Un cliente tiene dos teléfonos distintos en dos herramientas; una hoja muestra un pedido entregado y otra todavía lo marca pendiente. Copiar un dato de un lugar a otro no resuelve por sí solo la diferencia. Primero hay que saber cuál representa la información válida, quién puede corregirla y cómo se detectan los errores.

Define la fuente de referencia por campo

No siempre existe un único sistema que sea dueño de todos los datos. La información de contacto puede actualizarse en un CRM, mientras el estado de un pago depende del proveedor que lo procesa. Para cada dato relevante, anota dónde se crea, quién lo mantiene y qué sistema debe consultarse cuando haya una discrepancia.

La fuente de referencia es una decisión de gobierno del proceso, no un permiso para sobrescribir todo. Antes de copiar, revisa si el dato puede ser antiguo, incompleto o corregido en más de un lugar. La documentación de calidad de datos de Google Cloud distingue, entre otras dimensiones, la completitud necesaria para el uso previsto.

Identifica registros sin adivinar

Un nombre no siempre distingue dos personas o empresas. Una misma persona también puede aparecer con abreviaturas o con varios correos. Acuerda identificadores y criterios de coincidencia; cuando no haya certeza, crea una cola de revisión en vez de unir o eliminar registros automáticamente.

Ejemplo hipotético: una empresa tiene dos fichas «Almacén Central». Una es cliente y la otra una sede. Si una regla las fusiona por nombre, los pedidos pueden quedar asociados a la entidad equivocada. Revisar una muestra y conservar las referencias anteriores permite detectar ese tipo de problema antes de propagarlo.

Decide cómo fluyen los cambios

Para cada campo, define dirección y frecuencia: del sistema comercial al operativo, de vuelta o con una revisión antes de actualizar. Especifica qué sucede si el destino rechaza un valor, si una actualización llega tarde o si dos personas modifican el mismo dato.

Guardar un historial de cambios y avisar sobre registros rechazados ayuda a investigar, pero no elimina la necesidad de una persona responsable. La regla de sincronización debe ser comprensible para quienes corrigen la información.

Una ficha de decisión por dato

  • Dato y uso: ¿para qué decisión se necesita?
  • Fuente: ¿dónde se crea y dónde se modifica?
  • Identidad: ¿qué clave conecta los registros?
  • Conflicto: ¿quién resuelve valores incompatibles?
  • Validación: ¿cómo detectar vacíos, duplicados y retrasos?
  • Salida: ¿cómo revertir una sincronización incorrecta?

No todos los problemas requieren una integración automática. Si la cantidad es baja o los criterios de identidad son ambiguos, una revisión humana periódica puede ser más fiable hasta acordar reglas claras.

Revisa qué se propaga

Antes de activar una sincronización, elige una muestra pequeña que incluya casos normales, vacíos y registros que se parecen. Compara el resultado con el origen y registra las decisiones que tuvo que tomar el equipo. Si la regla depende de una limpieza que todavía no se ha realizado, esa dependencia debe figurar en el alcance.

Cuando una corrección deba deshacerse, el equipo necesita saber qué cambió y qué valores se enviaron a otros sistemas. Un registro apropiado y un procedimiento de recuperación ayudan a evitar que una corrección manual se vuelva a sobrescribir en el siguiente intercambio.

Fuentes consultadas

Acordemos cómo se mueve tu información

Cuéntanos dónde se crean y corrigen tus datos y qué diferencias afectan el trabajo.

Hablar sobre mis datos