Deduplicación:
dos fichas, una sola persona.
Encontrar duplicados aunque estén escritos de otra forma: un ejemplo con direcciones de España, dos fichas y por qué son la misma persona.
Gratis cada mes: 50 verificaciones de dirección, 100 fichas para encontrar duplicados y 500 comprobaciones de emails y teléfonos. Solo te pedimos nombre, email y una contraseña, sin tarjeta de crédito: crea tu cuenta gratuita o accede.
Lo que te aporta la deduplicación
Un duplicado es la historia de una persona partida en dos. Reconstruirla tiene cuatro efectos concretos.
Respondes una sola vez, y con conocimiento de causa
Quien responde mira una ficha: si el pedido está registrado en la otra, esa persona no recibe nada, y se da cuenta. Con una sola ficha la confirmación sale siempre, y la comunicación llega una sola vez, con el nombre escrito de una sola manera.
Cada sobre de más es dinero tirado
Un duplicado es una impresión, un sobre y un sello pagados por una persona a la que tu comunicación ya ha llegado. En una campaña de volumen es el gasto más fácil de recortar, sin perder un solo destinatario.
Reconoce a tus mejores clientes
Quien ha comprado tres veces desde una ficha y dos desde la otra aparece en los informes como dos contactos tibios. Al reunir las fichas se ve como lo que es, un cliente fiel, y cambia a quién conviene llamar, a quién reservar un trato distinto, a quién proponer más.
Cifras que por fin cuadran
¿Cuántos clientes tengo de verdad? ¿Cuánto vale de media un contacto? Con una base de datos llena de duplicados cada respuesta está inflada, y las decisiones que se derivan nacen viciadas.
De dónde vienen los duplicados
No son despistes: los duplicados nacen de tres situaciones corrientes, que se repiten en cualquier base de datos destinada a crecer.
Llega el pedido y hay prisa
Quien registra tiene una pila de formularios que despachar (o de recibos, si trabajas en una asociación) y no se para a comprobar si esa persona ya está en la base de datos. Abrir una ficha nueva lleva treinta segundos; buscarla de verdad, entre las variantes del nombre y de la dirección, lleva mucho más tiempo.
La ficha existe, pero la búsqueda no la encuentra
Es el caso más frecuente y el más difícil de evitar: la ficha existe, pero está escrita de un modo apenas distinto de como se busca — «Avenida de la Constitución 1» frente a «Avda. de la Constitución 1». La búsqueda no devuelve nada, y la ficha se vuelve a crear de buena fe.
Se importa una lista entera
Las altas desde la web, una lista recogida en un evento, un archivo de un proveedor: entran en bloque sin contrastarse con la base de datos existente. Ocurre menos que en los otros dos casos, pero cuando ocurre los duplicados entran a cientos.
Los tres se resuelven de la misma manera: una revisión de la base de datos a intervalos regulares, y otra antes de cada campaña importante.
Primero se corrigen las direcciones, después se buscan los duplicados
La comparación palabra por palabra trata Ana y Anita como dos personas y Avda. de la Constitución 1 y Avenida de la Constitución 1 como dos direcciones, cuando son la misma persona y la misma dirección. Por eso trabajamos en dos tiempos: primero arreglamos las dos direcciones — nombre de la calle completo, código postal corregido, municipio correcto — y solo después las comparamos, junto con el nombre, el email y el teléfono. Dos grafías de la misma calle se convierten en la misma calle antes de que empiece la comparación.
El veredicto tiene tres grados — seguro, probable o ambiguo — con el motivo al lado. En el archivo limpio los grupos seguros y probables salen ya unidos en una sola fila. Los ambiguos se quedan enteros y pasan a las filas por revisar: dos personas distintas pueden tener el mismo nombre en el mismo municipio, y ahí decides tú.
Normalización, detección de duplicados, deduplicación, enriquecimiento
Cuatro operaciones distintas, que suelen acabar todas bajo la palabra «limpieza». Distinguirlas sirve, porque una es el presupuesto de la otra.
Normalización de direcciones
Reducir cada dirección a una escritura única y correcta, completando lo que falta: el código postal, la localidad, el nombre de la calle completo.
«Avda. de la Constitución 1» y «Avenida de la Constitución 1» se convierten en la misma línea.
Detección de duplicados
Reconocer que dos fichas son el mismo sujeto aunque estén escritas de forma distinta: «Avda. de la Constitución 1» y «Avenida de la Constitución 1», apellidos y nombre invertidos.
