Higienización, limpieza o saneamiento de datos: ¿cuál es la diferencia?
Los nombres son casi sinónimos; lo que cambia es el alcance. Una tabla de entregables para saber qué incluye la higienización o el saneamiento de datos.
Higienización, limpieza y saneamiento de datos son, en el uso del mercado, casi lo mismo. Lo que cambia de una propuesta a otra es el alcance que hay detrás del nombre: qué datos maestros entran, qué reglas se aplican, qué se entrega y cómo se demuestra la entrega. Antes de comparar precio o plazo, convierta la palabra en una lista de entregables que se puedan verificar.
Una escena habitual en el área de datos maestros: llegan dos propuestas la misma semana. Una se llama "higienización de la base de clientes", la otra "saneamiento de datos maestros". Precios distintos, plazos distintos, y alguien de la dirección pregunta por qué pagar más por el mismo servicio.
Quizá no sea el mismo servicio. Una puede tratar solo clientes y validar el identificador fiscal. La otra puede incluir materiales, estandarización de descripciones y carga de vuelta en el ERP. Por el nombre no se sabe. Por la lista de entregables, sí.
¿Qué significa cada palabra?
Este artículo nace en Brasil, donde el mercado usa tres palabras en portugués para este trabajo: "higienização", "limpeza" y "saneamento" de registros. En español, los equivalentes más cercanos son higienización, limpieza, depuración y saneamiento de datos. Las palabras brasileñas tienen matices distintos, y el diccionario Michaelis, un diccionario brasileño de portugués, los muestra con claridad. Traducido de sus entradas:
- Sanear: entre otras acepciones, "reparar o disminuir desvíos o irregularidades" y "poner fin a fallas, irregularidades o excesos". En sentido jurídico, "librar un proceso de nulidades, vicios o defectos".
- Higienizar: "volver higiénico o saludable" y "utilizar prácticas de limpieza con el objetivo de prevenir o evitar la propagación de enfermedades".
- Limpiar: en la acepción informática, "eliminar datos innecesarios o desactualizados de un archivo o disco".
Hasta aquí, el diccionario. Ahora nuestra lectura: limpiar tira hacia eliminar; higienizar tira hacia dejar los datos en condición sana y evitar que el problema se propague; sanear tira hacia corregir irregularidades. En el mercado de datos maestros, las tres se volvieron casi sinónimos.
Es lo que dice la página de saneamiento de datos de 4MDG, que trata como el mismo trabajo el saneamiento de datos, la limpieza de datos y la depuración de datos, y distingue dentro de él la higienización (corregir y estandarizar lo que está fuera de patrón), la deduplicación y el enriquecimiento. La calidad de datos es el resultado medido; el saneamiento es el proyecto.
¿Por qué el mismo nombre esconde alcances distintos?
Porque cada área, cada proveedor y cada proyecto interno usa la palabra para la parte del problema que necesita resolver en ese momento. Tres ejemplos públicos muestran la variación.
En Brasil, CERC publicó en 2023 un comunicado sobre arreglos de pago cuyo título se traduce, más o menos, como "Higienización en la base de datos". Allí, higienizar significaba dejar fuera de un flujo de envío los registros inactivos desde hacía más de 90 días, que pasaron a extraerse solo a pedido al soporte. Nada de corregir ni estandarizar: higienización como retirar inactivos de un flujo.
En un trabajo de 2006 de la Oficina del Censo de Estados Unidos (U.S. Census Bureau), el investigador William E. Winkler describe la vinculación de registros (record linkage), que combina información de archivos distintos para reconocer la misma entidad, y anota que también se la llama data cleaning. Incluso en la literatura técnica, "limpieza" puede significar, ante todo, encontrar registros que son lo mismo.
En el otro extremo, el marco de calidad de datos del gobierno británico (Government Data Quality Framework) afirma que "Data quality is more than just data cleaning": la calidad de datos es más que la limpieza. Define la calidad como adecuación al uso y recomienda tratar los problemas en el origen, con monitoreo continuo.
