¿Cómo depurar una base de datos?

Al depurar una base de datos se debe explorar, corregir y eliminar registros de datos erróneos de una tabla o lista de contactos. Este proceso permite identificar datos incompletos, incorrectos, inexactos, no pertinentes, etc.

Identificar los datos claves que se van a usar en su lista de contacto que se adapten correctamente a los objetivos de negocio y eliminar la data que no se corresponda con el proceso.
Validar el origen de los datos. El hecho de validar el origen de los datos nos ayudará a dar prioridad a posibles actividades de migración, sincronización o integración.
Realizar una auditoría de datos actuales: verificar por ejemplo: contactos con email , sin email, email erróneo, sin celular, con celular, información repetida.
Definir procesos de actualización/depuración de datos que nos permitan enriquecer y depurar los datos que se van a utilizar.
Utilizar herramientas (software) para depurar.
Realizar un Backup de la data antes de proceder a depurar.

¿Cuáles son las etapas del proceso de calidad de datos en listas de contacto?

1 – Análisis y modelo de datos

El modelado de datos es una parte integral de la capacidad de cualquier organización para analizar y extraer valor de sus datos. El equipo de calidad de datos se debe encargar de crear y estructurar de manera óptima las tablas de la base de datos para responder preguntas y necesidades de negocio, preparando el escenario para el mejor análisis de datos posible. Al exponer los datos más relevantes, se facilita además la segmentación para promover los procesos de marketing, cobranzas, ventas y operaciones. El equipo de calidad de datos debe monitorear continuamente la evolución de las prioridades comerciales de la empresa para adaptar la lógica del modelo de datos a los objetivos del negocio y realizar las pruebas necesarias para asegurarse de que los cambios sean robustos.



Ejemplo de Análisis y modelo de datos

Conozca el servicio administrado de calidad de datos para automatizaciones de procesos horizontales de DANAConnect

2 – De-duplicación de datos

El equipo de calidad de datos debe garantizar que todas las entradas en la base de datos sean únicas, manteniendo así la consistencia de los datos.

3 – Formateo de datos

Para el formateo de los datos se hacen correcciones formales en los textos de los campos de la base de datos en donde se regularizan mayúsculas y minúsculas para ciertos campos, formatos de números de teléfono, fechas, eliminación de espacios en blanco innecesarios, etc.

4 – Estandarización de datos

Se crean patrones y referencias de datos para mantener estándares y hacer posibles las comparaciones y las operaciones lógicas



Ejemplo de estandarización de datos

5 – Actualización de datos

Se diseñan la manera de captar la data faltante a través de flujos automatizados y para solicitar la información por canales alternativos.


Ejemplo de uso de un canal alternativo para captar la data de contacto. Se usa sms para captar el email en este caso

Vea información sobre automatizaciones y workflows por el canal SMS

6 – Enriquecimiento de Datos

En este punto se aumentan y enriquecen los datos existentes del cliente con datos obtenidos en línea desde la información pública del cliente en todas las redes sociales y a través geolocalización.


Ejemplo de Enriquecimiento de Datos en calidad de data

7 – Recepción de datos

Para garantizar la continuidad de la calidad de los datos se diseñan y ponen en marcha esquemas adecuados y efectivos para la captación de información del cliente a través de APIs integrándola con los sistemas core y otros aplicativos.




Conozca las API para automatización de procesos transaccionales de DANAConnect

8 – Reportes

Se obtienen reportes periódicos de contactabilidad y preferencias de recepción de los clientes para ser capaz de personalizar los canales de envío de acuerdo al canal más pertinente y de mayor visualización.


Ejemplo de reporte de contactabilidad al optimizar la data de sus bases de datos

Errores más frecuentes en una Base de Datos

Errores de tipeo en Nombres, Apellidos, Cargos, Direcciones, etc.
Información inexacta o errónea: fechas vencidas, códigos vencidos, etc.
Errores de tipeo en emails. Ejem: en vez de Gmail se encuentra Gnail
Mas de un numero de teléfono por campo 1112233/34
Direcciones de email obsoletas.
Más de un email por campo concatenado con coma o slash: correo@correo.com; correo2@correo.com
Información no perteneciente a un campo en cuestión.
Registros duplicados.

Descargue el PDF del Proceso de Calidad y Optimización de Datos

Actualizado el: 30/11/2021