¿Qué es el enriquecimiento de datos? Cómo llenar los huecos

Publicado:

18 min de lectura

Acar Diveroli
Autor: Acar Diveroli
Fichas de empresa en cuadrícula: campos vacíos a un lado de una línea de escaneo y llenos al otro; la azul está completa

Un equipo de ventas exporta su CRM y se encuentra con 4.000 cuentas de empresa. La mitad no tiene sector, un tercio indica un sitio web pero no un país, y el mismo tostador de café aparece tres veces con tres grafías distintas. Nadie va a corregir eso a mano, y sin embargo repartir los leads por región o por sector depende justo de esas columnas vacías. Rellenarlas a partir de otras fuentes se llama enriquecimiento de datos (data enrichment).

Este artículo explica la definición, los pasos de un trabajo de enriquecimiento, sus tipos y fuentes principales, por qué el emparejamiento de registros es la parte difícil, cómo medir y actualizar el resultado y qué límites legales aparecen cuando hay personas de por medio.

¿Qué es el enriquecimiento de datos?

El enriquecimiento de datos es el proceso de añadir información a registros que ya tienes vinculándolos con otras fuentes. El registro sigue siendo la misma fila y gana columnas: una lista de nombres de empresa se convierte en una lista con razones sociales, países, sectores y sitios web.

En marketing se le suele llamar «data append» (anexado de datos). Lo que lo diferencia de la simple recopilación de datos es el punto de partida: la recopilación crea registros nuevos y el enriquecimiento completa los existentes, así que cada valor nuevo tiene que caer en la fila correcta. Un registro de empresa ficticio, antes y después:

CampoAntesDespuésFuente
NombreHarborlane CoffeeHarbor Lane Roasters LtdRegistro mercantil
Sitio webharborlane.exampleharborlane.exampleTu CRM
País(vacío)Reino UnidoRegistro mercantil
Sector(vacío)Tostado de caféCódigo de actividad del registro
Vende en línea(vacío)SíSitio web de la empresa
Última revisión(vacío)17/11/2026Trabajo de enriquecimiento

La última fila importa tanto como las demás. Sin una fuente y una fecha, nadie puede saber un año después si un valor sigue siendo cierto.

¿En qué se diferencia el enriquecimiento de la limpieza de datos y del ETL?

La limpieza de datos corrige los valores que ya tienes, el enriquecimiento añade los que te faltan y el ETL es el pipeline que mueve los datos entre sistemas. La limpieza convierte «UK», «U.K.» y «Britain» en un único código de país y elimina las filas duplicadas; el enriquecimiento rellena el país donde el campo estaba vacío. La limpieza va primero, porque un duplicado enriquecido dos veces cuesta el doble y puede acabar con dos respuestas distintas.

El ETL (extracción, transformación, carga) toma datos de una fuente, les da un formato fijo y los escribe en una base de datos. Un trabajo de enriquecimiento suele funcionar como una etapa de ese pipeline; ¿Qué es ETL? recorre uno paso a paso.

¿Cómo funciona el enriquecimiento de datos?

Un trabajo de enriquecimiento vincula cada registro con una fuente externa mediante una clave compartida, copia los campos que necesita y los comprueba. Cinco pasos cubren la mayoría de los trabajos:

  1. Elige la clave. Escoge un valor que tengan ambas partes. Para empresas, las claves más sólidas son los números de registro, los números de IVA y el Legal Entity Identifier (LEI), con el dominio del sitio web como buena segunda opción; para productos, el GTIN impreso bajo el código de barras; para lugares, una dirección postal completa.
  2. Empareja. Busca cada registro por esa clave. Donde no haya clave, empareja por nombre más dirección o país, puntúa a cada candidato y envía los casos dudosos a una persona.
  3. Añade. Agrega solo los campos que vayas a usar, cada uno con su fuente y su fecha de obtención. Tus propios valores verificados se quedan; un valor de terceros solo los sustituye según una regla que hayas dejado por escrito.
  4. Valida. Comprueba los formatos (códigos de país, códigos postales, prefijos telefónicos), verifica que los campos concuerden entre sí y compara a mano una muestra aleatoria con la fuente.
  5. Actualiza. Vuelve a ejecutar el emparejamiento con una frecuencia adecuada a cada campo y anota cuándo se confirmó cada valor por última vez.

