Prospección B2B · 13 min · 9 de agosto de 2026

Calidad de datos en el CRM B2B: cómo medirla y mantenerla en 2026

Un comercial abre el CRM un lunes por la mañana y empieza a llamar por la lista que le ha tocado. La primera persona cambió de empresa hace catorce meses. La segunda aparece dos veces, con dos propietarios distintos y dos historiales que se contradicen. La tercera tiene el teléfono de la centralita general y ningún cargo anotado. A la cuarta ya la llamó un compañero la semana pasada, aunque en la ficha no consta. De cuatro intentos, ninguno era una oportunidad real, y sin embargo los cuatro figuran como actividad en el informe del viernes. La calidad de datos del CRM no es un asunto de sistemas: es lo que decide a quién llama tu equipo cada mañana y qué previsión firmas cada trimestre.

Qué es la calidad de datos en un CRM y qué no es

La calidad de datos es el grado en que la información almacenada representa la realidad que dice representar y sirve para la decisión que se va a tomar con ella. Esa segunda parte es la que se olvida. Un dato no es «bueno» en abstracto: es suficiente o insuficiente para un uso concreto. El nombre de una empresa basta para enviar un boletín y no basta para decidir si esa cuenta entra en un plan de cuentas objetivo.

Por eso la pregunta útil no es «¿están limpios nuestros datos?», sino «¿qué decisiones estamos tomando con ellos y qué necesitan esas decisiones para no fallar?». Un equipo que trabaja por territorios necesita provincia fiable; uno que segmenta por tamaño necesita número de empleados fiable; uno que hace lead scoring necesita que los campos de la fórmula estén rellenos en la mayoría de las fichas, porque un modelo alimentado con huecos puntúa el registro, no la oportunidad.

Tampoco es lo mismo calidad que cantidad. Una base de cincuenta mil contactos de los que ocho mil son alcanzables rinde menos que una de doce mil íntegramente verificados, porque el coste del comercial se consume igual en los intentos fallidos y además ensucia todas las métricas de actividad. La calidad es lo que convierte una lista en algo sobre lo que se puede trabajar.

Las seis dimensiones de la calidad de datos

Hablar de «datos sucios» en general no lleva a ninguna acción, porque cada tipo de suciedad se arregla de una manera distinta. Estas seis dimensiones son la forma estándar de separarlas, y conviene medirlas por separado.

Las dos últimas son las que más daño hacen y las que menos se vigilan. La incoherencia entre sistemas destruye la confianza —cuando el CRM y la facturación no cuadran, el equipo deja de creerse los dos— y la falta de actualidad es la única que empeora aunque nadie toque nada. El resto de dimensiones se degradan por errores humanos; la actualidad se degrada por el mero paso del tiempo.

Por qué los datos B2B se degradan solos

Un CRM no se ensucia sobre todo porque la gente escriba mal: se ensucia porque el mundo que describe cambia mientras la ficha se queda quieta. En venta a empresas ese cambio tiene cuatro fuentes conocidas.

• Rotación de personas. El contacto asciende, cambia de departamento o se va a otra compañía. Su correo corporativo deja de existir y su historial deja de tener dueño.
• Cambios en la empresa. Fusiones, cambios de razón social, migraciones de dominio, oficinas que cierran, plantillas que crecen o se reducen a la mitad.
• Reorganizaciones internas. El mismo puesto pasa a llamarse de otra forma o el poder de decisión se traslada a otro departamento, y la ficha sigue apuntando a quien ya no decide.
• Entradas nuevas sin control. Formularios web, importaciones de ferias, listas compradas y hojas de cálculo que alguien vuelca sin comprobar contra lo que ya existía.

La aritmética de la caducidad

El efecto es fácil de subestimar porque es lento. Supón una base de 20.000 contactos y una tasa de caducidad anual del 25 % —la cifra real depende de tu sector y del nivel jerárquico al que vendas, y es más alta en puestos comerciales que en técnicos—. Al cabo de un año hay 5.000 fichas inservibles. Si en ese mismo año incorporas 4.000 contactos nuevos, la base ha crecido en número y ha empeorado en calidad: 19.000 registros de los que solo 15.000 sirven. Nadie percibe el problema porque el contador de la pantalla principal sigue subiendo.

