Auditoría de calidad de datos del CRM: mide antes de limpiar

Antes de empezar: elige el trabajo que deben hacer los datos

Imagina un CRM con miles de contactos perfectamente cumplimentados y doce negocios activos sin responsable. Su puntuación global de completitud puede parecer tranquilizadora. El director comercial que intenta asignar esos negocios seguramente no estaría de acuerdo.

La calidad de los datos depende del trabajo. Una dirección de cuenta necesaria para la entrega merece un control diferente de un campo opcional que nadie usa. Comience con una decisión o flujo de trabajo: enrutar consultas entrantes, preparar un pronóstico, entregar a un nuevo cliente o administrar una renovación.

Esta guía funciona con las vistas guardadas de un CRM, una exportación de hoja de cálculo autorizada o una herramienta de consulta que ya utiliza. Necesita ID de registro, definiciones de campo, historial relevante y un responsable de negocio que pueda confirmar cómo son los datos correctos. No necesitas comprar una herramienta de limpieza para empezar.

El Government Data Quality Framework del Reino Unido distingue completitud, unicidad, consistencia, actualidad, validez y exactitud. Usamos esas dimensiones y añadimos una comprobación práctica de relaciones del CRM. La metodología y los ejemplos son recomendaciones nuestras; todas las cifras son ilustrativas.

• Gobierno del Reino Unido: dimensiones de calidad de los datos y idoneidad para el propósito ↗

1. Define los registros elegibles y tome una instantánea

Describe la población de forma que otra persona seleccione los mismos registros. «Negocios» no basta. «Negocios abiertos de nuevos clientes del pipeline de Países Bajos, a las 09:00 Europe/Amsterdam del día de la auditoría, excluyendo registros marcados como prueba» es un punto de partida útil.

Decida si está evaluando una instantánea actual o los registros creados durante un período. Una instantánea responde a lo que está mal ahora. Una cohorte de creación ayuda a evaluar si un proceso sigue introduciendo defectos. Preserve esa distinción a lo largo de la auditoría.

1. Nombra el uso comercial, el objeto CRM, el pipeline o segmento, la marca de tiempo, la zona horaria y las exclusiones. Identifica qué objetos relacionados se necesitan para las comprobaciones.
2. Guarda la selección y un extracto o resultado fechado permitido. Incluye ID de registro estable y los campos necesarios para la auditoría; evite recopilar información personal no relacionada.
3. Cuente identificaciones elegibles distintas. Si las uniones crean varias filas por acuerdo, establezca una fila por acuerdo auditado o cuente ID de acuerdo distintos antes de medir cualquier cosa.
4. Registra los límites de acceso y el historial faltante. Si solo puede ver los registros de un equipo, etiquete el resultado como la población de ese equipo.

2. Convierte "buenos datos" en reglas explícitas

Elige algunos campos o relaciones de los que dependa el flujo de trabajo. Para cada uno, escriba lo que pasa, lo que falla y lo que realmente no es aplicable. Un campo de siguiente acción en blanco puede ser un defecto; un campo lleno de "TBD" aún puede ser inutilizable. De acuerdo en cómo se contarán ambos.

Separa completitud y exactitud. Un importe puede ser numéricamente válido y diferir del contrato firmado. Una fecha plausible puede corresponder al evento equivocado. La comprobación debe indicar qué pregunta responde.

1. Dale a cada control una identificación y una regla de lenguaje sencillo, como DQ-01: las ofertas abiertas elegibles deben tener un responsable activo o una excepción de cola aprobada.
2. Especifique la población elegible para esa regla. Un requisito de asociación para los acuerdos de la empresa puede no aplicarse a una proceso de venta a consumidores diferente.
3. Escribe el predicado de defecto: responsable ausente, responsable inactivo, valor fuera del rango aceptado o asociación requerida ausente. Mantén estas categorías separadas cuando necesiten diferentes correcciones.
4. Haz que el responsable de la empresa confirme la regla y la política de excepciones antes de medir contra ella. Grabe una versión para que los cambios futuros sean visibles.

