/\">DataMatch Enterprise<\/a> es una de esas soluciones integrales que va m\u00e1s all\u00e1 de la comparaci\u00f3n de nombres. Utilizada por m\u00e1s de 4.000 organizaciones en 40 pa\u00edses y reconocida como la <a href=\"https:\/\/dataladder.com\/es\/software-de-limpieza-de-datos-herramienta-de-limpieza-de-datos-crm-rapida-y-rentable\/\">soluci\u00f3n<\/a> n\u00famero uno en <a href=\"https:\/\/dataladder.com\/es\/8-beneficios-de-la-concordancia-de-datos-que-pueden-ayudarle-a-hacer-crecer-su-negocio\/\">cotejo<\/a> y <a href=\"https:\/\/dataladder.com\/es\/software-de-limpieza-de-datos-herramienta-de-limpieza-de-datos-crm-rapida-y-rentable\/\">limpieza de datos<\/a>, es una soluci\u00f3n que resuelve los problemas modernos de datos. El sistema implementa un modelo h\u00edbrido para identificar y resolver las variaciones en m\u00faltiples puntos de datos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Adem\u00e1s, ofrece una soluci\u00f3n de API que integra cualquiera de sus fuentes de datos con la plataforma DataMatch Enterprise, donde podr\u00e1 perfilar, limpiar, cotejar y deduplicar f\u00e1cilmente.<\/span><\/p>\n<h3><span style=\"font-weight: 400;\">Zurich Seguros &#8211; Estudio de caso <\/span><\/h3>\n<p><span style=\"font-weight: 400;\">Zurich Insurance, una de las mayores compa\u00f1\u00edas de seguros de Suiza, pudo utilizar DataMatch Enterprise para examinar la informaci\u00f3n y asegurarse de que los pagos se procesaban correctamente y sin errores humanos.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Su sistema actual no tiene una funci\u00f3n de edici\u00f3n dura en la que los nombres de los beneficiarios puedan rellenarse previamente para que los que gestionan e introducen la informaci\u00f3n en la base de datos puedan simplemente introducir cualquier tipo de informaci\u00f3n. Si se ejecutaba cualquier consulta contra el almac\u00e9n de datos principal, aparec\u00eda una larga lista de informaci\u00f3n duplicada.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">\u00bfEl resultado? Los nombres de los proveedores no se agregaban adecuadamente, lo que provocaba enormes dolores de cabeza e ineficacia operativa.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Gracias a DataMatch Enterprise, la empresa pudo: <\/span><\/p>\n<ol>\n<li><span style=\"font-weight: 400;\">Crear informes precisos y confidenciales para la industria <\/span><\/li>\n<li><span style=\"font-weight: 400;\">Cumplir con las necesidades de limpieza de datos y <a href=\"https:\/\/dataladder.com\/es\/comparacion-difusa-101-limpieza-y-vinculacion-de-datos-desordenados\/\">cotejo difuso<\/a> <\/span><\/li>\n<li><span style=\"font-weight: 400;\">Procesar los pagos sin errores humanos <\/span><\/li>\n<\/ol>\n<h2><span style=\"font-weight: 400;\">Conclusi\u00f3n &#8211; Su organizaci\u00f3n necesita datos en los que pueda confiar<\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Los datos en bruto siempre son propensos a errores. Independientemente de los sistemas de front-end que se pongan en marcha, cuando se trata de un ser humano que rellena o da informaci\u00f3n, siempre habr\u00e1 problemas de variaciones. Si estas cuestiones no se resuelven, puede convertirse en un error costoso.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Las organizaciones pueden ser demandadas en acciones colectivas, pueden perder clientes, pueden recibir malas cr\u00edticas en l\u00ednea o incluso pueden perder a la competencia con el caso de los malos datos.<\/span><\/p>\n<blockquote><p><span style=\"font-weight: 400;\">Por lo tanto, la inversi\u00f3n en software de cotejo de nombres y soluciones de limpieza de datos es una necesidad y no un lujo.<\/span><\/p><\/blockquote>\n","protected":false},"excerpt":{"rendered":"<p>Catherine se escribe como Cathy, Kath o Katharine; John se introduce en su sistema como Jon, Jonathan o Jonny; o una Margaret que se hace llamar Peggy cuando compra en l\u00ednea &#8212; las variaciones de nombre causan problemas significativos en el mantenimiento de un perfil preciso de cliente o proveedor para las organizaciones. En este [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":58202,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[],"tags":[898,896,475,899,894,901],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Software de comparaci\u00f3n de nombres frente a algoritmos: \u00bfCu\u00e1l es el mejor para su negocio? - 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\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Software de comparaci\u00f3n de nombres frente a algoritmos: \u00bfCu\u00e1l es el mejor para su negocio? - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Catherine se escribe como Cathy, Kath o Katharine; John se introduce en su sistema como Jon, Jonathan o Jonny; o una Margaret que se hace llamar Peggy cuando compra en l\u00ednea &#8212; las variaciones de nombre causan problemas significativos en el mantenimiento de un perfil preciso de cliente o proveedor para las organizaciones. En este [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/\" \/>\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=\"2019-12-09T05:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-03-17T09:00:20+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/26824-scaled-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"2048\" \/>\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=\"15 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"Software de comparaci\u00f3n de nombres frente a algoritmos: \u00bfCu\u00e1l es el mejor para su negocio?