Viene después de la normalización: así la comparación se hace entre direcciones ya escritas en la forma correcta.
Deduplicación
Decidir qué hacer con los duplicados encontrados: qué ficha conservar, qué campos tomar de una y cuáles de la otra.
El registro final toma de cada ficha el mejor campo y anota su procedencia.
Enriquecimiento
Añadir lo que falta o lo que se puede deducir de lo que hay: la fórmula de saludo a partir del nombre, el título, el sufijo del número de portal, el código fiscal.
Datos que tu base de datos ya contiene de forma implícita.
Por qué importa, más allá de la limpieza: quien recibe dos veces la misma carta lo nota, y quien no recibe el agradecimiento porque el donativo estaba registrado en una ficha mientras tú mirabas la otra, lo nota todavía más.
Comparación de duplicados: tú eliges la precisión, nosotros te decimos hasta qué punto estamos seguros
Los grupos de fichas los forma el motor, y para cada uno declara con cuánta certeza. Dos mandos. El nivel mínimo, es decir, cuánto pueden diferir dos fichas y seguir siendo el mismo sujeto: tres valores, desde la web y desde los archivos se usa el predeterminado, desde la API se elige con livello_minimo. Y la precisión, la misma escala de 1 a 5 de la verificación de la dirección, que aquí actúa sobre el apellido: hasta 3 se lee al pie de la letra, en 4 se acercan las fichas con el apellido escrito con o sin espacio («La Pera», «Lapera»), en 5 también las que tienen un apellido que suena igual («Lepera», «La Pera»); estos grupos salen como mucho como ambiguos.
Precisión estricta
Nombre y dirección coinciden tras la normalización. Ningún grupo que tú no hubieras hecho a mano.
El valor predeterminado
Entran las variantes del mismo nombre (Anita y Ana), las abreviaturas y las pequeñas erratas. Es el ajuste con el que se ejecutan la mayoría de los trabajos.
Precisión amplia
También los vínculos débiles: misma dirección y nombres parecidos. Encuentra más, y te toca revisar más.
El veredicto que vuelve con cada grupo — seguro, probable, ambiguo — es nuestra clasificación: dice lo sólido que es el grupo y decide qué pasa en el archivo limpio, donde los seguros y los probables salen unidos y los ambiguos quedan por revisar.
Lo mejor de cada ficha en un solo registro
Tomamos de cada ficha el mejor campo y construimos un registro nuevo: también el email que estaba en una sola de las dos llega al registro que queda.
| Campo | Ficha A | Ficha B | Registro que queda |
|---|---|---|---|
| Nombre y apellidos | Ana García | A. Garcia | Ana García la grafía más completa |
| Dirección | Avda. de la Constitución 1 | Avenida de la Constitución 1 | Avenida de la Constitución 1 de la ficha más completa |
| Código postal y ciudad | 41004 Sevilla | 41004 SEVILLA | 41004 SEVILLA en la forma postal del país |
| — | a.garcia@example.com | a.garcia@example.com solo estaba en B |
Conservando A habrías perdido el email; conservando B, la grafía completa del nombre. El registro fusionado tiene los dos, y en cada campo queda escrito de qué ficha viene: si un día la fusión no te convence, sabes exactamente qué tocar.
Los duplicados que una búsqueda exacta no encuentra
- Anita García=Ana García nombre equivalente
- García Ana=Ana García apellidos y nombre invertidos
- avda. de la constitución 1=Avenida de la Constitución 1 abreviatura desarrollada
- García Ana, avda. de la constitución 1, sevilla=Ana García, Avenida de la Constitución 1, 41004 SEVILLA dirección arreglada antes de la comparación
También reconocemos una errata en el nombre o en los apellidos, y la señalamos como posible error de tecleo.
Los ejemplos usan direcciones de edificios públicos y calles del centro; los nombres, cuando aparecen, son inventados con fines demostrativos: cualquier parecido con personas reales es pura coincidencia.
Preguntas relacionadas
- ¿Cómo se limpia y se corrige una base de datos de clientes?
- ¿Cómo encuentro los duplicados de una base de datos de clientes, aunque estén escritos de forma distinta?
- Excel no encuentra los duplicados: ¿por qué, y qué hacer?
Todas las preguntas, con la respuesta, en Preguntas y respuestas.