Cómo unificar valores duplicados sin combinar filas

Para unificar los valores de un campo sin combinar filas, busque los registros que pertenecen a una misma entidad, elija un valor para el campo de destino y cópielo en todo el grupo. En Datablist, utilice Custom with AI en Duplicates Finder e indíquele expresamente que debe conservar todos los registros.

Le recomiendo agrupar los registros de empresas mediante un identificador fiable, como su sitio web, antes de estandarizar sus nombres. Un nombre parecido no basta para demostrar que dos empresas sean la misma entidad. Mantener las filas separadas conserva sus IDs y datos de origen, pero un grupo incorrecto puede hacer que se les asigne un nombre equivocado.

En esta guía aprenderá a normalizar valores de campos específicos en grupos de duplicados sin alterar los registros individuales:

• ¿Qué es la normalización de datos?
• AI Processing en Duplicates Finder
• Cómo normalizar datos duplicados paso a paso

¿Qué es la normalización de datos?

En este contexto, normalizar datos significa darles un formato coherente. Al trabajar con duplicados, es habitual encontrar diferencias en determinados campos. Por ejemplo:

• Nombres de empresas: "Tech Solutions Inc.", "Tech Solutions, LLC", "Tech Solutions"
• Puestos de trabajo: "Ingeniero de software", "Desarrollador de software", "Ing. de software"
• Direcciones: "C/ Mayor, 123", "Calle Mayor 123", "calle mayor, 123"
• Países: "EE. UU.", "Estados Unidos", "EUA"

El objetivo de la normalización es elegir un único valor estándar —como "Tech Solutions" o "Estados Unidos"— y aplicarlo al campo correspondiente en todos los registros identificados como duplicados.

De este modo, sus datos quedan más limpios, resultan más fáciles de analizar y ofrecen mayor fiabilidad al filtrar información o generar informes, aunque los registros duplicados permanezcan separados. Es un paso fundamental de la limpieza de datos.

AI Processing en Duplicates Finder

Duplicates Finder de Datablist ya es una herramienta eficaz para identificar registros similares. Además de ofrecer opciones avanzadas para combinar duplicados de forma automática o manual, el modo AI Processing aporta aún más flexibilidad.

En lugar de utilizar reglas de combinación predefinidas, AI Processing le permite definir la lógica mediante un prompt en lenguaje natural. Puede indicar a la IA exactamente cómo debe gestionar los duplicados. Por ejemplo:

• Seleccionar un registro maestro según criterios específicos (por ejemplo, el actualizado más recientemente).
• Combinar determinados campos y mantener separados los demás.
• Realizar cálculos durante la combinación, como sumar valores.
• 👉 Y, lo más importante para esta guía: actualizar un campo concreto en todos los duplicados con un único valor normalizado, sin combinar los registros.

Así, una tarea compleja que normalmente exigiría programar la manipulación de datos se convierte en una sencilla conversación con nuestra IA.

Cómo normalizar datos duplicados paso a paso

Veamos cómo utilizar AI Processing para normalizar un campo —por ejemplo, el nombre de la empresa— en varios registros duplicados.

Paso 1: Prepare sus datos

Primero, debe cargar sus datos en Datablist.

1. Cree una colección: Haga clic en el botón "+" de la barra lateral para crear una colección.

2. Importe los datos: Importe sus datos desde un archivo CSV o Excel. Si proceden de varios archivos, impórtelos en la misma colección. Datablist le guiará para vincular las columnas con las propiedades. Asegúrese de importar correctamente tanto el campo que desea normalizar —por ejemplo, Company Name— como los campos que utilizará para identificar duplicados —por ejemplo, Email o Website—.

En estos datos de ejemplo ya se observan varios nombres de empresa duplicados que deben normalizarse.

Paso 2: Encuentre los duplicados

Ahora debe identificar los registros duplicados.

2.a. Abra Duplicates Finder

Abra Clean > Merge duplicates.

2.b. Elija los identificadores para detectar duplicados

Seleccione la propiedad —o las propiedades— que permita identificar un duplicado de forma inequívoca.

Utilice un sitio web o ID de empresa compartido siempre que disponga de él. Si solo tiene nombres, siga la guía para encontrar nombres de empresa duplicados y revise cada grupo antes de normalizarlo. Dos nombres parecidos o con sufijos legales distintos pueden pertenecer a entidades diferentes.

