Especialización en Analítica y Ciencia de Datos · 2026
Enriquecimiento automatizado de cuentas en salesforce mediante entity resolution con fuentes oficiales colombianas
Este trabajo desarrolla un sistema de enriquecimiento masivo de cuentas en Salesforce para mejorar la calidad de datos críticos (NIT, CIIU e industria/sector) mediante técnicas de Entity Resolution con fuentes oficiales colombianas. Se construyó un corpus unificado de 30,375 empresas únicas a partir de Supersociedades (pymes y plenas) y una base complementaria de las 10.000 empresas más grandes del país, aplicando normalización de NIT y razones sociales. El enriquecimiento sigue un flujo bifurcado: (i) lookup exacto por NIT cuando está disponible y (ii) matching por similitud de nombre usando TF-IDF con n-gramas de caracteres y similitud coseno. En una prueba real sobre 10.246 cuentas únicas (Cuentas totales IAC), el sistema actualizó 2,164 cuentas (21.1%) con alta confianza: 870 por NIT exacto y 1,294 por TF-IDF automático (umbral 0,85). Del total actualizado, la fuente 10k (10 mil empresas más grandes del país, aportado por datos.gov.co) aportó la mayor cobertura (1,591, 73.5%), seguida por pymes (530, 24.5%) y plenas (43, 2.0%). Adicionalmente, 957 cuentas (9.3%) recibieron industria sugerida donde Salesforce estaba vacío, y 750 (7.3%) mostraron discrepancia frente a la industria sugerida, quedando como candidatas a corrección. En TF-IDF automático (n=1294), el score promedio fue 0.9762 (mín=0.8500, máx=1.0000); 1012 casos tuvieron score=1.0.