Tres usos legítimos, tres alcances. Ninguno está mal. El riesgo es firmar uno creyendo que se compró el otro.
Lea también: la diferencia entre saneamiento de datos y gobernanza de datos.
¿Qué puede estar (o no) dentro del alcance?
La tabla siguiente sirve para evaluar la propuesta de un proveedor y para armar un proyecto interno. En cada fila, la pregunta cierra el alcance, la tercera columna dice cómo verificar la entrega y la última muestra la señal de que eso quedó afuera.
| Entregable | Pregunta que cierra el alcance | Cómo verificar la entrega | Señal de que quedó afuera |
|---|---|---|---|
| Diagnóstico con línea de base | ¿Cuál es el estado de los datos antes de empezar, medido con reglas escritas? | Informe con las reglas aplicadas y el resultado por regla y por dominio | La propuesta promete "mejorar la calidad" sin decir desde dónde parte |
| Estandarización de formato | ¿Qué campos tendrán formato estándar (identificador fiscal, código postal, teléfono, unidad de medida)? | Lista de campos con la regla de formato y una muestra de antes y después | Solo aparece "corrección de direcciones", sin lista de campos |
| Estándar descriptivo para materiales (PDM) o servicios (PDS) | ¿Las descripciones seguirán un estándar por clase, con descripción corta y larga generadas por regla? | Estándares documentados por clase y descripciones generadas a partir de ellos | Descripciones "revisadas" a mano, sin estándar escrito |
| Clasificación y revisión de NCM, NBS, CEST y UNSPSC | ¿Cuáles de esos códigos se completarán o revisarán, en qué ítems, y quién decide el código final? | Campo completado con la evidencia usada y la aprobación registrada del área fiscal de la empresa | Nadie del área fiscal aparece en el flujo de aprobación |
| Deduplicación | ¿Qué regla dice que dos registros son el mismo, y cuál sobrevive? | Reglas de similitud y de supervivencia escritas, y lista de grupos con el golden record elegido | "Eliminación de duplicados" sin regla de qué registro queda |
| Validación en fuente oficial | ¿En qué fuentes oficiales se verificarán los datos (CNPJ, situación registral, inscripción estatal)? | Fuente, fecha de consulta y resultado guardados por registro | "Validación" sin fecha ni fuente |
| Enriquecimiento | ¿Qué campos vacíos se completarán, y con qué fuente? | Campo por campo, el origen de cada valor nuevo | Enriquecimiento mencionado sin lista de campos ni de fuentes |
| Tratamiento de inactivos | ¿Los registros sin uso se bloquearán, inactivarán o eliminarán? ¿Quién aprueba? | Lista de registros afectados, acción aplicada e historial preservado | La palabra "limpieza" aparece sin decir si se borrará algo |
| Dominios incluidos | ¿Qué datos maestros entran: materiales, servicios, productos, clientes, proveedores? ¿Personas físicas y jurídicas? | Dominios listados en el alcance, con el recorte de cada uno | La propuesta habla solo de "la base de datos" |
| Carga de vuelta en el ERP | ¿Cómo vuelven los datos al ERP, y quién prueba antes y después de la carga? | Plan de carga, prueba en ambiente separado y aceptación de quienes usan los datos | La entrega final es una planilla |
| Registro de cada cambio | ¿Cada cambio tendrá valor anterior, valor nuevo, fuente, aprobador y fecha? | Historial consultable por registro | Nadie puede decir por qué cambió un campo |
| Regla en la entrada | ¿Qué impide que los datos se ensucien de nuevo después del proyecto? | Reglas de validación y flujo de aprobación activos para los registros nuevos | El proyecto termina en la carga, sin nada para los próximos registros |
| Medición posterior | ¿Se medirán los datos otra vez con las mismas reglas del diagnóstico? | Informe de antes y después con la misma vara | El resultado se presenta con una métrica distinta de la línea de base |
Sobre los códigos: NCM, NBS y CEST son códigos brasileños. NCM es la clasificación de mercancías del Mercosur usada en Brasil, NBS es la nomenclatura brasileña de servicios y CEST identifica mercancías sujetas al régimen de sustitución tributaria. UNSPSC es una clasificación internacional de productos y servicios. CNPJ es el registro tributario de empresas en Brasil. En esta tabla son atributos de datos maestros a clasificar o revisar. La decisión sobre el código corresponde al área fiscal de la empresa, y este artículo no trata reglas tributarias.
