Enriquecimiento de datos: qué es, cómo funciona y cuándo lo necesitan las empresas

Qué aporta realmente el enriquecimiento de datos

El enriquecimiento de datos comienza con un registro que ya tienes. El punto de partida puede ser el nombre de una empresa, un dominio, una dirección de correo electrónico, un registro de CRM, una ubicación, un identificador de producto u otra clave fiable. El enriquecimiento utiliza esa información inicial para localizar el contexto que falta e incorporarlo al registro de forma estructurada.

En el caso de los equipos de B2B, el enriquecimiento de datos de la empresa puede incluir el sector, el número de empleados, la sede central, las ubicaciones, el rango de ingresos, la estructura de propiedad o las tecnologías utilizadas. El enriquecimiento de los datos de contacto puede incluir el cargo actual, el departamento, la antigüedad, el correo electrónico profesional, el perfil profesional público o el enlace a la fuente. El enriquecimiento operativo puede ser igual de importante, e incluye categorías estandarizadas, identificadores, campos de estado, fechas de verificación o campos requeridos por otro sistema.

Los ámbitos de enriquecimiento más importantes se definen a partir de la decisión, en sentido inverso. Si las rutas de ventas se clasifican por número de empleados y sector, esos campos merecen una regla de calidad más estricta que un campo opcional que nadie utiliza. Los campos críticos para la migración pueden merecer el mismo tratamiento.

• Características de la empresa: sector, tamaño, sedes, titularidad, rangos de ingresos
• Datos de contacto: cargo actual, departamento, antigüedad, correo electrónico profesional, perfil público
• Atributos tecnográficos: indicadores de software o tecnología que modifican la segmentación
• Atributos operativos: identificadores, categorías estandarizadas, URL de origen, fechas de verificación

Un flujo de trabajo práctico para el enriquecimiento de datos

Considera el enriquecimiento como una secuencia, no como una simple búsqueda. Define primero el registro completo. Indica los campos obligatorios, los formatos aceptados, las fuentes preferidas y qué se considera verificado. Esto evita que el proyecto se convierta en un ejercicio de recopilación en el que se añaden todos los campos disponibles simplemente porque un proveedor los ofrece.

A continuación, analiza los datos iniciales. Comprueba si los registros son identificables, si ya existen duplicados y si los valores de origen están lo suficientemente actualizados como para utilizarlos como claves de coincidencia. Enriquecer los datos basándose en una coincidencia errónea de empresa o en un registro de contacto obsoleto puede dar lugar a una versión más completa del registro incorrecto.

A continuación, busca los valores que faltan. Para los campos comunes, puede bastar con una sola fuente, mientras que los campos especializados o de gran importancia pueden requerir varias fuentes o una búsqueda manual. Utiliza una jerarquía de fuentes que se adapte al campo, como la información oficial de la empresa para los datos corporativos y la información profesional pública actualizada para los cargos.

Por último, hay que estandarizar y revisar el resultado. El proceso interno de control de calidad de DataDabble ilustra por qué esta fase es importante: el flujo de trabajo comprueba si las empresas siguen cumpliendo los criterios del proyecto, verifica los datos de contacto y los cargos requeridos, realiza comprobaciones aleatorias de la exactitud de los perfiles públicos, comprueba las páginas web y los números de teléfono cuando procede, señala los duplicados y valida las direcciones de correo electrónico antes del envío. Una búsqueda satisfactoria no es lo mismo que un registro listo para su uso.

• Define el registro final y la finalidad de cada campo
• Analizar los datos iniciales e identificar los riesgos de coincidencia
• Elige fuentes según el ámbito, en lugar de utilizar una sola fuente para todo
• Rellena primero los campos obligatorios y, a continuación, los opcionales.
• Estandarizar los formatos y controlar los duplicados
• Comprueba los campos de mayor impacto antes de la entrega o la importación

Enriquecimiento de datos frente a limpieza y validación

El enriquecimiento, la limpieza y la validación suelen realizarse conjuntamente, pero resuelven problemas distintos. La limpieza corrige o normaliza la información que ya está presente. La validación comprueba si un valor cumple una regla o concuerda con una referencia fiable. El enriquecimiento añade el contexto que falta.

Imaginemos un contacto de CRM con un cargo obsoleto, sin número de empleados, un nombre de empresa incoherente y un registro duplicado. La limpieza puede estandarizar el nombre de la empresa y resolver la duplicación. La validación puede comprobar si el formato del correo electrónico y el dominio son válidos. El enriquecimiento puede añadir el cargo actual, el número de empleados, el sector u otros campos que necesite el equipo.

Esta distinción evita que los equipos caigan en un error habitual: considerar que los campos rellenados son garantía de calidad. Un campo puede estar completo pero contener datos erróneos, tener un formato válido pero estar desactualizado, o haberse enriquecido recientemente pero ser incoherente con el resto de la base de datos. Los mejores flujos de trabajo de enriquecimiento se enmarcan dentro de un proceso más amplio de calidad de los datos.

¿Qué campos merece la pena ampliar?

