Recurre a varias fuentes para aprovechar sus puntos fuertes complementarios
Una fuente puede ser fiable para la identidad jurídica, otra para la situación actual, otra para las personas y otra para las señales tecnológicas. Combinarlas puede ofrecer una visión más completa de la cuenta que la que proporciona cualquiera de ellas por separado.
El objetivo de la triangulación no es que cada fuente se pronuncie sobre todos los aspectos, sino utilizar las diferentes pruebas allí donde cada una de ellas resulte más sólida y contrastar las conclusiones importantes con información independiente cuando sea pertinente.
Definir la titularidad de los campos antes de iniciar la investigación
Crea un plan de fuentes en el que se indique qué tipo de fuente es la preferida para cada campo. Por ejemplo, el registro puede ser la fuente de referencia para la condición jurídica de la entidad, la página web de la empresa puede serlo para las descripciones de los productos, y puede ser preferible un perfil profesional actualizado para la verificación del cargo.
La propiedad de los campos evita que los investigadores elijan el primer valor que encuentren y mejora la coherencia dentro del equipo.
Normaliza las entidades antes de combinar los registros
Las distintas fuentes pueden escribir los nombres de las empresas de forma diferente, utilizar dominios alternativos, enumerar las filiales por separado o asociar datos de contacto a las empresas matrices. Identifica la entidad antes de fusionar los atributos.
Los identificadores estables, como el dominio canónico, el número de registro, el ID de vendedor en el mercado online u otro identificador específico de la fuente, pueden reducir las fusiones accidentales y los registros duplicados.
Crear reglas de conflicto explícitas
Cuando las fuentes no coincidan, utiliza una jerarquía de reglas en lugar de tomar decisiones sobre la marcha. Ten en cuenta la fiabilidad de la fuente, su carácter directo, la fecha y hora, la definición de las medidas y si una fuente se limita a repetir lo que dice otra.
Algunos conflictos no deben resolverse automáticamente. Es preferible recurrir a una cola de revisión antes que sobrescribir un campo de gran importancia con un valor incierto.
Registra la procedencia a nivel de campo cuando sea necesario
Un mismo registro puede contener campos procedentes de varias fuentes. Si el proyecto es de gran valor o es probable que se actualice, almacena la URL de la fuente, el tipo de fuente, la fecha y el nivel de confianza junto a los campos importantes o en columnas de procedencia vinculadas.
Esto facilita mucho las futuras actualizaciones, ya que los investigadores pueden volver a examinar las pruebas concretas en lugar de tener que reiniciar la investigación.
Utiliza la triangulación para reforzar las conclusiones, no para adornarlas
Las pruebas independientes resultan más útiles cuando las fuentes presentan diferentes puntos débiles. El hecho de que existan varias copias de la misma afirmación subyacente no la refuerza de manera significativa.
Si varias fuentes verdaderamente independientes coinciden, el grado de confianza puede aumentar. Si discrepan, la propia discrepancia constituye una información útil y debería investigarse, en lugar de descartarse al calcular la media.
Diseñar el control de calidad en torno a los campos de mayor riesgo
No todos los campos merecen el mismo nivel de detalle en la revisión. Centra el control de calidad en los campos que influyen en la segmentación, la fijación de precios, el cumplimiento normativo, el enrutamiento o las decisiones estratégicas. Realiza una revisión por muestreo de los campos de menor riesgo y analiza en profundidad las excepciones o los conflictos.
Un flujo de trabajo sólido basado en múltiples fuentes genera datos más completos que los obtenidos mediante una exportación de una sola fuente, sin dejar de ser explicables, trazables y lo suficientemente coherentes como para su uso empresarial.
Common questions
¿Qué es la investigación empresarial de múltiples fuentes?
Se trata del uso estructurado de múltiples fuentes para crear o verificar un conjunto de datos empresariales, con normas explícitas sobre la selección de fuentes, los conflictos, la procedencia y el control de calidad.
¿El uso de más fuentes mejora siempre la precisión?
No. Las fuentes adicionales solo resultan útiles cuando aportan pruebas independientes y relevantes o constituyen una fuente más sólida para un ámbito concreto.
¿Cómo se deben tratar los datos contradictorios?
Utiliza reglas predefinidas basadas en la autoridad, la actualidad, la inmediatez y las definiciones; a continuación, envía los conflictos de gran impacto que no se hayan resuelto para su revisión.
¿Qué es la procedencia a nivel de campo?
Es un registro del origen de un valor concreto, que suele incluir la URL de origen, el tipo de fuente, la fecha de acceso y el nivel de fiabilidad.
Final thoughts
Los mejores conjuntos de datos empresariales rara vez proceden de una sola fuente. El reto no consiste en recopilar más información, sino en combinar fuentes sin crear entidades duplicadas, campos contradictorios o una confianza errónea. La investigación basada en múltiples fuentes requiere normas explícitas sobre qué aporta cada fuente y qué ocurre cuando estas discrepan.
Need help improving your business data?
DataDabble can research, clean, enrich, and maintain the records your team depends on.