¿Cuáles son los principales tipos de enriquecimiento de datos?

Los tipos principales son el enriquecimiento firmográfico, de producto, geográfico y tecnográfico; se diferencian en lo que añaden, de dónde salen los datos y lo rápido que envejecen.

TipoQué añadeFuentes habitualesCambios
FirmográficoRazón social, sector, tamaño, propietarioRegistros, datos LEI, sitios de empresasRara vez o cada año
ProductoEspecificaciones, GTIN, categoría, stockPáginas de fabricantes y minoristasA diario en precio y stock
GeográficoCoordenadas, región, zona horariaGeocodificación, datos de mapas abiertosRara vez
TecnográficoPlataforma del sitio, software de tiendaCódigo fuente público de la páginaCada pocos meses

Los datos firmográficos describen una empresa como los demográficos describen una población: a qué se dedica, qué tamaño tiene, dónde está registrada y quién es su propietario. El enriquecimiento de producto completa las fichas del catálogo, como un feed de proveedor que llega sin dimensiones. El enriquecimiento geográfico convierte una dirección en coordenadas y una región para zonas de entrega y territorios de venta. El enriquecimiento tecnográfico registra el software que hay detrás del sitio web de una empresa; muchas páginas lo nombran en una etiqueta meta generator, que el estándar HTML define justo para eso.

El enriquecimiento de personas o contactos (añadir correos electrónicos, números de teléfono o perfiles sociales a personas con nombre y apellidos) es delicado desde el punto de vista legal, y este artículo no lo trata como método; la sección legal explica por qué.

¿De dónde salen los datos para el enriquecimiento?

Los datos para enriquecer salen de cuatro lugares: tus datos propios, los registros oficiales y los datos abiertos, las páginas web públicas y los conjuntos de datos con licencia. Empieza por el primero y avanza hacia fuera; cada paso que te aleja de tus propios sistemas añade costos y preguntas de licencia.

Los datos propios (first-party data) son los que ya tienes de tus clientes y de tus operaciones. Una dirección de facturación del sistema financiero suele rellenar el campo de país vacío del CRM.

Los registros oficiales guardan los datos de referencia sobre las empresas. Companies House, el registro mercantil del Reino Unido, ofrece por ejemplo una instantánea mensual gratuita con los datos básicos de las empresas activas. Para las empresas que tienen un Legal Entity Identifier, un código de 20 caracteres definido por la norma ISO 17442 que se usa sobre todo en operaciones financieras, GLEIF publica los datos LEI con licencia CC0 y emite archivos completos tres veces al día. Los datos estructurados de Wikidata también son CC0.

Los datos abiertos vienen con condiciones. Los datos de OpenStreetMap están bajo la Open Database License (ODbL), que exige mencionar a OpenStreetMap y, si distribuyes algo construido con esos datos, aplicar la misma licencia al resultado, como explica su página de derechos de autor. Su servicio público de geocodificación, Nominatim, permite como máximo una solicitud por segundo y desaconseja la geocodificación masiva, así que las listas grandes de direcciones necesitan un geocodificador propio o uno de pago.

Las páginas web públicas cubren lo que los registros no guardan: qué vende una empresa, dónde están sus tiendas, qué productos ofrece y a qué precio. Muchos sitios de empresas publican además marcado de schema.org, un bloque pensado para máquinas que puede incluir un legalName, una dirección, un número de IVA o un leiCode. Público no significa libre de reglas: respeta las condiciones del sitio y su robots.txt, mantén baja la frecuencia de solicitudes y toma datos concretos, no descripciones ni fotos, que siguen protegidas por los derechos de autor de su titular.