• Gobierno del Reino Unido: dimensiones de calidad de los datos y idoneidad para el propósito ↗

3. Ejecuta las comprobaciones y muestra la aritmética

Para cada regla, cuente las identificaciones elegibles afectadas y divida por el recuento de todas las identificaciones elegibles. Tasa de defectos = registros elegibles afectados ÷ registros elegibles × 100. Muestra los recuentos junto al porcentaje. Si no hay registros elegibles, informe "no aplicable: cero registros elegibles", no una puntuación perfecta.

Guarda las identificaciones detrás de cada resultado, así como el total. Eso hace posible investigar y luego verificar los mismos registros. Mantén la fecha de medición, la consulta o la definición del filtro, la versión de la regla y cualquier juicio manual junto al resultado.

1. Ejecute cada comprobación contra la población guardada. Trate los valores solo de espacios en blanco y los marcadores de posición acordados de manera consistente; no reemplace silenciosamente las incógnitas por predeterminadas.
2. Almacene un resultado por comprobación con el recuento afectado, el recuento elegible, la tasa de defectos y las identificaciones o la vista que lo produjo.
3. Revisa algunos registros de aprobación y fracaso para confirmar que la regla se comporta según lo previsto. Una consulta puede ser perfectamente repetible y aún así probar el campo incorrecto.
4. Mantén separadas las tasas de cada problema. Para contar registros con al menos un defecto, toma la unión de los identificadores afectados y cuenta cada registro una sola vez.

4. Validar la precisión y revisar candidatos duplicados

Algunos defectos se pueden encontrar en toda la población con un filtro. La precisión a menudo necesita una comparación con una fuente de confianza. Elige la fuente para cada campo con el responsable de su negocio: un contrato firmado para los términos del contrato, por ejemplo, o la información confirmada del cliente para un detalle de contacto.

Utilice una muestra de investigación para comprender un patrón particular. Utilice una muestra aleatoria, o una muestra documentada en grupos relevantes, si el propósito es estimar la tasa de error más amplia. El tamaño apropiado de la muestra depende de la precisión y confianza requeridas; no hay una regla universal de "comprobar 20 registros".

1. Define la fuente de referencia de cada comprobación de exactitud y registra cuándo se verificó. Una base de datos externa no es correcta solo por ser externa.
2. Anota para cada registro revisado si coincide, difiere o no puede verificarse, con sus evidencias. Mantén los no verificables aparte, sin contarlos como correctos.
3. Cree grupos de candidatos duplicados utilizando los identificadores disponibles para esa entidad. Normalice los valores de comparación de manera consistente mientras se conservan los valores originales para su revisión.
4. Compara la identidad, las asociaciones y el modelo de registro previsto de cada candidato. Nombres similares por sí solos no prueban duplicación; varias subsidiarias pueden compartir legítimamente una marca o dominio.
5. Registra el resultado de la revisión y el registro que se conservará solo tras confirmar la identidad. Separa la decisión de fusionar de su ejecución.

5. Rastrear dónde entra cada defecto en el CRM

Agrupo los registros afectados por fuente de creación, fuente de actualización, lote de importación, equipo y tiempo. Compara la tasa de defectos dentro de cada grupo elegible, no solo su número bruto de defectos. La mayor fuente de registros a menudo tendrá el mayor recuento, incluso cuando su proceso es relativamente confiable.

Luego trace los ejemplos hasta su origen. Se puede solicitar un campo obligatorio antes de que exista la información. Una integración puede asignar la opción equivocada. Un equipo puede registrar actividad en otro sistema. Estas causas requieren diferentes reparaciones, incluso si cada una aparece como la misma celda en blanco.

1. Desglose la línea de base por fuente o cohorte relevante utilizando la misma regla. Conserva el denominador de cada grupo.
2. Examina el historial de los registros afectados y compáralos con registros que superan la comprobación de la misma fuente. Busca el evento o cambio de configuración que explique la diferencia.
3. Pídale a la persona que está haciendo el trabajo que muestre la ruta real de creación o actualización. Comprueba si la regla se puede satisfacer razonablemente en ese momento.
4. Escribe la posible causa, la evidencia que la respalde, una explicación alternativa y la siguiente verificación. Promoverlo a confirmado solo cuando la evidencia respalde esa conclusión.

