# Normalización de datos: un esquema común para fuentes que no se parecen. Canonical URL: https://www.rastriq.es/normalizacion-de-datos/ · English version: https://www.rastriq.es/en/data-normalization/ > Convertimos datos de fuentes distintas en un esquema común: taxonomía, entity matching, deduplicación y QA que marca sin filtrar. Con filas reales. Tres fabricantes de coches publican el mismo precio con tres estructuras distintas. Nosotros lo convertimos en una sola tabla que puedes cargar, cruzar y auditar. Abajo, las filas reales antes y después. RESPUESTA RÁPIDA **Respuesta rápida:** Rastriq convierte fuentes con estructuras distintas, como los configuradores de tres fabricantes de coches, en un único esquema común con tipos documentados, URL de origen, fecha de captura y avisos de calidad que marcan las filas dudosas sin filtrarlas. La entrega sale en CSV o JSON, en un bucket S3 o en un dataset de Apify con acceso por API. 3 Esquemas de origen 1 Esquema común 0 Filas descartadas por QA Pedir muestra normalizada → Ver antes y después MUESTRA REAL ## Tres esquemas, una sola tabla BMW publica precio bruto y neto con el IVA en un campo propio. Kia mezcla precio, descuento y un indicador de precio neto. Volvo entrega un importe base con un indicador de impuestos. Los tres hablan del mismo concepto con nombres, tipos y semántica diferentes. ### Antes · BMW (25 campos por fila) | market | model_name | line_name | fuel_type | currency | gross_list_price | net_list_price | vat_percentage | |---|---|---|---|---|---|---|---| | es | BMW 118d | Paquete M Sport Pro | D | EUR | 42768.1 | 34010.4 | 0.21 | | es | BMW 118d | M Sport Design | D | EUR | 36673.7 | 29164.01 | 0.21 | ### Antes · Kia (31 campos por fila) | country | model_name | trim_name | propulsion | currency | price | is_net_price | net_price | discount_amount | |---|---|---|---|---|---|---|---|---| | Spain | EV6 | Air | Electric | EUR | 35530.01 | false | 29363.64 | 13465 | | Germany | EV6 | Air | Electric | EUR | 44990 | false | 44990 | 0 | ### Antes · Volvo (13 campos por fila) | country | modelName | powertrain | basePriceAmount | basePriceCurrency | priceIncludesTax | priceStatus | |---|---|---|---|---|---|---| | ES | EX30 | BEV | 35800 | EUR | true | ok | | SE | EX30 | BEV | 429000 | SEK | true | ok | ### Después · esquema común | brand | market | model | trim | powertrain | currency | price_gross | price_net | discount_amount | qa_flags | |---|---|---|---|---|---|---|---|---|---| | BMW | ES | 118d | Paquete M Sport Pro | diesel | EUR | 42768.1 | 34010.4 | — | — | | BMW | ES | 118d | M Sport Design | diesel | EUR | 36673.7 | 29164.01 | — | — | | Kia | ES | EV6 | Air | bev | EUR | 35530.01 | 29363.64 | 13465 | — | | Kia | DE | EV6 | Air | bev | EUR | 44990 | 44990 | 0 | net_equals_gross | | Volvo | ES | EX30 | — | bev | EUR | 35800 | — | — | net_price_unavailable | | Volvo | SE | EX30 | — | bev | SEK | 429000 | — | — | net_price_unavailable \| non_eur_currency | Filas reales de las muestras de BMW, Kia y Volvo. Los importes se conservan en la moneda de origen; los valores ausentes en la fuente quedan vacíos y se marcan en qa_flags. MAPEO ## Cómo se traduce cada campo El mapeo se documenta campo a campo y se versiona. Si el fabricante cambia su estructura, el cambio queda registrado y el esquema común no se rompe. | Concepto | BMW | Kia | Volvo | Esquema común | |---|---|---|---|---| | Marca | constante por actor | constante por actor | constante por actor | brand | | Mercado | market (es) | country (Spain) | country (ES) | market (ISO 3166) | | Modelo | model_name | model_name | modelName | model | | Versión | line_name | trim_name | edition | trim | | Motorización | fuel_type (D) | propulsion (Electric) | powertrain (BEV) | powertrain | | Precio con impuestos | gross_list_price | price | basePriceAmount + priceIncludesTax | price_gross | | Precio sin impuestos | net_list_price | net_price | no publicado | price_net | | Descuento | no publicado | discount_amount | discountSavingAmount | discount_amount | MÉTODO ## Cuatro pasos para unificar fuentes La normalización no es una limpieza puntual: es un conjunto de reglas explícitas que se ejecutan en cada entrega. Taxonomía Definimos listas cerradas para motorización (diesel, petrol, bev, phev, hev), carrocería y tracción, y