{"id":63160,"date":"2019-07-12T00:00:00","date_gmt":"2019-07-12T04:00:00","guid":{"rendered":"https:\/\/dataladder.com\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/"},"modified":"2022-03-17T11:05:18","modified_gmt":"2022-03-17T11:05:18","slug":"resolucion-de-entidades-para-una-vista-de-cliente-unico","status":"publish","type":"post","link":"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/","title":{"rendered":"Resoluci\u00f3n de entidades para una vista de cliente \u00fanico"},"content":{"rendered":"<h3 style=\"text-align: center;\"><strong>\u00abLa capacidad de ver al cliente a trav\u00e9s de una sola lente permite la medici\u00f3n cr\u00edtica, la optimizaci\u00f3n, la eficiencia y los casos de uso personalizados\u00bb.<\/strong><\/h3>\n<p><span style=\"color: #808080;\">Jason Niemi, Director de Compromisos Digitales, Kraft Foods Group<\/span><\/p>\n<p>Mantener una visi\u00f3n \u00fanica y coherente de los clientes en toda la empresa se est\u00e1 convirtiendo r\u00e1pidamente en una necesidad clave para las empresas que buscan informaci\u00f3n precisa y completa sobre los clientes para poder saber mejor con qui\u00e9n est\u00e1n interactuando. La implementaci\u00f3n exitosa de una Vista \u00danica del Cliente puede ser un desaf\u00edo cuando las representaciones de un cliente se mantienen en m\u00e1s de un sistema y entidad de cliente y las discrepancias en los datos del cliente deben resolverse tanto dentro como entre los sistemas.<\/p>\n<p>En un estudio de Harvard Business Review, se encuest\u00f3 a m\u00e1s de 400 ejecutivos de la experiencia del cliente, y <strong>conseguir una visi\u00f3n \u00fanica del cliente result\u00f3 ser uno de los principales retos<\/strong>.<\/p>\n<p>Veamos qu\u00e9 es exactamente una Vista \u00danica del Cliente.<\/p>\n<p>Una vista \u00fanica del cliente es una representaci\u00f3n hol\u00edstica, consolidada y coherente de los datos de los clientes de una organizaci\u00f3n. Los clientes esperan que las interacciones con una organizaci\u00f3n reflejen su perfil, historial y preferencias actuales. Por esta raz\u00f3n, una visi\u00f3n \u00fanica del cliente es especialmente importante cuando las organizaciones interact\u00faan con los clientes a trav\u00e9s de m\u00faltiples canales.<\/p>\n<p>Y cuando se trata de interacciones a trav\u00e9s de m\u00faltiples canales, invariablemente obtenemos m\u00faltiples fuentes de datos. La empresa media utiliza 65 sistemas diferentes. Los datos de todas estas fuentes internas, de los intermediarios o socios externos y de las fuentes de datos p\u00fablicas deben integrarse para construir esta visi\u00f3n \u00fanica del cliente.<\/p>\n<p>Esto significa que podr\u00eda tener docenas de registros en sus fuentes de datos para cada cliente. Algunos registros pueden contener sus preferencias de compra, otros pueden tener datos demogr\u00e1ficos, otros pueden tener datos de contacto m\u00e1s completos, etc. Y en cada uno de estos registros, el identificador clave es un poco diferente. Tal vez el cliente utiliz\u00f3 un apodo al rellenar la tarjeta de su programa de recompensas por fidelidad, o podr\u00eda haber utilizado su direcci\u00f3n de correo electr\u00f3nico personal al registrarse en su sitio web. Independientemente de la raz\u00f3n, ahora est\u00e1 tratando con una variedad de representaciones para cada cliente almacenadas en una variedad de sistemas.<\/p>\n<p>La<a href=\"https:\/\/dataladder.com\/es\/guia-detallada-para-el-uso-de-herramientas-de-resolucion-de-entidades-en-proyectos-de-datos-empresariales\/\">resoluci\u00f3n de entidades<\/a> es un problema clave de integraci\u00f3n de datos cuando se fusionan diferentes fuentes, ya que cada una de estas fuentes de datos de primera, segunda y tercera parte puede estar utilizando un \u00abidentificador\u00bb diferente para referirse a un individuo. Analicemos en profundidad qu\u00e9 es la resoluci\u00f3n de entidades.<\/p>\n<h2>\u00bfQu\u00e9 es la resoluci\u00f3n de entidades?<\/h2>\n<p>Las investigaciones revelan que el 94% de las empresas se enfrentan a registros duplicados de la misma entidad y realizan la resoluci\u00f3n de entidades en alg\u00fan nivel, ya sea manualmente o utilizando software de calidad de datos. Consolidar los registros relacionados y vincularlos a una sola entidad es intr\u00ednsecamente complejo porque las coincidencias exactas son escasas.