Cómo medir la calidad de datos: seis indicadores

No se puede gestionar lo que se resume en un adjetivo. Estos seis indicadores se calculan con lo que ya tienes en el CRM y en la herramienta de correo, y sirven para fijar un punto de partida y comprobar si mejora.

Los cuatro primeros se miden dentro del sistema; los dos últimos se notan en la calle. La combinación más reveladora es la de la antigüedad media con la tasa de contacto efectiva: si la antigüedad sube trimestre a trimestre y la tasa de contacto baja en paralelo, no tienes un problema de discurso comercial ni de actividad de prospección, tienes una base envejecida. Y ese diagnóstico cambia por completo la solución: no se arregla formando al equipo, se arregla renovando el dato.

Cuánto cuesta de verdad un CRM sucio

El coste de un dato malo no aparece en ninguna factura, por eso cuesta tanto justificar el trabajo de limpieza. Aparece repartido en cinco sitios.

• Tiempo comercial quemado. Si un comercial dedica dos horas al día a intentar contactar y una cuarta parte de esos intentos van a fichas caducadas, se pierden media hora diaria por persona. En un equipo de seis, son quince horas a la semana pagadas a nadie.
• Reputación de envío. Los rebotes por direcciones inexistentes deterioran la reputación del dominio y arrastran hacia la carpeta de correo no deseado también los mensajes a contactos válidos. Es el efecto más caro porque daña lo que sí funcionaba: la entregabilidad del cold email tarda semanas en recuperarse.
• Previsión inflada. Oportunidades duplicadas cuentan dos veces en el embudo. Un pipeline que parece cubierto y no lo está lleva a no prospectar y a descubrirlo un trimestre tarde, cuando ya no hay margen para reaccionar.
• Decisiones de inversión equivocadas. Con el origen del lead vacío o mal atribuido en una parte de las fichas, el presupuesto entre canales se reparte sobre una foto falsa.
• Desconfianza del equipo. El más difícil de revertir. Cuando el CRM ha fallado suficientes veces, los comerciales montan su hoja de cálculo paralela, y a partir de ahí el sistema deja de recibir información y se degrada más rápido.

Ese último punto explica por qué los proyectos de limpieza que se plantean solo como una tarea técnica no aguantan. Si el equipo no vuelve a fiarse del sistema, seguirá alimentando su propio registro en paralelo y la incoherencia volverá por la puerta de atrás.

Cómo limpiar el CRM sin parar al equipo comercial

Una limpieza a fondo asusta porque suena a congelar el sistema durante semanas. No hace falta: el orden de abajo permite trabajar por lotes mientras el equipo sigue vendiendo, y prioriza siempre lo que se está usando antes que lo que duerme.

1. Define primero qué campos son obligatorios

Antes de tocar un solo registro, decide qué necesitas de verdad. La lista corta suele ser: empresa, dominio, sector, tamaño, provincia, nombre, cargo, correo y origen. Todo lo demás es opcional. Un CRM con cuarenta campos obligatorios no produce datos completos, produce campos rellenos con cualquier cosa para poder guardar la ficha. Esa lista debe salir de tu perfil de cliente ideal: si un campo no interviene en ninguna decisión de segmentación, priorización o reparto, no es obligatorio.

2. Haz un inventario antes de borrar nada

Mide los seis indicadores sobre la base actual y guarda ese punto de partida. Sirve para dos cosas: saber dónde está la suciedad —normalmente concentrada en importaciones antiguas concretas— y poder demostrar la mejora después. Sin foto inicial, la limpieza acaba siendo una discusión de impresiones.

3. Empieza por los duplicados, no por los huecos

Fusionar primero evita rellenar dos veces la misma ficha y evita que una verificación de pago se gaste dos veces sobre el mismo contacto. Es también lo que más ruido quita del embudo de forma inmediata.

4. Verifica lo activo, archiva lo dormido

No todo merece el mismo esfuerzo. Divide la base en tres bloques: cuentas en oportunidad abierta o clientes (verificación completa, una por una si hace falta), cuentas objetivo sin actividad reciente (verificación automática de correo y dominio) y el resto (archivar en un estado aparte, no borrar). Archivar en lugar de borrar conserva el histórico y saca el ruido de las vistas del equipo, que es lo que se busca.