asignamos cada valor de origen. En el ejemplo, D pasa a diesel y Electric o BEV pasan a bev. Entity matching Un mismo modelo aparece con nombres distintos: en el actor de Volkswagen la misma gama se publica como «Der Golf», «GOLF» y «Golf». Resolvemos esas variantes a una única entidad con reglas y revisión de casos dudosos. Deduplicación Definimos una clave natural (marca, mercado, modelo, versión, motorización y fecha de captura) y conservamos una sola fila por clave. Las repeticiones entre ejecuciones no inflan tus series. QA que marca y no filtra Las reglas de calidad añaden una etiqueta en qa_flags, pero nunca eliminan filas. En el ejemplo, net_price_unavailable, non_eur_currency y net_equals_gross avisan sin ocultar el dato; tú decides qué hacer con ellas. COBERTURA ## Dónde aplicamos la normalización El mismo método sirve para cualquier vertical con varias fuentes. Estos son los casos con muestra pública hoy. Configuradores OEM 28 marcas Precios por mercado, versión y motorización con un esquema común entre marcas. [Ver cobertura →](https://www.rastriq.es/datos-precios-coches-nuevos/) Segunda mano España Coches.net · Wallapop · Milanuncios Año, km, combustible, precio y provincia homogéneos entre tres portales. [Ver cobertura →](https://www.rastriq.es/datos-coches-segunda-mano-espana/) Otras fuentes Bajo proyecto Maquinaria, licitaciones, reseñas o directorios: definimos el esquema común contigo. [Ver proyecto a medida →](https://www.rastriq.es/scraping-a-medida/) ENTREGA ## Qué recibes La entrega incluye datos, documentación y reglas. Si quieres profundizar en la parte conceptual, lee la guía sobre [normalizar precios de configuradores](https://www.rastriq.es/guias/normalizar-precios-configuradores-coches/). Tabla lista para cargar CSV o JSON con el esquema común, más un diccionario de campos con tipo, ejemplo y regla de cálculo. Formatos: CSV, JSON Entrega recurrente Cada ejecución programada sale ya normalizada y se publica en tu bucket S3 o en un dataset de Apify con acceso por API. Canales: S3, Apify, API Trazabilidad Cada fila conserva la URL de origen y la fecha de captura, y el mapeo está versionado para que puedas reproducir cualquier cifra. Campos: source_url, scraped_at PREGUNTAS FRECUENTES ## Preguntas frecuentes sobre normalización ### ¿Qué diferencia hay entre limpiar y normalizar? Limpiar corrige errores puntuales. Normalizar define un esquema, unas categorías y unas reglas estables para que fuentes distintas produzcan la misma estructura en cada entrega, y puedas cruzarlas sin trabajo manual. ### ¿Eliminan filas durante el QA? No. El QA marca las filas con etiquetas en qa_flags y las deja pasar. El filtrado lo decides tú, porque una fila sospechosa para un caso de uso puede ser válida para otro. ### ¿Convertís monedas? Por defecto conservamos la moneda de origen en cada fila. Si necesitas una moneda común, añadimos una columna convertida con un tipo de cambio fijado y documentado, sin sustituir el importe original. ### ¿Puedo normalizar mis propios ficheros? Sí, cuando son datos de producto o de mercado que puedan compartirse. Revisamos una muestra, definimos el esquema destino y aplicamos las reglas en cada entrega. ### ¿Qué pasa si el origen cambia su estructura? Detectamos el cambio, actualizamos el mapeo y versionamos la regla. El esquema común se mantiene, de modo que tus cargas no se rompen aunque el fabricante rediseñe su configurador. MUESTRA GRATUITA ## Pide una muestra normalizada Dinos qué fuentes quieres unificar y te devolvemos un extracto con el esquema común y el diccionario de campos. - Extracto normalizado con qa_flags - Diccionario de campos y mapeo por fuente - Sin compromiso Recibido. Revisa tu correo y descarga mientras tanto las muestras reales en [/muestras/](https://www.rastriq.es/muestras/). CONTACTO ## ¿Hablamos de tu esquema? Cuéntanos qué fuentes manejas y qué tabla necesitas al final. [Escríbenos →](https://www.rastriq.es/#contacto) PÁGINAS RELACIONADAS ## Sigue explorando [Comprar datasets Catálogo con muestras descargables.](https://www.rastriq.es/comprar-datasets/) [Precios de coches nuevos 28 marcas con esquema común.](https://www.rastriq.es/datos-precios-coches-nuevos/) [Scraping a medida Extracción nueva y entrega recurrente.](https://www.rastriq.es/scraping-a-medida/)