<\/p>\n<p>Laresoluci\u00f3n de entidades es un proceso b\u00e1sico de calidad de datos que se utiliza para identificar los registros que se refieren a la misma entidad dentro de las fuentes de datos o entre ellas. Esto puede hacerse con fines de <a href=\"https:\/\/dataladder.com\/es\/software-de-deduplicacion-de-datos-utilice-reglas-integradas-y-personalizadas-para-la-deduplicacion-de-crm\/\">deduplicaci\u00f3n<\/a> y limpieza, o para enriquecer y crear registros dorados que absorban fragmentos de entidades en toda la empresa y creen un perfil de entidad unificado. Esto \u00faltimo se aplica en este contexto: la construcci\u00f3n de una visi\u00f3n \u00fanica del cliente.<\/p>\n<p>Como empresa, podr\u00eda tener docenas de registros en sus fuentes de datos para cada cliente. Algunos registros pueden contener sus preferencias de compra, otros pueden tener datos demogr\u00e1ficos, otros pueden tener datos de contacto m\u00e1s completos, etc. Y en cada uno de estos registros, el identificador clave es un poco diferente. Tal vez el cliente utiliz\u00f3 un apodo al rellenar la tarjeta de su programa de recompensas por fidelidad, o podr\u00eda haber utilizado su direcci\u00f3n de correo electr\u00f3nico personal al registrarse en su sitio web. Independientemente de la raz\u00f3n, ahora est\u00e1 tratando con una variedad de representaciones para cada cliente almacenadas en una variedad de sistemas.<\/p>\n<h2>Utilizaci\u00f3n de la resoluci\u00f3n de entidades para construir una vista \u00fanica del cliente<\/h2>\n<p>Ahora que tenemos una mejor idea de lo que es una Vista \u00danica del Cliente y c\u00f3mo se puede resolver su principal desaf\u00edo, echemos un vistazo a las capacidades necesarias para crear una vista \u00fanica: <strong>Integraci\u00f3n<\/strong>, <strong>Perfilado<\/strong>, <strong>Depuraci\u00f3n<\/strong> y <strong>Cotejo<\/strong>.<\/p>\n<h3>Integre sus fuentes de datos<\/h3>\n<p>El primer paso es, obviamente, identificar e integrar sus fuentes de datos de primera, segunda y tercera parte que contengan la informaci\u00f3n de los clientes que desea reunir. \u00bfEn qu\u00e9 formato recibe los datos de sus socios e intermediarios? \u00bfQu\u00e9 aplicaciones o bases de datos tiene internamente? \u00bfSe conectar\u00e1 a fuentes de datos p\u00fablicas y, en caso afirmativo, en qu\u00e9 formato descargar\u00e1 esas listas?<\/p>\n<p>Los datos de los clientes que necesitar\u00eda para construir una verdadera Vista \u00danica del Cliente pueden incluir:<\/p>\n<ul>\n<li>Medios de comunicaci\u00f3n social<\/li>\n<li>Transacciones<\/li>\n<li>Interacciones con el equipo de ventas<\/li>\n<li>Firmographics<\/li>\n<li>Preferencias de los clientes<\/li>\n<li>Actividades de navegaci\u00f3n en la web y en el m\u00f3vil<\/li>\n<li>Datos demogr\u00e1ficos<\/li>\n<li>Sentimientos<\/li>\n<li>Etc.<\/li>\n<\/ul>\n<p><img class=\"alignnone size-large wp-image-49249\" src=\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/integrations-1024x692.png\" alt=\"\" width=\"1024\" height=\"692\" srcset=\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/integrations-1024x692.png 1024w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/integrations-300x203.png 300w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/integrations-768x519.png 768w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/integrations.png 1112w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/p>\n<p>Haz una lista de fuentes de datos y crea una estrategia sobre c\u00f3mo quieres integrar cada una de esas fuentes de datos. Ahora coteje esta lista con las herramientas que desea utilizar para la resoluci\u00f3n de entidades y para construir su vista de cliente \u00fanico. Aseg\u00farese de que cada una de esas herramientas pueda integrarse perfectamente con sus fuentes de datos, ya sea su CRM, plataformas de medios sociales, aplicaciones de contabilidad o lagos de Big Data.