Los proveedores de datos venden conjuntos de datos ya preparados. Ahorran tiempo, pero heredas sus métodos de recopilación, así que pregunta cómo se obtuvo cada campo, en qué condiciones y con qué frecuencia se actualiza: las mismas preguntas que los compradores de datos alternativos hacen a sus proveedores.

¿Por qué el emparejamiento es la parte más difícil del enriquecimiento?

El emparejamiento es la parte más difícil porque una misma empresa o un mismo producto rara vez se ve igual en dos fuentes, y un emparejamiento erróneo hace más daño que ninguno. Un campo vacío se ve vacío; un campo relleno con los datos de otra empresa parece correcto.

  • Variantes del nombre. «Harbor Lane Roasters Ltd», «Harborlane Coffee» y una abreviatura en una factura pueden ser la misma empresa; los sufijos societarios, la puntuación y la transliteración añaden más variantes.
  • Mismo nombre, otra empresa. Dos firmas llamadas Atlas Logistics en dos países solo comparten el nombre, y un emparejamiento solo por nombre las fusiona.
  • Sucursales y grupos. Una sucursal, su sede central y la empresa matriz son registros distintos; los datos LEI los mantienen separados y anotan quién es propietario de quién.
  • Duplicados en tus propios datos. Deduplica, es decir, fusiona los registros que describen lo mismo, antes de enriquecer.
  • Cambios con el tiempo. Las empresas cambian de nombre, se mudan, se fusionan y cierran, así que el emparejamiento correcto del año pasado puede apuntar hoy a una sociedad disuelta.

La regla práctica: empareja por un identificador siempre que exista, acepta coincidencias por nombre y dirección solo por encima de un umbral de confianza y mantén una cola de revisión para los casos intermedios.

¿Cómo se mide la calidad de los datos enriquecidos?

Los datos enriquecidos se miden con unas pocas proporciones sencillas: cuántos registros se emparejaron, cuántos campos se rellenaron y cuántos de los valores rellenados son correctos y están al día. El Gobierno del Reino Unido recomienda seis dimensiones de calidad de datos definidas por DAMA UK, una asociación de gestión de datos: completitud, unicidad, consistencia, actualidad, validez y exactitud. Cada una se explica en un breve artículo de GOV.UK. En un trabajo de enriquecimiento se convierten en comprobaciones concretas:

  • Tasa de coincidencia (match rate): la proporción de registros vinculados a un registro de la fuente; una tasa baja apunta a claves débiles o a una fuente que no cubre tu mercado.
  • Tasa de llenado (completitud): la proporción de filas en las que un campo ya no está vacío.
  • Exactitud: la proporción de valores correctos en una muestra aleatoria revisada a mano.
  • Validez y consistencia: valores en el formato esperado y campos que concuerdan entre sí; un código postal del Reino Unido junto a un prefijo telefónico alemán merece una revisión.
  • Unicidad y actualidad: los duplicados que quedan tras el emparejamiento y la antigüedad de cada valor desde su última confirmación.

Informa siempre de la exactitud junto a la tasa de llenado: un trabajo que rellena casi todos los campos pero se equivoca en muchos ha empeorado los datos.

¿Cómo se mantienen actualizados los datos enriquecidos?

Los datos enriquecidos se mantienen al día anotando de dónde y cuándo llegó cada valor y volviendo a comprobar cada campo con la frecuencia con la que cambia. Una razón social puede durar décadas, una dirección años, el número de empleados meses, y un precio o un nivel de stock, horas.

Guarda una fuente y una fecha de «última confirmación» por valor, no por registro. Usa los archivos de cambios que ofrezca una fuente en lugar de volver a descargarlo todo; GLEIF, por ejemplo, publica archivos delta solo con los cambios de las últimas 8 horas, del último día, de la última semana o del último mes. Y vuelve a comprobar cuando aparezcan señales: un sitio web de empresa que ahora redirige a otro dominio suele indicar una adquisición, y el estado «disuelta» en el registro mercantil debería impedir que se siga usando esa ficha.

