Entity Resolution (ER) es el proceso automático de identificar cuándo diferentes fragmentos de información
desordenada, incompleta o escrita de formas distintas se refieren a la misma entidad del mundo real
(una persona, un producto, una empresa, una dirección, etc.).
🧩 ¿CÓMO FUNCIONA?
📄 Registro A
Juan Pérez
📄 Registro B
J. Perez
⭐ ALGORITMO ER
Fonética · Distancia · Normalización
📄 Registro C
Juan Carlos Perez
⭐ REGISTRO MAESTRO ÚNICO: Juan Carlos Perez ⭐
🔍 ¿Cómo funciona en este proyecto?
Este proyecto implementa un sistema completo de Entity Resolution con:
- 1. Bloqueo (Blocking): Agrupa registros similares (ej: misma primera letra, misma ciudad)
- 2. Normalización: Limpia y estandariza los datos (mayúsculas, quita guiones)
- 3. Comparación Fonética: Usa Soundex/Metaphone para detectar nombres que suenan igual
- 4. Distancia de Texto: Usa Levenshtein/Jaro-Winkler para medir similitud
- 5. Match Score: Calcula un puntaje de confianza (0-100%)
- 6. Golden Record: Crea un registro maestro único con la MEJOR información
📊 Resultado en este proyecto
📄 10 Raw Records
Datos originales
⭐ 5 Golden Records
Clientes reales
✅ 100% Precisión
Sin duplicados
🏢 ¿Dónde se usa en la vida real?
🏦 Banca y Finanzas
Unificar clientes con cuentas en diferentes productos (tarjetas, créditos, hipotecas)
Santander · Banco Estado · BBVA
🛒 Retail
Unificar compradores en tienda física, web y app
Falabella · Ripley · Walmart
🏥 Salud
Unificar historias clínicas del mismo paciente en diferentes hospitales
Clínicas · Isapres · Hospitales
📱 Telecomunicaciones
Unificar clientes con múltiples servicios (móvil, internet, televisión)
Entel · Movistar · Claro
📦 Logística
Unificar direcciones de entrega del mismo cliente
Chilexpress · DHL · Correos
🏛️ Gobierno
Unificar cédulas, pasaportes y licencias de conducir
Registro Civil · SII · Fonasa
💡 ¿Cómo se aplicaría en otros proyectos?
📋 CRM - Clientes
HECHO: Unificar clientes duplicados
DIMENSIONES: Nombre, Email, Teléfono, RUT
Pregunta: ¿Juan Pérez y J. Pérez son la misma persona?
📦 Inventario - Productos
HECHO: Unificar productos duplicados
DIMENSIONES: Código, Nombre, Marca, Categoría
Pregunta: ¿"Laptop Pro" y "Laptop Pro 2024" son el mismo producto?
🏢 Empresas - Proveedores
HECHO: Unificar proveedores duplicados
DIMENSIONES: RUT, Razón Social, Dirección
Pregunta: ¿"Importadora ABC" y "Imp. ABC Ltda" son la misma empresa?
📊 Finanzas - Transacciones
HECHO: Unificar transacciones duplicadas
DIMENSIONES: Fecha, Monto, Origen, Destino
Pregunta: ¿Dos transferencias por $50,000 son la misma?
🎯 Beneficios de Entity Resolution
- ✅ Reduce duplicados hasta en un 50%
- ✅ Ahorra dinero en marketing (envíos duplicados)
- ✅ Mejora la toma de decisiones con datos confiables
- ✅ Detecta fraudes identificando identidades duplicadas
- ✅ Automatiza procesos manuales de limpieza de datos
- ✅ Cumple con regulaciones (GDPR, KYC, etc.)
✅ Este sistema es un prototipo funcional del mismo modelo que usan
🏢 Santander · Walmart · Google · Mercado Libre · Falabella · Entel