La fila de estándar descriptivo suele ser la que más separa un alcance de otro en materiales y servicios. Si está dentro, conviene entender cómo funciona un PDM de materiales o un PDS de servicios antes de aprobar.
Para el detalle campo por campo de materiales, el checklist de saneamiento del maestro de materiales complementa esta tabla. Para la línea de base y la medición posterior, vea cómo medir la calidad de los datos maestros.
¿Y los otros nombres: deduplicación, enriquecimiento, depuración, data cleansing?
Esos nombres suelen apuntar a una fila o a un grupo de filas de la tabla, no a la tabla entera.
- Deduplicación: unificar registros repetidos en un golden record, con puntaje de similitud y regla de supervivencia. En materiales es donde más aparece el problema; las señales están en cómo identificar materiales duplicados.
- Enriquecimiento: completar campos vacíos con fuentes confiables.
- Actualización de registros y validación masiva de identificadores fiscales: nombres habituales cuando el trabajo es sobre clientes y proveedores, con foco en verificar datos ante la Receita Federal de Brasil, inscripción estatal, dirección y código postal.
- Depuración de datos, data cleansing, data cleaning, data scrubbing: otros nombres para el mismo campo. En inglés, scrubbing suele indicar corrección y estandarización, y cleansing, el proceso completo. Como muestra el ejemplo del Census Bureau, el nombre solo tampoco cierra el alcance en inglés.
¿Cómo funciona la tabla en un caso?
Ejemplo hipotético. Una empresa industrial recibe dos propuestas. La primera, llamada "higienización de datos", valida el identificador fiscal y la situación registral de los clientes y estandariza dirección y código postal. La segunda, llamada "saneamiento de datos", trata materiales con estándar descriptivo PDM, deduplicación con regla de supervivencia y carga de vuelta en el ERP, pero no toca clientes.
El equipo pone las dos propuestas lado a lado en la tabla y marca cada fila como dentro, fuera o no informado. Descubre tres cosas. El problema que motivó el proyecto, compras repetidas de ítems que ya existen con otro nombre, solo lo atacaría la segunda. La validación de proveedores, que está trabando pagos, no estaba en ninguna. Y ninguna preveía regla en la entrada ni medición posterior con la misma vara.
El alcance final toma partes de cada propuesta y agrega lo que faltaba. El nombre del proyecto quedó en segundo plano.
Por dónde empezar
1. Escriba el problema antes que el nombre
¿Qué motivó el proyecto? Compras equivocadas, facturas rechazadas, proveedores con pagos trabados, informes que no cuadran. Anote en qué dominio aparece.
2. Elija un recorte y mídalo
Empiece donde el problema pesa más. La curva ABC ayuda a priorizar por dónde empezar el saneamiento. Mida la línea de base con reglas escritas.
3. Recorra la tabla fila por fila
Para cada entregable, marque dentro, fuera o próxima fase. Lo que quede fuera tiene que estar escrito como fuera, no olvidado.
4. Pida el alcance por escrito
Sea para un proveedor o para el equipo interno, pida la respuesta en las mismas filas. Compare propuestas por la tabla, no por el título.
5. Acuerde la aceptación
Defina quién prueba la carga en el ERP, cómo se registrará cada cambio y cuándo se volverán a medir los datos. Para materiales, la guía de saneamiento del maestro de materiales muestra el trabajo ítem por ítem; para la visión general del servicio, vea la página de saneamiento de datos.
Preguntas frecuentes
¿Higienización y saneamiento de datos son lo mismo?
En el uso del mercado, son prácticamente sinónimos. Cuando hay matiz, saneamiento suele abarcar el proceso completo e higienización enfatiza la corrección y la estandarización. Como cada propuesta pone cosas distintas detrás del nombre, lo que define el trabajo es la lista de entregables.