Para empresas, también puede utilizar Website URL o LinkedIn Company Page URL.

Para contactos, Email y Phone Number son opciones habituales.

2.c. Configure el algoritmo

En el siguiente paso, elija el algoritmo de coincidencia.

'Smart' suele funcionar bien con URLs o emails, ya que contempla pequeñas variaciones. 'Exact' aplica un criterio más estricto. Para nombres, también puede utilizar coincidencias fonéticas o difusas.

Seleccione asimismo el Processor adecuado para sus datos.

En este caso, selecciono el Processor Company Name para gestionar variaciones específicas en nombres de empresas, como sufijos societarios o términos geográficos.

2.c. Ejecute la comprobación

Haga clic en Run duplicates check.

Datablist analizará sus datos y mostrará grupos de posibles duplicados.

Paso 3: Seleccione el modo AI Processing

Seleccione Custom with AI en la página de resultados de duplicados. Las capturas antiguas que aparecen a continuación muestran la etiqueta anterior, AI Editing. Este modo genera un script a partir de sus instrucciones y de una pequeña muestra de registros y, después, ofrece una vista previa de los cambios.

Paso 4: Escriba el prompt de normalización

Aquí debe explicar a la IA qué quiere que haga. Indíquele que debe:

1. Identificar el valor más frecuente de la propiedad de destino dentro de cada grupo de duplicados.
2. Actualizar todos los registros del grupo para utilizar ese valor común en la propiedad indicada.
3. Especificar expresamente que no debe eliminar ningún registro.

Este es un ejemplo de prompt para normalizar la propiedad /Company Name:

Desglose del prompt:

• Normaliza la propiedad /CompanyName...: Indica el campo de destino. Utilice /NombrePropiedad o {{NombrePropiedad}} para hacer referencia a sus columnas.
• ...cuenta los valores no vacíos utilizando coincidencias de texto exactas.: Define cómo elegir el valor estándar. Los campos vacíos no pueden ser el valor ganador y los grupos con empate se dejan pendientes de revisión. También puede aplicar otros criterios, como "el valor más largo", "el valor más corto" o incluso tomar como referencia otro campo —por ejemplo, "utiliza el valor del registro que tenga la fecha /UpdatedAt más reciente"—.
• Omite el grupo si todos los valores de /CompanyName ya son iguales.: Evita procesamiento innecesario.
• No elimines ningún registro.: Esta instrucción es fundamental para que solo se actualicen los campos y no se combinen ni eliminen registros.

Paso 5: Genere el script y revise la vista previa

Haga clic en Generate and preview changes. La IA de Datablist interpretará su prompt y generará un script para realizar la acción.

No se preocupe: no necesita escribir ni editar ningún script.

• Explicación del script: Un resumen en lenguaje sencillo de lo que hará el script. Compruebe que coincida con su intención.
• Vista previa de resultados: Una tabla que muestra exactamente cómo modificará el script una muestra de sus grupos de duplicados antes de aplicar ningún cambio. Revise en la vista previa el campo de destino —por ejemplo, /Company Name— y asegúrese de que todos los duplicados de la muestra tengan el valor normalizado previsto.

Por ejemplo, un grupo que contenga Acme Ltd, Acme Ltd y Acme Limited debe conservar tres filas, todas con Acme Ltd. Un grupo con un único Acme Ltd y un único Acme Limited debe permanecer sin cambios, porque ninguno de los valores es más frecuente. Son comprobaciones ilustrativas para la vista previa, no resultados medidos.

Compruebe tanto los valores como el número de filas. Confirme que los campos vacíos solo se rellenen cuando haya un ganador claro, que los grupos con empate no cambien y que se conserven los IDs de origen y las propiedades no relacionadas.

Paso 6: Ejecute el script

Si la explicación y la vista previa son correctas, haga clic en Run AI rules. Datablist ejecutará el script generado en todos los grupos de duplicados identificados.

Paso 7: Revise los cambios

Cuando finalice el script, Datablist mostrará un resumen y una Changes List descargable.

Esto resulta útil si necesita reproducir los cambios en un sistema externo, por ejemplo, para editar leads en su CRM.

