Ir al contenido principal
Español— Elegir un idioma
Menú

Combinar múltiples fuentes de datos

Lección 13 de 14 Actualizado el 5 de noviembre de 2026 Intermedio
En esta página
  1. Cruzar datos para un análisis más rico
  2. Importar múltiples archivos
  3. Combinar tablas (uniones)
  4. Comparar presupuesto frente a real
  5. Enriquecer con datos externos
  6. Gestionar inconsistencias entre fuentes
  7. Cruzamiento de análisis multidimensional
  8. Te toca
  9. Puntos clave

Cruzar datos para un análisis más rico

Las ideas más potentes surgen de cruzar múltiples fuentes. Ventas y CRM, presupuesto frente a real, analítica web y conversiones: tomados de forma aislada, cada archivo cuenta solo la mitad de la historia. Combinarlos revela patrones invisibles en cualquier fuente única; por ejemplo, descubrir que tus clientes de mayor volumen son en realidad los menos rentables en términos de margen.

Importar múltiples archivos

ChatGPT acepta varios archivos en una misma conversación. La mejor práctica es subirlos al inicio de la sesión e indicar explícitamente qué contiene cada uno. Esto te evita tener que responder preguntas de aclaración más tarde y, lo que es más importante, impide que ChatGPT interprete mal la función de un archivo.

Aquí hay 3 archivos:
1. sales_q1_2026.xlsx — transacciones de ventas
2. clients_crm.csv — base de datos de clientes con sector y tamaño
3. targets_2026.csv — objetivos por región y mes

Te pediré que los cruces para un análisis completo.

Súbelos uno a uno o todos juntos; ChatGPT puede leerlos todos dentro de su entorno de Python. El número de archivos permitidos por conversación varía según el tipo de archivo, el modelo, el plan de suscripción y tu cuota de importación. También puedes adjuntar archivos desde Google Drive, OneDrive o SharePoint cuando los complementos correspondientes estén disponibles para tu cuenta. Como en la Lección 1, conserva solo las columnas del CRM necesarias para la unión.

Combinar tablas (uniones)

Una unión combina dos tablas basándose en una columna común: este es el núcleo de cualquier cruce de datos. Solicítala nombrando explícitamente la clave y exige un informe inmediato de las filas huérfanas, es decir, aquellas donde la clave no encuentra coincidencia.

Combina el archivo de ventas con el archivo de clientes
usando la columna "id_client" como clave de unión.
Muestra una vista previa del resultado y marca cualquier venta
sin un cliente coincidente.

El resultado depende del tipo de unión seleccionado, y esta elección nunca es neutra: según el caso, o bien pierdes datos de ventas o bien conservas filas incompletas.

Tipo de uniónComportamientoCuándo usarla
Inner joinConserva solo las coincidenciasAnálisis estricto, sin datos incompletos
Left joinConserva todas las filas de la tabla primariaEnriquecer ventas con info de cliente (aunque el cliente sea desconocido)
Outer joinConserva todas las filas de ambas tablasIdentificar discrepancias entre dos fuentes

No necesitas conocer esta jerga para utilizarla. Simplemente describe el resultado deseado, especificando cómo gestionar los casos no coincidentes.

Quiero enriquecer mis datos de ventas con información de clientes.
Mantén todas las ventas, incluso aquellas donde el cliente
no está en el CRM (marca estas como "Desconocido").

ChatGPT traduce esta solicitud en una unión; en este caso, una left join, ya que ninguna venta debería desaparecer del total; verifica esto en el código. La redacción importa: si simplemente hubieras escrito “cruzar los dos archivos” sin más precisión, una inner join podría haber eliminado de tus cifras de ingresos todos los clientes que faltan en el CRM.

Comparar presupuesto frente a real

El cruce más común en la gestión del rendimiento enfrenta dos archivos elaborados por equipos diferentes: los objetivos fijados al inicio del año por un lado y las ventas agregadas por el otro. La particularidad aquí es la clave de unión, que es compuesta —región y mes—, porque ninguna columna por sí sola es suficiente para identificar una fila.

Cruza el archivo de objetivos (columnas: region, month, target_revenue)
con el archivo de ventas agregadas (region, month, actual_revenue).
Calcula la varianza en euros y en porcentaje para cada combinación.
Marca cualquier instancia donde no se haya cumplido el objetivo.

Enriquecer con datos externos

Un archivo de referencia te permite añadir una dimensión que no existe en ninguna parte de tus datos de ventas. El caso clásico es el código postal: presente en cada pedido, desbloquea el análisis geográfico una vez emparejado con una tabla de consulta. El entorno de Python de ChatGPT no accede a la web: descarga esta tabla desde una fuente oficial y luego adjúntala.

Aquí tienes un archivo de referencia con códigos postales
y regiones administrativas francesas.
Añade una columna "region" a mis datos de ventas
usando el código postal como clave.

