Considerando-se que mais de 20% das pessoas físicas e jurídicas têm os dados cadastrais alterados anualmente, atualizar uma base de dados é vital para a confiabilidade das informações.

O Newdbase DataCleanUp foi desenvolvido exclusivamente para efetuar o tratamento de bases de dados já existentes. Todos os registros são analisados, criticados e tratados através dos processos Data Checking e Data Parsing, empregados à exaustão.

Através do processo Data Checking os campos são criticados e padronizados, enquanto o processo Data Crossing elimina duplicidades e permite que até bases inconsistentes tornem-se úteis para utilização em ações de Marketing Direto, uma vez que promove limpezas e inputa dados tratados.

As Aplicações

Todas as bases de dados com dados não padronizadas ou validadas e/ou com veracidade e confiabilidade comprometidas estão aptas a ser verificadas, tratadas, atualizadas e limpas pelo Newdbase DataCleanUp, baseado nos processos Data Checking, Data Parsing e Data Crossing.

Os Resultados

Informações atualizadas e confiáveis, perfeitamente adequadas para utilização em ações de Marketing Direto, totalmente padronizadas, deduplicadas e sem nenhum tipo de inconsistência.

Diagnóstico Newdbase

Ao final do processo, a Newdbase entregará um diagnóstico quantificando gerencialmente os seguintes aspectos:

1. Importação. Percentual de registros e campos em branco, total de registros incompletos (e.g., endereços sem CEPs, Cidades sem Estado, Telefone sem DDD, entre outros);

2. Limpeza. Percentual de acentos, caracteres especiais, espaços extras, nomes impróprios/obscenos, padrão de caixa, inconsistências (e.g., letras em campos numéricos) etc.;

3. Tratamento Conjunto Endereço. Percentuais de recuperação e percentual de registros com bairros, cidades e Estados errados/sem padronização, análise de CEPs corretos, errados, inexistentes, genéricos, incompletos, vazios etc.;

4. Tratamento Conjunto Telefone. Percentuais de recuperação e percentual de registros com DDDs e prefixos errados/sem padronização, análise de DDDs e prefixos antigos, corretos, errados, inexistentes, incompletos, vazios etc.;

5. Validação. Estatísticas de análise de campos criticáveis, como CPF e outras chaves compostas por códigos de validação;

6. Qualificação. Estatísticas de ausência e atribuição de sexo, natureza jurídica etc.;

7. Padronização. Estatísticas de diferenças no preenchimento de campos (e.g. profissão e cargo) que geram a falsa impressão de haver mais variações que na realidade há;

8. Deduplicação. Estatísticas de duplicidades de chaves, nomes, endereços, telefones e agrupamentos possíveis (e.g. householding).