La forma más rápida de controlar los costes y la complejidad es clasificar los campos según su impacto en el negocio. Hay que preguntarse qué cambiará en el trabajo de los usuarios una vez que se incorpore el campo. Si el campo modifica los criterios de calificación, el enrutamiento, la segmentación, la generación de informes, la preparación del sistema o una decisión operativa, tiene una finalidad clara. Si nadie puede explicar cómo se utilizará el campo, probablemente deba incluirse en la categoría de campos opcionales.

Distingue entre los campos obligatorios y los campos recomendados. Los campos obligatorios deben tener una regla de origen explícita y un umbral de calidad. Los campos recomendados pueden añadirse cuando la fuente sea fiable y el coste sea razonable, pero no deben retrasar los campos de los que depende realmente el flujo de trabajo.

Este enfoque también facilita la selección de proveedores. En lugar de preguntarte qué plataforma tiene más campos, puedes preguntarte qué método cubre de forma fiable los campos que son importantes para tu caso de uso.

• Vincula cada campo a una decisión o a un flujo de trabajo
• Define los campos obligatorios y opcionales antes de que comience el enriquecimiento
• Establece una regla de origen para cada campo crítico
• Establece las normas de formato y verificación antes de comenzar el trabajo en masa
• Evita incluir campos simplemente porque estén disponibles

Cómo evaluar la calidad del enriquecimiento

La cobertura es útil, pero no basta. La calidad de los datos debe evaluarse a nivel de campo y en función del uso previsto. Las dimensiones de calidad de datos de IBM, ampliamente utilizadas, incluyen la precisión, la exhaustividad, la coherencia, la actualidad, la validez y la unicidad. Estas dimensiones se adaptan bien al enriquecimiento de datos, ya que obligan a los equipos a preguntarse algo más que si una celda está rellenada.

La exhaustividad comprueba si se incluyen los valores necesarios. La exactitud comprueba si dichos valores reflejan la realidad. La actualidad comprueba si los datos están lo suficientemente actualizados para el caso de uso. La validez comprueba si el valor cumple con una regla de formato o de valores permitidos. La coherencia comprueba si los registros y sistemas relacionados coinciden. La unicidad ayuda a controlar los duplicados que pueden distorsionar el alcance, la elaboración de informes y la lógica del flujo de trabajo.

En los ámbitos de contacto de gran repercusión, la trazabilidad y la verificación de las fuentes también son importantes. Si no se puede confirmar con certeza un cargo o una dirección de correo electrónico profesional, el registro no debe tratarse de la misma manera que uno verificado. La incertidumbre es un dato más, no algo que haya que ocultar.

• Integridad: se han introducido todos los valores obligatorios
• Precisión: los valores coinciden con una referencia fiable
• Actualidad: la información está lo suficientemente actualizada para la tarea
• Validez: los valores cumplen con los formatos y las normas establecidos
• Coherencia: los sistemas y campos relacionados concuerdan entre sí
• Unicidad: se controla la existencia de registros duplicados

¿Herramienta, investigación propia o socio de enriquecimiento?

Las herramientas de enriquecimiento de autoservicio resultan eficaces cuando el segmento objetivo es amplio, los campos obligatorios son comunes y los datos obtenidos requieren poca intervención humana. HubSpot, por ejemplo, permite el enriquecimiento automático, continuo, individual y masivo de registros de CRM que cumplan los requisitos, lo que demuestra cómo el enriquecimiento puede formar parte de un flujo de trabajo continuo del sistema, en lugar de ser un proyecto puntual.

La investigación interna puede resultar conveniente cuando el proyecto es de pequeña envergadura, de carácter estratégico o depende de conocimientos internos. La contrapartida es la capacidad, ya que los empleados cualificados siguen teniendo que investigar, comprobar, estandarizar y documentar cada campo.

Un colaborador humano resulta más útil cuando los criterios son específicos, las fuentes discrepan, hay que aplicar criterio en determinados ámbitos o el resultado debe ajustarse a un esquema personalizado. El valor reside en la labor de investigación y control de calidad que rodea a los datos.

Cuándo el enriquecimiento genera el mayor valor

El enriquecimiento funciona mejor cuando los datos iniciales son lo suficientemente fiables como para identificar el registro correcto, pero lo suficientemente incompletos como para limitar la acción. Un archivo CRM que contenga empresas conocidas pero en el que falten datos firmográficos es un buen candidato. Otra opción es una lista de cuentas objetivo con nombres de empresas, pero sin los responsables de la toma de decisiones actuales. Un catálogo de productos con direcciones de correo electrónico válidas (SKU) pero en el que falten los atributos de canal también puede beneficiarse del enriquecimiento.

Resulta menos útil cuando los datos iniciales son, en esencia, poco fiables. Si los nombres de las empresas no se identifican con claridad, los identificadores entran en conflicto o no se controla el índice de duplicados, el enriquecimiento puede agravar el problema. En esos casos, primero hay que depurar y limpiar los datos.

La regla práctica es sencilla: hay que comprender el conjunto de datos antes de enriquecerlo. Hay que saber qué falta, por qué es importante, de dónde debe proceder y cómo se verificará el resultado. Eso es lo que convierte el enriquecimiento de una simple adición masiva en datos listos para la toma de decisiones.