El mismo mecanismo conecta dos mundos habitualmente aislados: el marketing digital y el comercio. Correlacionar el tráfico con las ventas revela páginas que atraen visitantes pero no convierten; aquellas cuya audiencia halaga los informes de marketing sin llegar nunca a llenar el libro de pedidos.

Archivo 1: Tráfico web por página de producto (page_url, visits, bounce_rate)
Archivo 2: Ventas por producto (product, revenue, quantity)

Cruza los dos archivos por el nombre del producto.
Calcula la tasa de conversión (ventas / visitas) por producto.
¿Qué producto tiene la mejor relación visitas-ventas?

Gestionar inconsistencias entre fuentes

Las fuentes de datos rara vez comparten el mismo formato, y aquí es precisamente donde fallan las uniones, silenciosamente. Tres problemas se repiten constantemente. El primero afecta a los nombres de las columnas, que etiquetan la misma información de forma diferente porque dos equipos las nombraron por separado.

En el archivo de ventas, la columna se llama "client_id".
En el CRM, se llama "customer_identifier".
Realiza la unión mapeando estas dos columnas.

El segundo concierne a las fechas, donde la granularidad y el formato difieren de un sistema a otro. La armonización debe preceder a la combinación, nunca seguirla: una vez que las filas no coinciden, nada te permite rastrear el error hasta su origen.

Las ventas usan el formato DD/MM/YYYY.
Los objetivos usan el formato YYYY-MM.
Armoniza ambos a mes (YYYY-MM) antes de cruzar los datos.

El tercero implica valores categóricos, donde una simple diferencia en mayúsculas o acentuación hace fallar la coincidencia, aunque un lector humano no vería ambigüedad alguna.

En ventas, las regiones están en mayúsculas (ILE-DE-FRANCE).
En el CRM, están en mayúsculas y minúsculas con acentos (Île-de-France).
Normaliza ambos antes de la unión.

Ninguna de estas precauciones sustituye la necesidad de una comprobación final. Una unión fallida no produce un mensaje de error: produce una tabla más pequeña, perfectamente presentable, y nadie se da cuenta hasta la reunión. Por tanto, solicita sistemáticamente un resumen.

Después de la unión, ¿cuántas filas se han perdido?
¿Cuántas filas no encontraron coincidencia?
Muestra 5 ejemplos de no coincidencias.

Cruzamiento de análisis multidimensional

Una vez fusionadas las fuentes, puedes cruzar dimensiones que antes estaban separadas. Este es el verdadero beneficio de todo este trabajo de fontanería de datos, y el momento en que se hace visible.

Ahora que tengo ventas enriquecidas con información del CRM:
1. Ingresos por sector industrial del cliente Y por categoría de producto
2. Valor medio del pedido por tamaño de empresa (Micro, Pequeña, Mediana, Grande)
3. Las 10 combinaciones más rentables (sector × producto)

Estos análisis serían imposibles con un solo archivo: el archivo de ventas ignora el tamaño de la empresa del cliente, y el CRM ignora lo que compran. El cruzamiento es lo que finalmente te permite hacer la pregunta que interesa a la dirección comercial: qué tipo de cliente compra qué tipo de producto.

Cruzar dos fuentes sin perder filas Cinco pasos: describir la función de cada archivo; alinear nombres de columnas, fechas y valores; unir por una clave explícita; comprobar filas perdidas; cruzar dimensiones. UNIONES Cruzar dos fuentes sin perder filas 1 Describir Función 2 Alinear Formatos 3 Unir Clave 4 Verificar Filas 5 Cruzar Dimensiones Una unión fallida no produce error: produce una tabla más pequeña.
Método de la lección; fusión de conjuntos de datos basado en el artículo "Extracting Insights with ChatGPT Data Analysis" del Centro de Ayuda de OpenAI (noviembre de 2026).

Te toca

Tu primer cruzamiento de datos.

  1. Elige dos archivos que compartan una clave: ventas y CRM, presupuesto y real.
  2. Preséntalos a ChatGPT, indicando la función de cada uno.
  3. Armoniza los nombres de las columnas, las fechas y los valores antes de la unión.
  4. Describe cómo gestionar las filas no coincidentes y luego ejecuta la unión.
  5. Solicita un resumen de las filas perdidas y examina cinco ejemplos.

Fuentes oficiales: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (Centro de Ayuda de OpenAI)

Puntos clave

  • Importa múltiples archivos en la misma conversación para cruzarlos.
  • Describe la lógica de la unión en lenguaje natural y luego verifica el tipo de unión en el código.
  • Armoniza los formatos (fechas, nombres, mayúsculas) antes de combinar.
  • Comprueba siempre el recuento de filas antes y después de la unión.
  • El cruzamiento de múltiples fuentes revela ideas invisibles en cualquier fuente aislada.