Enriquecer datos de empresas y productos es, en general, legal; con los datos de personas, la legislación de protección de datos se aplica por completo. Una dirección registrada o un código de actividad no suelen ser datos personales, pero el nombre comercial de un empresario individual, un contacto con nombre y apellidos o una dirección de correo personal sí lo son.

Con el RGPD de la UE, añadir datos sobre una persona procedentes de otra fuente requiere una base jurídica. El artículo 14 añade una obligación que afecta a muchos proyectos de enriquecimiento: cuando los datos personales no se han obtenido del propio interesado, debes informarle, en un plazo razonable y como máximo en un mes, de qué fuente proceden y de si esa fuente era de acceso público (texto del RGPD en EUR-Lex). Combinar datos para evaluar a una persona es elaboración de perfiles según el artículo 4, apartado 4, y las personas pueden oponerse en cualquier momento a la mercadotecnia directa, incluida la elaboración de perfiles relacionada con ella.

La autoridad de protección de datos de Türkiye (KVKK) señaló algo parecido en un comunicado público del 21 de julio de 2026: los datos obtenidos de terceros no constituyen por sí solos una base jurídica para el marketing, las personas deben ser informadas en un plazo razonable y el consentimiento explícito es un paso aparte. Cómo reducir los campos personales y proteger el resto se explica en Cómo tratar datos personales (PII) en datos de scraping.

Los derechos sobre los datos son otra cuestión: las licencias abiertas ponen condiciones a la reutilización, y el contrato de un proveedor decide qué puedes hacer con los campos que compraste.

¿Dónde encajan los proxies en el enriquecimiento de datos?

Los proxies importan cuando los datos web públicos que necesitas cambian según el país. Un fabricante tiene un sitio distinto para cada mercado con una gama diferente, un minorista muestra precios y stock según el país del visitante y un localizador de tiendas solo muestra las sucursales cercanas. Si se recopilan desde una sola oficina, todos los registros reciben la versión del país de esa oficina.

Los Proxies residenciales permiten que cada solicitud salga desde una conexión doméstica del país al que pertenecen los datos, o incluso de su ciudad, a un ritmo que el sitio pueda soportar sin problemas. Los proxies no cambian lo que puedes recopilar: las condiciones del sitio, el robots.txt y las reglas anteriores siguen vigentes.

Los equipos que prefieran no encargarse de la recopilación pueden usar la extracción gestionada de páginas de nuestra Web Scraping API, disponible a través de nuestro equipo de ventas.

¿Dónde se usa el enriquecimiento de datos?

  • Ventas y CRM: rellenar sector, tamaño y país para que los leads lleguen al equipo adecuado.
  • Marketing B2B: segmentos por sector o tamaño de empresa en lugar de suposiciones a partir de un nombre.
  • Catálogos de e-commerce: completar los feeds de proveedores con dimensiones y GTIN de las páginas de los fabricantes.
  • Verificación de proveedores y clientes: confirmar que una empresa existe, dónde está registrada y quién es su propietario.
  • Logística: convertir direcciones en coordenadas para zonas de entrega y rutas.
  • Investigación de mercado: mapear por región las gamas, las redes de tiendas y los precios de la competencia.

Errores comunes

  • Enriquecer antes de deduplicar. Los duplicados se enriquecen dos veces y acaban divergiendo.
  • Sobrescribir tus propios datos verificados. Una dirección que el cliente confirmó vale más que la suposición de un tercero.
  • No guardar fuente ni fecha por valor. Más adelante nadie puede saber qué está vigente.
  • Aceptar cualquier coincidencia aproximada. Sin umbral ni cola de revisión, se cuelan fusiones erróneas.
  • Comprar campos que nadie usa. Cada uno cuesta dinero, hay que actualizarlo y, si se refiere a personas, añade riesgo legal.
  • Tratar el enriquecimiento como un proyecto puntual. Los datos empiezan a envejecer el mismo día en que se añaden.
  • Recopilar datos regionales desde un solo país. Los precios y las listas de sucursales salen mal para todos los demás mercados.