5. Reenriquece en lugar de rellenar a mano

Los huecos de sector, tamaño, dominio o cargo se completan mucho más rápido con una fuente externa que con un becario y una pestaña de LinkedIn abierta. Es el trabajo de las herramientas de enriquecimiento de datos B2B, y conviene hacerlo después de la fusión de duplicados para no pagar dos veces por el mismo registro.

6. Cierra el bucle con el equipo

Quien detecta antes un dato malo es quien llama. Un botón de «dato incorrecto» en la ficha, con dos opciones (ya no trabaja aquí / el contacto no es el correcto), captura en el momento lo que ninguna herramienta automática detecta hasta meses después. Esa señal vale más que cualquier auditoría trimestral, y solo llega si el comercial ve que reportarla sirve para algo.

Si al llegar al paso cinco descubres que una parte grande de la base ya no es recuperable, reconstruir sale más barato que reparar. En ese caso puedes probar alleads gratis y generar contactos verificados del perfil que ya sabes que te funciona, en lugar de invertir semanas en rescatar fichas de hace cuatro años.

Duplicados: por qué aparecen y cómo resolverlos

Los duplicados son la forma de suciedad más visible y la que más se subestima, porque parecen un problema cosmético y son un problema de dinero: dos fichas de la misma cuenta significan dos comerciales trabajándola, dos ofertas distintas sobre la mesa del mismo comprador y una previsión que suma dos veces el mismo contrato.

Aparecen por tres vías: importaciones sin cotejo previo, formularios web que crean ficha nueva en cada envío y variaciones de escritura del mismo nombre. Contra las tres funcionan las mismas reglas.

• Elige una clave única y respétala. Para cuentas, el dominio web es mejor identificador que el nombre: «Acme S.L.» se escribe de siete maneras, acme.com de una. Para contactos, el correo corporativo.
• Normaliza antes de comparar. Pasar a minúsculas, quitar tildes, eliminar formas societarias (S.L., S.A., Ltd.) y prefijos www convierte la mayoría de «duplicados difíciles» en coincidencias exactas.
• Fusiona con criterio explícito. Decide de antemano qué ficha gana cada campo: la más reciente para datos de contacto, la más antigua para la fecha de creación y el origen, y la suma para el historial de actividad.
• Bloquea en la entrada. Es más barato impedir la creación del duplicado con una comprobación en el formulario y en la importación que fusionarlo tres meses después con el historial ya repartido.

Gobierno del dato: cómo evitar que vuelva a ensuciarse

La limpieza es el proyecto; el gobierno es lo que hace que el proyecto no haya que repetirlo. No requiere un comité ni un documento de cuarenta páginas, requiere cuatro decisiones tomadas y escritas en una página.

La regla que más rendimiento da es la segunda, porque actúa antes de que exista el problema. Un formulario que exige dominio corporativo y rechaza correos genéricos evita miles de fichas inservibles al año; una importación que coteja contra lo existente antes de insertar evita la mitad de los duplicados. Todo lo que se valida en la entrada deja de necesitar limpieza en la salida, y el coste de las dos cosas no se parece.

Datos personales y RGPD

En Europa el mantenimiento de la base no es solo una buena práctica operativa: la exactitud y la limitación del plazo de conservación son principios del RGPD. Un CRM lleno de contactos caducados a los que nadie llama es, además de ineficaz, difícil de justificar. Conviene fijar un plazo de conservación para los registros sin actividad, documentar la base legítima de tratamiento y atender las solicitudes de supresión con un procedimiento definido; el detalle aplicado a prospección está en la guía de RGPD y generación de leads B2B.

