A Resposta Curta
A desduplicação falha quando é tratada como uma ação de limpeza única. Na verdade, ela envolve três decisões: o que define uma identidade, quem prevalece em caso de conflito, e como evitar que o problema se repita. A ferramenta técnica é a parte mais fácil.
O erro comum é aplicar Fuzzy Matching a nomes, obter uma lista de 12 mil correspondências possíveis e tentar resolvê-las manualmente sob pressão de prazos. O que funciona é o oposto: primeiro, você reduz o espaço de decisão usando chaves fortes e deixa para a revisão humana apenas a "zona cinzenta".
O planejamento mais amplo da migração de dados é descrito em Migração de Dados para Salesforce.
Três Camadas de Correspondência
| Camada | Dependência | Ação |
|---|---|---|
| Chave Forte | CPF, CNPJ, ID de sistema de origem, e-mail verificado | Mesclagem automática |
| Chave Composta | Nome normalizado + cidade + telefone normalizado | Mesclagem automática com alta pontuação |
| Similaridade Textual | Apenas nome, endereço livre | Somente revisão humana |
A proporção que caracteriza um projeto bem gerenciado: cerca de 70% das duplicidades são resolvidas na primeira camada, 20% na segunda, e 10% chegam à revisão humana. Se a maioria das correspondências chega à terceira camada, é um sinal de que não houve investimento em normalização – e não que os dados sejam particularmente ruins.
Normalização Antes da Comparação
Antes de qualquer comparação, colunas auxiliares normalizadas são criadas sem alterar o dado original: remoção de sufixos corporativos (S.A., Ltda.), padronização de espaços e apóstrofos, telefone no formato E.164, e-mail em minúsculas com remoção de rótulos após o sinal de mais, e endereço dividido em rua/número/cidade.
A normalização, por si só, geralmente reduz de um terço a metade das duplicidades "difíceis" antes mesmo da aplicação de qualquer algoritmo de similaridade.
Golden Record em Nível de Campo
A decisão "qual registro sobrevive" não é a mais importante. A mais importante é "qual valor de cada campo sobrevive". Define-se uma política concisa: dados de faturamento do ERP, detalhes de contato do sistema onde a última atividade foi registrada, status do cliente do sistema operacional. Para cada campo, há uma fonte preferencial, e os valores rejeitados são documentados.
Sem essa política, cada mesclagem é uma decisão de quem a realizou naquele momento – e mais tarde será impossível explicar por que um endereço desapareceu.
O que Acontece com Relacionamentos e Histórico
A mesclagem de registros afeta atividades, oportunidades, Cases, arquivos e permissões. Antes de uma execução em massa, defina explicitamente: para onde as atividades são movidas, o que acontece com oportunidades abertas para o mesmo cliente de dois registros, e quem é o proprietário após a mesclagem – pois a alteração do Proprietário muda tanto a visibilidade quanto os relatórios de comissões.
A regra prática: nenhuma mesclagem antes de um relatório de "o que mudou" que possa ser reproduzido, e os IDs de origem são mantidos em um campo separado para permitir investigação meses depois.
Cenário: Importador com 210 Mil Contatos
Um importador B2B iniciou uma migração com 210 mil Contatos de três sistemas. A primeira execução de uma ferramenta de similaridade retornou 31 mil pares suspeitos – um número que ninguém poderia revisar.
A equipe parou e inverteu a ordem. Primeiro, e-mail e telefone foram normalizados: 14 mil pares foram mesclados automaticamente por chave forte. Em seguida, foi definido que a unidade de negócio era o local do cliente e não a corporação, o que removeu da lista 6 mil pares que eram legítimos – filiais separadas da mesma rede. Restaram 4.200 pares para a camada intermediária, dos quais 3.800 foram mesclados com alta pontuação. Para revisão humana, chegaram 400 pares, e duas pessoas os resolveram em três dias.
A lição não foi a escolha da ferramenta. Foi que a definição da unidade de negócio – local versus corporação – reduziu mais "ruído" do que qualquer aprimoramento algorítmico.
Prevenção: Por que as Duplicidades Retornam
Três fontes principais reintroduzem duplicidades após o Go Live: entrada manual sem Matching Rules ativas, integrações que criam um registro em vez de atualizar (Upsert em External ID resolve a maioria), e formulários Web-to-Lead sem verificação de existência. Se esses três pontos não forem abordados, a taxa de duplicação retorna ao seu nível original em um a dois anos.
Riscos Comuns e Ações de Prevenção
| Risco | Como se manifesta na prática | Ação de Prevenção |
|---|---|---|
| Mesclagem agressiva | Clientes diferentes foram unificados e não podem ser separados | Alto limiar de pontuação + revisão na área cinzenta |
| Ausência de definição de identidade | Discussão recorrente sobre o que é considerado o mesmo cliente | Decisão documentada no nível da entidade |
| Perda de histórico | Atividades e oportunidades desapareceram na mesclagem | Relatório "o que mudou" e salvamento de IDs de origem |
| Limpeza sem prevenção | A duplicidade retorna em meses | Matching Rules, Upsert e formulários protegidos |
| Limpeza após carga | Qualquer mesclagem afeta relacionamentos ativos | Limpar na fase de Staging |
Como Medir o Sucesso
| Área | O que Medir | Frequência de Verificação |
|---|---|---|
| Unicidade | Taxa estimada de duplicidade por entidade | Semanal na migração, trimestral depois |
| Precisão da Mesclagem | Porcentagem de mesclagens desfeitas ou corrigidas manualmente | Em cada onda de mesclagem |
| Prevenção | Novos registros bloqueados como duplicidades na entrada | Mensal |
| Impacto Comercial | Retornos duplicados ao cliente, precisão dos relatórios de cliente | Trimestral |
Suporte profissional na construção de regras de identidade e prevenção é oferecido no serviço de Integrações e Dados.
Checklist Antes de Executar a Mesclagem
- ☐ A unidade de negócio foi definida: corporação, local ou contrato
- ☐ Colunas de normalização foram construídas sem alterar a fonte
- ☐ Três camadas de Matching com limiares numéricos documentados
- ☐ Política de Golden Record em nível de campo, aprovada pelo negócio
- ☐ Decidido o que acontece com atividades, oportunidades e propriedade
- ☐ IDs de origem são mantidos após a mesclagem
- ☐ Relatório "o que mudou" pode ser gerado e recuperado
- ☐ Execução de teste em uma amostra com verificação manual
- ☐ Matching Rules e Upsert ativos para prevenção
- ☐ Proprietário permanente para o processo após o Go Live
Recursos Profissionais
- Salesforce Data 360 — https://www.salesforce.com/data/
- Salesforce Data 360 Architecture — https://architect.salesforce.com/docs/architect/fundamentals/guide/data-360-architecture.html
- HPI Pro – Integrações e Dados — https://hpi.pro/integrations-data