<\/p>\n<h3>Perfilar y descubrir sus datos<\/h3>\n<p>Cuando se integran datos de m\u00faltiples fuentes a escala, pocas empresas comprenden realmente los datos subyacentes. Estos datos suelen recopilarse a lo largo de a\u00f1os, si no d\u00e9cadas, y est\u00e1n repletos de problemas como errores tipogr\u00e1ficos, irrelevancia, falta de integridad, inexactitud y falta de estandarizaci\u00f3n. El problema de la estandarizaci\u00f3n se agrava a\u00fan m\u00e1s cuando se juntan varias fuentes, ya que cada sistema puede almacenar los datos de forma completamente diferente.<\/p>\n<p><img class=\"alignnone size-large wp-image-49241\" src=\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-profile-1024x538.png\" alt=\"\" width=\"1024\" height=\"538\" srcset=\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-profile-1024x538.png 1024w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-profile-300x158.png 300w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-profile-768x403.png 768w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-profile-1536x807.png 1536w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-profile.png 1620w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/p>\n<p>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 los datos<\/a> una vez integradas las fuentes le ayuda a obtener una visi\u00f3n instant\u00e1nea que permite detectar los problemas de calidad de los datos. La soluci\u00f3n de estos problemas le ayudar\u00e1 a obtener mejores resultados al cotejar diferentes representaciones del mismo cliente en el \u00faltimo paso del proceso. Profundizar y perfilar los datos desde el principio permite a las empresas cuantificar los problemas de datos con los que se encontrar\u00e1n en el futuro.<\/p>\n<h3>Obtener datos limpios y precisos<\/h3>\n<p>Una vez que haya identificado los problemas en sus datos, es el momento de limpiarlos y estandarizarlos para obtener los mejores resultados en el paso de resoluci\u00f3n de la entidad. Para limpiar los datos, se pueden establecer reglas de negocio que ayuden a reconocer y corregir errores ortogr\u00e1ficos, problemas de estandarizaci\u00f3n, datos mal introducidos, etc. Ya deber\u00eda saber qu\u00e9 reglas de negocio crear si ha perfilado sus datos. Tenga en cuenta que este paso puede llevar mucho tiempo y requiere una considerable atenci\u00f3n a los detalles. Para obtener resultados m\u00e1s r\u00e1pidos y precisos, el <a href=\"https:\/\/dataladder.com\/es\/software-de-limpieza-de-datos-herramienta-de-limpieza-de-datos-crm-rapida-y-rentable\/\">software de limpieza de<\/a> datos es una buena opci\u00f3n.<\/p>\n<p><img class=\"alignnone size-large wp-image-49237\" src=\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-cleansing-tab-1024x532.png\" alt=\"\" width=\"1024\" height=\"532\" srcset=\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-cleansing-tab-1024x532.png 1024w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-cleansing-tab-300x156.png 300w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-cleansing-tab-768x399.png 768w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-cleansing-tab-1536x798.png 1536w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/data-cleansing-tab.png 1741w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/p>\n<p>Las soluciones de limpieza de datos l\u00edderes en el sector suelen ofrecer reglas de limpieza y estandarizaci\u00f3n preconfiguradas, junto con otras funciones que ayudan a limpiar los datos de forma eficaz a la vez que proporcionan m\u00e1s informaci\u00f3n sobre los datos de su empresa.<\/p>\n<h3>Realizar la resoluci\u00f3n de la entidad<\/h3>\n<p><a href=\"https:\/\/dataladder.com\/es\/software-de-estandarizacion-de-datos-herramienta-de-estandarizacion-de-datos-rapida-y-rentable\/\">Estandarizar los datos<\/a> antes de cotejarlos ayuda a minimizar los falsos negativos, lo que aumenta eficazmente las tasas de coincidencia. Ahora es el momento de crear las definiciones de los partidos. Lo ideal es que el <a href=\"https:\/\/dataladder.com\/es\/software-de-resolucion-de-entidades-la-resolucion-de-entidades-mas-rapida-y-precisa-del-sector\/\">software de resoluci\u00f3n de entidades<\/a> que elija le permita crear visualmente definiciones de coincidencia en las que defina lo que debe o no debe considerarse una coincidencia. Puede pensar en los criterios de coincidencia y en las definiciones de coincidencia en t\u00e9rminos de sentencias SQL AND\/OR. La relaci\u00f3n entre las definiciones de coincidencia ser\u00eda una sentencia AND y la relaci\u00f3n entre los criterios de coincidencia ser\u00eda una sentencia OR.