Guía de decisión

NecesidadRecomendación
Razón social, sector y dirección de empresasUsa el registro; empareja por su número o por el LEI
Comprobar que un socio comercial existeConsulta del registro o del LEI; guarda la fecha
Coordenadas para direccionesGeocodifica dentro de la licencia del mapa y de los límites de solicitudes
Especificaciones de producto que faltanPáginas del fabricante, emparejadas por GTIN
Precios o stock por paísRecopila desde ese país a un ritmo bajo
Datos de contacto de personasPrimero base jurídica e información; consulta a tu DPD
Unos cientos de registros, una vezLa búsqueda manual puede ganar a las herramientas
Miles de registros, cada mesAutomatiza; guarda fuente y fecha por valor

Preguntas frecuentes

¿Qué significa enriquecimiento de datos?

Enriquecimiento de datos significa completar registros existentes añadiendo información de otras fuentes. Una lista de nombres de empresa se convierte en una lista con razones sociales, países, sectores y sitios web; los registros siguen siendo los mismos y ganan campos.

¿Qué es el enriquecimiento de datos en un CRM?

En un CRM, el enriquecimiento de datos rellena los campos que faltan en cuentas y leads, como sector, tamaño de la empresa, país y sitio web, emparejando las fichas con registros oficiales, sitios web o un proveedor de datos. Muchos CRM lo ofrecen de forma nativa o mediante una integración. Empareja con claves fiables, guarda la fuente y la fecha, y revisa qué datos personales añade la función.

¿Cuál es un ejemplo de enriquecimiento de datos?

Un minorista recibe un feed de proveedor con nombres de productos y precios, pero sin dimensiones. Emparejar cada producto con la página del fabricante añade el GTIN, el tamaño, el peso y el material. Convertir las direcciones de los clientes en coordenadas para zonas de entrega es otro ejemplo.

¿Necesito una herramienta o un servicio de enriquecimiento de datos?

No siempre. Para unos cientos de registros, una hoja de cálculo y el registro oficial correspondiente suelen bastar. Para miles de registros que se actualizan cada mes, una herramienta, un proveedor de datos o un servicio gestionado de recopilación ahorran tiempo; valora cada opción por su tasa de coincidencia, la exactitud de una muestra, el método de recopilación y la frecuencia de actualización.

Enriquecer datos de empresas no suele plantear problemas. Enriquecer datos sobre personas requiere una base jurídica, y el artículo 14 obliga a decirles en el plazo de un mes de dónde salieron sus datos; consulta a tu delegado de protección de datos antes de empezar.

¿Cada cuánto hay que actualizar los datos enriquecidos?

Actualiza cada campo con la frecuencia con la que cambia: los datos registrales cada año o cuando el registro comunique un cambio, las direcciones y el tamaño de la empresa cada pocos meses, y los precios y el stock a diario o más a menudo. Una fecha de «última confirmación» por valor hace que ese calendario se pueda cumplir.

En resumen

El enriquecimiento de datos añade lo que falta a los registros que ya tienes: razones sociales y sectores a las empresas, especificaciones a los productos, coordenadas a las direcciones, software a los sitios web. Todo trabajo sigue los mismos cinco pasos, y su calidad depende más del emparejamiento y de la actualidad que del número de campos añadidos. Empieza por tus propios datos y los registros oficiales, lee cada licencia de datos abiertos, no toques los datos de personas sin una base jurídica y recopila los datos web regionales desde la región que describen; nuestros proxies para investigación de mercado están pensados para ese tipo de recopilación.