\",\"datePublished\":\"2019-12-09T05:00:00+00:00\",\"dateModified\":\"2022-03-17T09:00:20+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/\"},\"wordCount\":3495,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/es\/#organization\"},\"keywords\":[\"algoritmos de coincidencia de nombres\",\"coincidencia de nombres\",\"Limpieza de datos\",\"software de comparaci\u00f3n de nombres\",\"Software de limpieza de datos\",\"soluciones de concordancia de nombres\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/\",\"url\":\"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/\",\"name\":\"Software de comparaci\u00f3n de nombres frente a algoritmos: \u00bfCu\u00e1l es el mejor para su negocio? - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/#website\"},\"datePublished\":\"2019-12-09T05:00:00+00:00\",\"dateModified\":\"2022-03-17T09:00:20+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/es\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Software de comparaci\u00f3n de nombres frente a algoritmos: \u00bfCu\u00e1l es el mejor para su negocio?\"}]},{\"@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":"Software de comparaci\u00f3n de nombres frente a algoritmos: \u00bfCu\u00e1l es el mejor para su negocio? - 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\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/","og_locale":"es_ES","og_type":"article","og_title":"Software de comparaci\u00f3n de nombres frente a algoritmos: \u00bfCu\u00e1l es el mejor para su negocio? - Data Ladder","og_description":"Catherine se escribe como Cathy, Kath o Katharine; John se introduce en su sistema como Jon, Jonathan o Jonny; o una Margaret que se hace llamar Peggy cuando compra en l\u00ednea &#8212; las variaciones de nombre causan problemas significativos en el mantenimiento de un perfil preciso de cliente o proveedor para las organizaciones. En este [&hellip;]","og_url":"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2019-12-09T05:00:00+00:00","article_modified_time":"2022-03-17T09:00:20+00:00","og_image":[{"width":2560,"height":2048,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/26824-scaled-1.jpg","type":"image\/jpeg"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"lbarrera","Tiempo de lectura":"15 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"Software de comparaci\u00f3n de nombres frente a algoritmos: \u00bfCu\u00e1l es el mejor para su negocio?","datePublished":"2019-12-09T05:00:00+00:00","dateModified":"2022-03-17T09:00:20+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/"},"wordCount":3495,"publisher":{"@id":"https:\/\/dataladder.com\/es\/#organization"},"keywords":["algoritmos de coincidencia de nombres","coincidencia de nombres","Limpieza de datos","software de comparaci\u00f3n de nombres","Software de limpieza de datos","soluciones de concordancia de nombres"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/","url":"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/","name":"Software de comparaci\u00f3n de nombres frente a algoritmos: \u00bfCu\u00e1l es el mejor para su negocio? - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/#website"},"datePublished":"2019-12-09T05:00:00+00:00","dateModified":"2022-03-17T09:00:20+00:00","breadcrumb":{"@id":"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/es\/software-de-comparacion-de-nombres-frente-a-algoritmos-cual-es-el-mejor-para-su-negocio\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/es\/"},{"@type":"ListItem","position":2,"name":"Software de comparaci\u00f3n de nombres frente a algoritmos: \u00bfCu\u00e1l es el mejor para su negocio?"}]},{"@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\/63154"}],"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=63154"}],"version-history":[{"count":2,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63154\/revisions"}],"predecessor-version":[{"id":66445,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63154\/revisions\/66445"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media\/58202"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media?parent=63154"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/categories?post=63154"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/tags?post=63154"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}