Vuelva a la vista principal de su colección. Verá que el campo de destino —por ejemplo, /CompanyName— ahora es coherente en todos los registros de cada grupo de duplicados, mientras que los registros siguen separados.

Ya ha normalizado correctamente un campo en varios duplicados sin combinarlos. 🚀

Casos de uso de la normalización sin combinar registros

¿Cuándo conviene normalizar un campo en lugar de combinar por completo los registros?

• Estandarizar nombres de empresas o contactos: Corrija variaciones como "Ejemplo Ltd.", "Ejemplo Limited", "Juan García" o "Juan A. García" en los duplicados antes de decidir la estrategia de combinación definitiva.
• Limpiar puestos de trabajo: Unifique cargos como "VP de Marketing", "Vicepresidente de Marketing" o "Marketing VP" para obtener informes y análisis coherentes.
• Normalizar ubicaciones: Mantenga nombres de países coherentes —"RU" o "Reino Unido"— y uniformice abreviaturas territoriales —"BCN" o "Barcelona"— en registros de direcciones duplicados.
• Preparar una importación o actualización en el CRM: Estandarice los campos clave antes de importar datos en un CRM con reglas de validación estrictas, aunque conserve temporalmente los duplicados.
• Auditar datos: Conserve los registros duplicados originales para auditorías o seguimiento histórico, pero estandarice los identificadores clave para facilitar el análisis.
• Realizar una limpieza progresiva: Normalice un campo cada vez como parte de un proceso más amplio de limpieza de datos, antes de combinar o eliminar definitivamente los registros.

¿Por qué normalizar en vez de combinar?

• Conserva el nivel de detalle de los registros: Mantiene intactos los registros duplicados individuales, algo que puede ser necesario para rastrear su procedencia, interacciones concretas o datos históricos asociados a cada uno.
• Permite gestionar la incertidumbre: Resulta útil cuando los duplicados no coinciden por completo. Normalizar un campo clave aporta coherencia sin forzar una combinación potencialmente incorrecta de registros cuyos demás datos difieren.
• Facilita un enfoque por etapas: Permite controlar mejor el proceso de limpieza. Primero puede normalizar y, después, revisar los datos y decidir si conviene combinar o eliminar registros.
• Es una acción sencilla y precisa: Se centra en un único campo para darle coherencia, sin afectar al resto de los datos de los registros duplicados.

Conclusión

Empiece con un grupo verificado, defina la regla para elegir el valor y revise la vista previa. Después de ejecutar el script, confirme que el número de filas no haya cambiado y compruebe los grupos omitidos por presentar empates. Así podrá exportar nombres coherentes y, al mismo tiempo, mantener separados todos los registros de origen.

FAQ

1. ¿AI Processing está incluido en mi plan de Datablist? AI Processing, incluida la generación y ejecución de scripts de normalización, está disponible en los planes de pago de Datablist. Consulte nuestra página de precios para obtener más información.

2. ¿Puedo normalizar varios campos con un solo prompt? Sí. Puede redactar un prompt para normalizar varios campos a la vez. Por ejemplo: "Normaliza la propiedad /Company Name utilizando el valor más frecuente de cada grupo. Normaliza la propiedad /Country utilizando el valor más frecuente de cada grupo. No elimines ningún registro".

3. ¿Qué ocurre si la IA interpreta mal mi prompt? Revise siempre con atención la explicación del script y la vista previa de los resultados antes de ejecutarlo. Si el resultado no es correcto, reformule el prompt para que sea más claro y específico y vuelva a generar el script.

4. ¿Puedo deshacer los cambios realizados por el script de IA? Una vez ejecutado el script, los cambios se aplican directamente. Aunque Datablist cuenta con una función para deshacer acciones recientes dentro de la sesión, le recomendamos clonar la colección antes de realizar transformaciones importantes. Así podrá recuperar la versión anterior si fuera necesario.

5. ¿En qué se diferencia de la opción estándar de combinación "Combine conflicting properties"? La opción estándar "Combine" combina los registros duplicados en un único registro maestro y concatena en un solo campo los valores de texto que entran en conflicto. Con el prompt adecuado, AI Processing actualiza el campo en todos los registros duplicados con un único valor seleccionado y mantiene separados todos los registros. No combina registros ni concatena valores, salvo que se le indique expresamente.