Toda empresa termina generando el mismo documento: una hoja de cálculo con prospectos, competidores, productos o contactos, elaborada durante dos semanas por alguien que ya ha pasado a otra cosa. Era precisa cuando se creó. Nadie puede decir ahora qué partes siguen siéndolo.
El ingrediente faltante es la procedencia: un registro de origen y fecha de cada valor. Sin ello, un conjunto de datos tiene una vida útil corta y no se puede actualizar salvo repitiendo todo el proceso desde cero.
Qué registrar junto a cada campo
Tres columnas adicionales convierten una hoja de cálculo desechable en un activo que puedes mantener. Cuestan casi nada al recopilar los datos y son prácticamente imposibles de reconstruir después.
- Fuente — the specific URL, API or document the value came from, not “web research”.
- Recopilado — the date the value was observed.
- Confianza — verified, inferred, or unconfirmed. Be honest about which.
Una vez implementado, podrás actualizar datos de forma selectiva, respaldar métricas concretas en reuniones y eliminar los registros caducados sin arrastrarlos indefinidamente.
Eliminar duplicados basándose en un campo estable
El segundo fallo es la coincidencia. Los nombres de las empresas no son identificadores: cambian, se abrevian y la misma organización aparece de cuatro formas en un solo archivo. Haz la coincidencia con algo estable como un dominio, un número de registro o un ID de plataforma, y conserva el nombre visible como etiqueta en lugar de clave.
- Asigna un identificador único y estable por tipo de registro y asegúrate de que se respete.
- Mantén un registro de fusiones para poder deshacer una fusión incorrecta.
- Gestiona las coincidencias aproximadas como una cola de revisión, no como un proceso automático.
Actualiza según un calendario, no por pánico
Data decays at different speeds. Contact details and pricing move quickly; industry and location rarely change. Set a refresh interval per field rather than per file, and flag records whose most volatile field is past its date. That converts an annual rebuild into a background process.
Recogida conforme a la ley
Provenance also protects you here. Knowing exactly where a value came from is what lets you answer a question about consent, respect a site’s terms, and honour a deletion request without guessing. A dataset with no lineage cannot be cleaned up, only abandoned.
Siguiente paso
Extracción de datos con IA y enriquecimiento de bases de datos construye la recopilación y el enriquecimiento como flujos de trabajo con la fuente vinculada a cada campo, indicadores de calidad y una actualización programada — para que lo que recibas tenga un linaje documentado en lugar de solo una marca de tiempo y una esperanza. Si ya tienes la hoja de cálculo y quieres convertirla en algo mantenible, tell us what should run better y trae una muestra.