6. Elige qué arreglar y defina la corrección

Prioriza según la decisión o el proceso que se interrumpe. Las consultas activas sin responsable pueden bloquear trabajo hoy. Fechas contractuales incorrectas alteran la planificación de renovaciones. Los problemas históricos de formato pueden esperar, salvo que una integración o informe activo dependa de ellos.

Separa la corrección de los registros del cambio del proceso de entrada. Arreglar 12 registros y arreglar la regla que creó esos 12 registros son tareas diferentes. Ambos necesitan un responsable, y el orden correcto depende de la urgencia y de la causa confirmada.

1. Para cada problema, registre el trabajo afectado, el recuento, la consecuencia, la confianza, la urgencia, las dependencias y el esfuerzo. Deje las estimaciones de pérdida de ingresos no respaldadas fuera del argumento de prioridad.
2. Define cómo se obtendrá el valor correcto. Utilice una fuente verificada o una revisión del responsable; no fabrique valores plausibles para mejorar el porcentaje de integridad.
3. Especifique el tratamiento de excepciones e incógnitas. Una excepción legítima debe permanecer explícita y revisable en lugar de desaparecer a través de un filtro oculto.
4. Elige el lote de reparación más pequeño que se pueda revisar y comprobar. Para los duplicados, decida cómo se manejarán las asociaciones, el historial y los sistemas posteriores antes de fusionar.

• HubSpot: funcionamiento y limitaciones de la fusión de registros ↗

7. Pruebe la reparación y vuelva a ejecutar las comprobaciones originales

Empieza con un subconjunto revisado y guarda los valores anteriores y posteriores. Comprueba que la corrección resuelve también el problema de negocio. Asignar un responsable sin acceso puede superar un control de campo no vacío y dejar bloqueado el traspaso.

Compara la misma versión de población y regla antes y después de la reparación. Informar explícitamente de los cambios a la población. Si llegan nuevos registros limpios, un porcentaje de caída por sí solo no puede mostrar que se haya corregido ningún defecto original.

1. Definir los resultados esperados y las opciones de recuperación. Pruebe el caso normal, una excepción válida, un registro ya correcto y una actualización repetida en un entorno adecuado.
2. Después de la reparación aprobada, vuelva a ejecutar las comprobaciones de referencia en los ID de registro originales. Realice un seguimiento de los registros reparados, no resueltos, eliminados y recién afectados por separado.
3. Comprueba los flujos de trabajo dependientes, las asociaciones y los informes para ver si hay efectos inesperados. Confirme que los valores corregidos siguen siendo correctos después de la próxima sincronización o actualización relevante.
4. Ejecute la misma comprobación en una nueva cohorte de registros para evaluar la prevención. Registra su propio numerador, denominador y período de observación.

8. Haz que los controles sean parte de la rutina de trabajo

Mantén las reglas que protegen el trabajo importante y déles un hogar. Un panel de control solo es útil si alguien sabe qué hacer cuando cambia. Vincular la revisión al flujo de trabajo: comprobaciones de importación después de una importación, comprobaciones de enrutamiento en torno a nuevas consultas y comprobaciones de contrato antes de un ciclo de planificación de renovación.

Acuerda los umbrales según las necesidades y consecuencias del proceso. Una meta general como «95 % limpio» puede ocultar un defecto grave en un grupo pequeño e importante. Si cambian las definiciones, conserva el resultado anterior y explica por qué el siguiente no es directamente comparable.

1. Asigna un responsable de negocio para cada regla y un responsable técnico para el control. Registra dónde se pueden encontrar los resultados y las identificaciones afectadas.
2. Establece la frecuencia, el umbral, la política de excepciones y la respuesta. Especifica quién investiga, quién aprueba una corrección y cuándo se escalan los problemas no resueltos.
3. Realice un seguimiento tanto de la acumulación actual como de los nuevos defectos por fuente. Esto muestra si el equipo está limpiando el historial o creando continuamente el mismo problema.
4. Revisa las reglas cuando cambie el proceso de ventas, la integración o el modelo de datos. Elimine los controles que ya no protegen un uso real y documente los cambios en los activos.