¿La limpieza de datos borra registros?
Depende del alcance acordado. En muchos casos, los registros sin uso se bloquean o inactivan, preservando el historial, en lugar de eliminarse. Si la propuesta usa la palabra "limpieza", pregunte por escrito qué pasa con los inactivos, quién aprueba y dónde queda el historial.
¿La higienización de datos de clientes sirve para materiales?
En general, no. Clientes y proveedores necesitan validación en fuentes oficiales, como identificador fiscal, situación registral e inscripción estatal en Brasil. Los materiales necesitan estándar descriptivo, unidad de medida, clasificación y deduplicación. Verifique en la tabla qué dominios están incluidos.
¿De qué dependen el plazo y el costo?
De los dominios incluidos, del tamaño del recorte, de cuántas filas de la tabla están dentro del alcance, del estado de los datos en la línea de base y de quién aprueba los cambios del lado de la empresa. Dos propuestas con el mismo nombre y alcances distintos no se pueden comparar solo por precio.
¿Cómo pido el alcance por escrito?
Envíe la tabla de este artículo y pida que cada fila venga marcada como incluida, excluida u opcional, junto con la forma de verificar la entrega. Lo mismo vale para un proyecto interno: el equipo responde en las mismas filas antes de empezar.
Cómo 4MDG puede ayudar
4MDG realiza saneamiento de datos maestros de materiales, servicios, clientes y proveedores: estándar descriptivo PDM y PDS, clasificación NCM y UNSPSC, deduplicación hasta el golden record, validación en fuentes públicas, integración nativa con SAP y reglas en la entrada para que los datos no se vuelvan a ensuciar. Para materiales, el punto de partida es el saneamiento del maestro de materiales. Si quiere ver su propio alcance en la tabla con datos reales, solicite el diagnóstico sobre un recorte de su base, sin instalar nada, o escríbanos desde la página de contacto.
Contenido informativo. Las definiciones provienen de un diccionario brasileño y el uso de los términos refleja el mercado; no sustituye un contrato, una propuesta formal ni orientación fiscal sobre los códigos NCM, NBS o CEST, que se aplican en Brasil.
Fuentes
- Michaelis, Dicionário Brasileiro da Língua Portuguesa (Editora Melhoramentos), entrada "sanear" (en portugués): https://michaelis.uol.com.br/moderno-portugues/busca/portugues-brasileiro/sanear/. Consultado el 12 de noviembre de 2026.
- Michaelis, Dicionário Brasileiro da Língua Portuguesa (Editora Melhoramentos), entrada "higienizar" (en portugués): https://michaelis.uol.com.br/moderno-portugues/busca/portugues-brasileiro/higienizar/. Consultado el 12 de noviembre de 2026.
- Michaelis, Dicionário Brasileiro da Língua Portuguesa (Editora Melhoramentos), entrada "limpar" (en portugués): https://michaelis.uol.com.br/moderno-portugues/busca/portugues-brasileiro/limpar/. Consultado el 12 de noviembre de 2026.
- CERC, "Arranjos de Pagamento: Higienização na base de dados" (en portugués, 2023): https://cerc.com/wp-content/uploads/2023/08/Arranjos-de-Pagamento_-Higienizacao-na-base-de-dados.pdf. Consultado el 12 de noviembre de 2026.
- Gobierno del Reino Unido, "The Government Data Quality Framework": https://www.gov.uk/government/publications/the-government-data-quality-framework/the-government-data-quality-framework. Consultado el 12 de noviembre de 2026.
- U.S. Census Bureau, William E. Winkler, "Overview of Record Linkage and Current Research Directions" (2006): https://www.census.gov/library/working-papers/2006/adrm/rrs2006-02.html. Consultado el 12 de noviembre de 2026.
- 4MDG, "Saneamiento de datos": https://4mdg.com.br/es/saneamiento-de-datos. Consultado el 12 de noviembre de 2026.