---
title: Optimización del data onboarding con data wrangling en Azure
description: El data onboarding es un proceso muy importante para el marketing intelligence. Te contamos cómo se optimiza con data wrangling en Azure.
---

[Blog de Bismart: Últimas Noticias en Datos, IA y Business Intelligence ](https://blog.bismart.com)

# [Optimización del data onboarding con data wrangling en Azure](https://blog.bismart.com/optimizacion-data-onboarding-data-wrangling-en-azure)

 Escrito por [Maria Gorini](https://blog.bismart.com/author/maria-gorini) | 17-mar-2020 11:00:00

El **data onboarding** es un proceso por el cual **datos offline**, como nombres, direcciones de correo, direcciones físicas y números de teléfono, se **transfieren a un entorno online** para poderlos **tratar con business intelligence**. Se usa para **relacionar clientes offline con usuarios online** a partir de la relación de la información conseguida de ambos modos, por lo que es una práctica muy utilizada en el ámbito del **marketing intelligence**.

El onboarding requiere varios procesos, como la **ingesta, anonimización, relación y distribución de datos** y puede mejorar drásticamente la comprensión y la atribución del **marketing multicanal**, **ampliar el tamaño del público objetivo y mejorar el rendimiento de las campañas**.

Al tratar con datos offline, el data onboarding requiere un paso muy importante, que es el de lograr que los datos generados por canales analógicos lleguen a estar en el **formato más adecuado para poder analizarlos** y llevar a cabo las **estrategias de marketing intelligence**. Para conseguirlo, nos servimos del **data wrangling**.

##### ¿Qué es el data wrangling?

El data wrangling es un **proceso de transformación de datos** por el que estos **cambian de formato para que sean más apropiados y valiosos**. Es decir, es la forma de conseguir que los **datos en bruto estén en el formato y condiciones adecuadas para poder utilizarlos para otros procesos**, como **machine learning** o **análisis de datos**.

Algunos usos de este proceso pueden ser la visualización de datos, agregación de datos o entrenamiento de modelos estadísticos o, como comentábamos, el marketing intelligence, entre otros, y los resultados sirven a los arquitectos de datos o a los data scientists para **analizarlos con más profundidad**. Otro uso de los datos tratados de esta forma son los informes que consumen los empresarios o el procesamiento de datos por sistemas que los **almacenan en data warehouses o data lakes**.

Concretamente, algunos beneficios del proceso de data wrangling son proveer a los analistas de **datos precisos y útiles, reducir el tiempo invertido en recopilar y ordenar los datos, permitir que los profesionales se centren únicamente en el análisis y no en otros procesos de transformación de datos y fomentar la toma de decisiones mejores en un tiempo menor**.

##### Data wrangling en Microsoft Azure

Azure permite diseñar, crear y gestionar rápidamente data flows que se **executan a escala con el rendimiento necesario para preparar los datos para análisis**. Las funciones incluidas de data wrangling incluyen gestión de columnas, filtros de fila, añadir y transformar columnas, unir tablas, agrupar, clasificar y reducir filas, entre otras.

Azure permite poner en funcionamiento los **flujos de datos variables como un paso del proceso ETL end-to-end**, utilizando un entorno visual drag and drop. La solución de data wrangling debe fomentar los procesos iterativos de organización, publicación y monitorización a la vez que debe permitir la personalización.

Además, una solución de data wrangling bien integrada con Azure Data Catalog proporciona **linaje de datos y trazabilidad para flujos de trabajo de transformación de datos**, lo cual garantiza el **cumplimiento de leyes y normativas y la auditabilidad de la compañía**.

Por el **ahorro de tiempo que supone, su buena integración y eficiencia**, Azure es la plataforma adecuada para llevar a cabo tus procesos de data wrangling, ya que permite **preparar los datos a escala cloud sin necesidad de escribir código**. Azure ofrece la posibilidad de llevar a cabo estos procesos de forma **self-service**, lo cual reduce la cantidad de recursos necesarios para llevarlos a cabo y **acerca los procesos de ETL a los espacios de BI corporativos**.

 

[Ver post completo](https://blog.bismart.com/optimizacion-data-onboarding-data-wrangling-en-azure)

```json
{
  "@context" : "http://schema.org",
  "@type" : "BlogPosting",
  "author" : {
    "@type" : "Person",
    "name" : "Maria Gorini"
  },
  "dateModified" : "2024-01-25T10:44:11.223Z",
  "datePublished" : "2020-03-17T11:00:00Z",
  "headline" : "Optimización del data onboarding con data wrangling en Azure",
  "image" : {
    "@type" : "ImageObject",
    "height" : 639,
    "url" : "https://blog.bismart.com/hubfs/Bismart%20data%20onboarding%20data%20wrangling%20Azure.jpg",
    "width" : 1067
  },
  "mainEntityOfPage" : "https://blog.bismart.com/optimizacion-data-onboarding-data-wrangling-en-azure",
  "publisher" : {
    "@type" : "Organization",
    "logo" : {
      "@type" : "ImageObject",
      "height" : 60.0,
      "url" : "https://blog.bismart.com/hubfs/bismart-logo.svg",
      "width" : 169.41177
    },
    "name" : "Blog"
  }
}
```