<\/p>\n<p>Una vez que haya definido las definiciones y los criterios de coincidencia, es el momento de empezar a <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\/\">hacer coincidir<\/a>:<\/p>\n<p><img class=\"alignnone size-large wp-image-49253\" src=\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/match-results-tab-1024x482.png\" alt=\"\" width=\"1024\" height=\"482\" srcset=\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/match-results-tab-1024x482.png 1024w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/match-results-tab-300x141.png 300w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/match-results-tab-768x361.png 768w, https:\/\/dataladder.com\/wp-content\/uploads\/2019\/07\/match-results-tab.png 1427w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/p>\n<p>Si utiliza un software de resoluci\u00f3n de entidades de \u00faltima generaci\u00f3n, ver\u00e1 algo parecido a la pantalla anterior cuando ejecute sus partidos. Los partidos individuales deben ser emparejados en grupos, identificados por un ID de grupo \u00fanico. Tambi\u00e9n deber\u00eda ver la puntuaci\u00f3n del partido, lo que le permitir\u00e1 descartar r\u00e1pidamente los falsos positivos.<\/p>\n<p>Una vez identificadas las coincidencias y eliminados los falsos positivos, llega el momento del \u00faltimo paso del proceso: Elegir un registro maestro. Despu\u00e9s de todo, nuestro prop\u00f3sito es construir una Vista \u00danica de Cliente que contenga el registro m\u00e1s limpio y completo de cada cliente. Ahora que ha cotejado todas las fuentes de datos que contienen datos de clientes, es el momento de reunir toda esa informaci\u00f3n.<\/p>\n<p>A partir de los grupos de coincidencia, puede elegir qu\u00e9 registros y qu\u00e9 campos fusionar hasta obtener un registro \u00fanico y completo. No tiene que revisar manualmente cada registro; el proceso puede automatizarse en el paso de <a href=\"https:\/\/dataladder.com\/es\/software-de-purga-de-fusiones-utilizar-reglas-de-supervivencia-incorporadas-y-personalizadas\/\">fusi\u00f3n y supervivencia<\/a> de DataMatch Enterprise.<\/p>\n<h2>Conclusi\u00f3n:<\/h2>\n<p>Implementar una visi\u00f3n \u00fanica del cliente es un paso esencial para mejorar significativamente la experiencia del cliente. Si se adopta una visi\u00f3n basada en el recorrido, se integran los datos, se perfilan y se limpian, y luego se cotejan las identidades de los clientes mediante un software de resoluci\u00f3n de entidades como <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>, se puede salvar m\u00e1s f\u00e1cilmente la desconexi\u00f3n entre las expectativas del cliente y su experiencia. El resultado ser\u00e1 una mayor retenci\u00f3n, un aumento de la lealtad, una mayor satisfacci\u00f3n del cliente, una mayor eficiencia de los procesos y una mejora de los niveles de servicio y asistencia al cliente.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u00abLa capacidad de ver al cliente a trav\u00e9s de una sola lente permite la medici\u00f3n cr\u00edtica, la optimizaci\u00f3n, la eficiencia y los casos de uso personalizados\u00bb. Jason Niemi, Director de Compromisos Digitales, Kraft Foods Group Mantener una visi\u00f3n \u00fanica y coherente de los clientes en toda la empresa se est\u00e1 convirtiendo r\u00e1pidamente en una necesidad [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":58190,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[1290],"tags":[],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Resoluci\u00f3n de entidades para una vista de cliente \u00fanico - 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\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Resoluci\u00f3n de entidades para una vista de cliente \u00fanico - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"\u00abLa capacidad de ver al cliente a trav\u00e9s de una sola lente permite la medici\u00f3n cr\u00edtica, la optimizaci\u00f3n, la eficiencia y los casos de uso personalizados\u00bb. Jason Niemi, Director de Compromisos Digitales, Kraft Foods Group Mantener una visi\u00f3n \u00fanica y coherente de los clientes en toda la empresa se est\u00e1 convirtiendo r\u00e1pidamente