¿Cómo se limpian los registros duplicados acumulados durante años?

Cuando una lista de clientes o un catálogo de productos se usa durante años, el mismo registro vuelve a introducirse por distintas personas en distintos momentos. «ABC S.L.», «A.B.C. Sociedad Limitada», «Abc SL» y «ABC SOCIEDAD LIMITADA» son la misma empresa, pero para el sistema son cuatro clientes distintos. Como resultado, los informes cuentan al mismo cliente varias veces, el historial de ventas se divide en trozos y a la misma empresa le llegan dos presupuestos distintos. En este artículo explicamos cómo se limpia una lista así paso a paso y de forma reversible.

¿Por qué aparecen registros duplicados?

La mayoría de las causas parecen inocentes por separado. No se busca antes de dar de alta un registro, o la búsqueda no encuentra el antiguo por una diferencia de escritura. Una persona usa abreviaturas y otra escribe la razón social completa. Las tildes a veces se escriben y a veces no. Se juntan listas de dos sistemas distintos y nadie las cruza. En una carga masiva desde Excel se sube dos veces el mismo archivo. Con los años estas pequeñas diferencias se acumulan y la lista parece mucho más poblada de lo que es.

Paso 1: Definir la regla de coincidencia

Conviene dejar por escrito desde el principio en qué se basará la decisión de que dos registros son iguales. El criterio más fiable es un identificador que no cambia: el NIF, el código de producto o la dirección de correo. Si ese campo está relleno en todos los registros, la coincidencia se resuelve casi sola.

Si no existe ese campo o está incompleto, hay que fijarse en la similitud del nombre. Para ello primero se eliminan las diferencias de escritura: mayúsculas y minúsculas, signos de puntuación, espacios y sufijos como «S.L.», «S.A.» o «Ltda.» se igualan antes de comparar. Después, los nombres parecidos se confirman con un segundo dato como el teléfono, la ciudad o la dirección. Fiarse solo del parecido del nombre es arriesgado: dos empresas o dos personas diferentes pueden llamarse igual.

Paso 2: Decidir qué registro queda en cada grupo

Los registros que resultan ser iguales forman un grupo. En cada grupo un registro queda como «registro principal» y los demás se fusionan con él. Para elegir basta una regla sencilla: el registro con más operaciones vinculadas, el actualizado más recientemente o el más completo. El teléfono o la dirección que falten en el principal pueden completarse con los otros.

Lo que hay que vigilar es que no se pierda el historial vinculado al duplicado. Si los pedidos antiguos, las facturas o la correspondencia de un cliente están ligados al registro que se va a borrar, primero deben trasladarse al registro principal. De lo contrario, la limpieza simplifica la lista pero también borra el historial.

Paso 3: Pedir aprobación antes de borrar

Por muy bien que se defina la coincidencia, algunos registros quedan dudosos. Por eso la limpieza se hace en dos fases. Primero, la herramienta o una persona prepara una lista de propuestas con los registros que se fusionarán. Las coincidencias seguras pueden aprobarse en bloque; las dudosas las revisa una a una la persona que mejor conoce la lista. La fusión se hace después de la aprobación.

Este paso puede parecer lento, pero es el que de verdad ahorra tiempo. En lugar de revisar miles de registros uno por uno, solo se miran los pocos cientos sobre los que no hay certeza.

Paso 4: Preparar el camino de vuelta

Antes de empezar hay que hacer una copia de seguridad completa de la lista. En cada fusión debe anotarse en un informe qué registro se unió a cuál y qué campo cambió. Así, si unas semanas después alguien dice «estas dos empresas en realidad eran distintas», se puede deshacer solo esa fusión sin repetir toda la limpieza.

La herramienta que ordena de esta manera los registros acumulados durante años se describe en la página limpieza de registros duplicados: encuentra registros parecidos, propone cuál debe quedar, los fusiona en bloque tras la aprobación y resume todos los cambios en un único informe.

¿Cómo se mantiene el orden después?

Una lista limpiada una vez vuelve a ensuciarse en pocos meses si no se fija una regla de entrada. Un aviso que indique si ya existe un registro parecido al dar de alta uno nuevo, campos obligatorios y una única regla de escritura lo evitan en gran medida. Si se hacen cargas masivas, deben comprobarse con la misma regla antes de subirlas; lo tratamos en el artículo cargar una lista de Excel en bloque.

Aspectos a tener en cuenta

La limpieza de duplicados suele ser el primer paso de un proyecto de automatización; una herramienta construida sobre datos desordenados multiplica los errores más rápido. Por eso la limpieza debe planificarse como un trabajo aparte y responder de antemano a estas preguntas: ¿En qué campos nos fijaremos para decidir que dos registros son iguales? ¿Qué registro queda en cada grupo? ¿Quién aprueba las coincidencias dudosas? ¿Dónde está la copia de seguridad y cómo se deshace una fusión? Explicamos por qué los datos frenan la automatización en el artículo por qué fracasan los proyectos de automatización.

Preguntas frecuentes

¿Cómo se encuentran los registros duplicados?

Primero se busca un campo que no cambia, como el NIF, el código de producto o el correo. Si no existe, se comparan los nombres tras eliminar mayúsculas, puntuación y sufijos societarios, y los registros parecidos se confirman con un segundo dato como teléfono, ciudad o dirección.

¿Hay que borrar los duplicados directamente?

No. Primero se prepara una lista de propuestas de fusión, se revisan las coincidencias dudosas y el historial del registro que se va a borrar se traslada al principal. Antes de la limpieza se hace una copia de seguridad completa.

¿Se puede recuperar un registro fusionado por error?

Si cada fusión se anota en un informe indicando qué registro se unió a cuál, se puede deshacer solo esa fusión. Por eso la copia de seguridad y el informe de cambios deben prepararse antes de empezar.