Errores frecuentes con la calidad de datos

• Limpiar una vez y dar el tema por cerrado. Sin caudal de mantenimiento, en dos años la base está como antes y el equipo ha perdido la fe en el proceso.
• Convertirlo todo en obligatorio. Veinte campos obligatorios producen veinte campos rellenos con «n/d», que es peor que el hueco: el hueco se detecta, el relleno falso no.
• Borrar en lugar de archivar. Se pierde el histórico de relación con cuentas que pueden volver, y se pierde la trazabilidad de por qué se descartaron.
• Medir la base por su tamaño. El número de registros como indicador de salud premia justo el comportamiento que ensucia: importar más.
• Enriquecer sin fusionar antes. Se paga dos o tres veces por el mismo contacto y se crean versiones distintas del mismo dato.
• Dejar la limpieza al equipo comercial en sus ratos libres. No hay ratos libres, y es la tarea con peor relación entre coste horario y resultado.
• Comprar listas sin verificar para tapar el hueco. Resuelve el volumen esta semana y multiplica el problema de calidad —y de reputación de envío— el trimestre siguiente.

Todos comparten la misma raíz: tratar el dato como un archivo que se guarda y no como un inventario perecedero que se consume. Con esa segunda lente se compra menos, se verifica más y se mide la rotación en lugar del tamaño.

Preguntas frecuentes

¿Cada cuánto hay que limpiar el CRM?

La limpieza a fondo tiene sentido una vez, al establecer el punto de partida. A partir de ahí lo que funciona es un ciclo continuo: verificación automática de correos antes de cada campaña, revisión de duplicados mensual y una revisión de los seis indicadores cada trimestre. Si esperas a la limpieza anual, durante once meses estás trabajando sobre una base que se degrada sin que nadie lo vea.

¿Cuántos datos caducan al año en una base B2B?

Depende del sector, del tamaño de las empresas y del nivel al que vendas: la rotación es mayor en puestos comerciales y de marketing que en perfiles técnicos o en dirección financiera, y mayor en empresas jóvenes que en industria consolidada. En lugar de aplicar una cifra general, mídelo en tu propia base: la tasa de rebote de una campaña sobre contactos que no se han verificado en doce meses te da tu número real en una tarde.

¿Es mejor comprar datos o enriquecer los que tengo?

Son dos problemas distintos. Enriquecer sirve cuando la cuenta es correcta y faltan atributos —sector, tamaño, cargo, correo—; generar datos nuevos sirve cuando lo que falta son cuentas que encajen con tu perfil. El orden razonable es enriquecer primero lo que ya tienes, que es más barato y tiene historial, y añadir volumen después. Las bases de datos B2B en España se diferencian precisamente en la frescura del dato, no en el tamaño del catálogo.

¿Qué campos deberían ser obligatorios en el CRM?

Los que intervienen en una decisión. En la práctica: dominio de la empresa (clave de unicidad), sector, tamaño, provincia o país, cargo del contacto, correo y origen del registro. Con esos siete se puede segmentar, priorizar, repartir territorio y atribuir canal. Todo lo demás puede ser opcional sin que ninguna decisión se quede sin base.

¿Cómo detecto duplicados que no son idénticos?

Normalizando antes de comparar: minúsculas, sin tildes, sin formas societarias y sin prefijos de dominio. La mayoría de duplicados «difíciles» son idénticos después de esa normalización. Para el resto sirve una comparación por similitud sobre el nombre combinada con coincidencia exacta de dominio o de teléfono; exigir dos coincidencias en lugar de una reduce mucho los falsos positivos, que son el riesgo real de fusionar de forma automática.

¿Merece la pena verificar los correos antes de cada envío?

Sí, y es la acción con mejor retorno de todas las de esta lista, porque el rebote no solo pierde ese contacto: deteriora la reputación del dominio y arrastra a los mensajes que sí iban a contactos válidos. Verificar antes de enviar cuesta una fracción de lo que cuesta recuperar la entregabilidad después. Las opciones y su funcionamiento están comparadas en la guía de herramientas de verificación de email.

Conclusión

La calidad de datos no es un proyecto de sistemas que se aprueba una vez: es el mantenimiento de un inventario que se estropea solo. Se mide en seis dimensiones, se vigila con seis indicadores y se sostiene con tres piezas que tienen que estar las tres —limpieza inicial, reglas de entrada y verificación continua—, porque cualquiera de ellas sola devuelve el CRM al punto de partida. Y el efecto de tenerlas es directo: el mismo equipo, con el mismo discurso y las mismas horas, contacta con más gente y firma una previsión que se parece a lo que acaba pasando. Antes de contratar a otro comercial para llegar al objetivo, comprueba cuánto de su tiempo se va a ir en llamar a fichas que ya no existen.