en una necesidad [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/\" \/>\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=\"2019-07-12T04:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-03-17T11:05:18+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/entity-resolution-featured.png\" \/>\n\t<meta property=\"og:image:width\" content=\"600\" \/>\n\t<meta property=\"og:image:height\" content=\"370\" \/>\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=\"8 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"Resoluci\u00f3n de entidades para una vista de cliente \u00fanico\",\"datePublished\":\"2019-07-12T04:00:00+00:00\",\"dateModified\":\"2022-03-17T11:05:18+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/\"},\"wordCount\":1764,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/es\/#organization\"},\"articleSection\":[\"Cliente\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/\",\"url\":\"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/\",\"name\":\"Resoluci\u00f3n de entidades para una vista de cliente \u00fanico - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/#website\"},\"datePublished\":\"2019-07-12T04:00:00+00:00\",\"dateModified\":\"2022-03-17T11:05:18+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/es\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Resoluci\u00f3n de entidades para una vista de cliente \u00fanico\"}]},{\"@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":"Resoluci\u00f3n de entidades para una vista de cliente \u00fanico - 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\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/","og_locale":"es_ES","og_type":"article","og_title":"Resoluci\u00f3n de entidades para una vista de cliente \u00fanico - Data Ladder","og_description":"\u00abLa capacidad de ver al cliente a trav\u00e9s de una sola lente permite la medici\u00f3n cr\u00edtica, la optimizaci\u00f3n, la eficiencia y los casos de uso personalizados\u00bb. Jason Niemi, Director de Compromisos Digitales, Kraft Foods Group Mantener una visi\u00f3n \u00fanica y coherente de los clientes en toda la empresa se est\u00e1 convirtiendo r\u00e1pidamente en una necesidad [&hellip;]","og_url":"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2019-07-12T04:00:00+00:00","article_modified_time":"2022-03-17T11:05:18+00:00","og_image":[{"width":600,"height":370,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/entity-resolution-featured.png","type":"image\/png"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"lbarrera","Tiempo de lectura":"8 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"Resoluci\u00f3n de entidades para una vista de cliente \u00fanico","datePublished":"2019-07-12T04:00:00+00:00","dateModified":"2022-03-17T11:05:18+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/"},"wordCount":1764,"publisher":{"@id":"https:\/\/dataladder.com\/es\/#organization"},"articleSection":["Cliente"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/","url":"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/","name":"Resoluci\u00f3n de entidades para una vista de cliente \u00fanico - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/#website"},"datePublished":"2019-07-12T04:00:00+00:00","dateModified":"2022-03-17T11:05:18+00:00","breadcrumb":{"@id":"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/es\/resolucion-de-entidades-para-una-vista-de-cliente-unico\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/es\/"},{"@type":"ListItem","position":2,"name":"Resoluci\u00f3n de entidades para una vista de cliente \u00fanico"}]},{"@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\/63160"}],"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=63160"}],"version-history":[{"count":2,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63160\/revisions"}],"predecessor-version":[{"id":66451,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63160\/revisions\/66451"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media\/58190"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media?parent=63160"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/categories?post=63160"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/tags?post=63160"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}