Blog Post 28 de octubre de 2026 | 3 minutos de lectura

Construyendo el futuro de la construcción con la IA y la gestión de datos maestros (MDM)

Descubre cómo Ferguson optimizó la incorporación de productos utilizando la inteligencia artificial y la gestión de datos maestros (MDM) para mejorar la precisión de los datos e impulsar las experiencias futuras de los clientes.

Explore cómo ayudamos a empresas de construcción como la suya

Habla con un experto

Seleccione una herramienta de IA para explorar este artículo

Construyendo el futuro de la construcción con la IA y la gestión de datos maestros (MDM)

Master Data Management Blog by Stibo Systems logo
| 3 minute read
octubre 28 2026
Construyendo el futuro de la construcción con la IA y la gestión de datos maestros (MDM)
6:52

A continuación se ofrece un resumen de una interesante charla informal con Brandon Lassiter, vicepresidente de Datos y Análisis Empresariales de Ferguson, que tuvo lugar en el Stibo Systems Connect 2024.

Ferguson es uno de los mayores distribuidores mayoristas de Norteamérica de material de fontanería, tuberías, válvulas y accesorios. La empresa es también un importante distribuidor de equipos de climatización para calefacción y refrigeración, instalaciones hidráulicas (hidrantes y contadores de agua), cocina y baño, iluminación, equipos de seguridad, electrodomésticos y herramientas.

Se abastece de productos de 35 000 proveedores y gestiona un catálogo de más de 6 millones de artículos (cifra en aumento).

Como es lógico, una incorporación eficiente es fundamental.

La situación anterior en materia de incorporación era ineficaz, con un tiempo de incorporación prolongado que resultaba inaceptable en un sector tan dinámico. Por ello, la empresa se propuso abordar este importante reto.

«Vendemos de todo, desde una junta de cera de 50 céntimos que se coloca debajo de un inodoro hasta una válvula nuclear de medio millón de dólares...», afirma Brandon Lassiter, vicepresidente de Datos y Análisis Empresariales de Ferguson. «Es realmente difícil crear un único modelo de datos que pueda dar respuesta a todas esas necesidades tan diversas».

Un enfoque múltiple para agilizar la incorporación

Ferguson no se basó únicamente en la tecnología para superar el reto de la incorporación de productos. La empresa adoptó un enfoque holístico, reconociendo la importancia de las personas y los procesos junto con las herramientas de vanguardia.

Talento y optimización de procesos

En primer lugar, Ferguson se centró en su equipo. La empresa dio prioridad a la mejora de las competencias de su equipo de incorporación de productos, formado por 150 personas, identificando áreas en las que cada individuo pudiera mejorar sus habilidades y trabajar de forma más eficiente.

La empresa también analizó minuciosamente su proceso de incorporación existente, utilizando mapas de flujos para identificar y eliminar cualquier paso innecesario que ralentizara el proceso.

Stibo Systems como base

Con un equipo cualificado y unos procesos optimizados, el equipo centró su atención en la tecnología. Ferguson evaluó minuciosamente su plataforma Stibo Systems ya existente y confirmó que era la solución ideal para la gestión centralizada de datos de productos.

La empresa también tuvo que asegurarse de que la plataforma estuviera configurada para ofrecer la máxima eficiencia y poder respaldar sus ambiciosos objetivos.

IA para la automatización

Ferguson reconoció la necesidad de eliminar los cuellos de botella manuales y acelerar su proceso de incorporación. La categorización de productos, una tarea fundamental pero que requería mucho tiempo, era la candidata perfecta para la automatización.

Antes, cada persona asignaba manualmente las categorías a cada producto, un proceso que no solo resultaba tedioso, sino que también era propenso a errores, sobre todo dada la amplitud y diversidad del catálogo de la empresa.

«Cuanto antes consigamos que un producto esté listo para la venta, más probabilidades tendremos de venderlo», afirmó Lassiter.

Una auditoría reveladora puso de manifiesto que, incluso con intervención humana, la precisión de la categorización no alcanzaba las expectativas.

Para solucionar esto, el equipo utilizó sus datos de productos existentes para entrenar un algoritmo de aprendizaje automático. Los resultados fueron impresionantes: la IA alcanzó una precisión del 92 %, lo que mejoró significativamente tanto la velocidad como la precisión de la categorización de productos.

Perfilado y cotejo de datos

La IA también desempeñó un papel clave más allá de la categorización. Antes de entrar en el proceso de incorporación, todos los datos de productos entrantes se someten a un perfilado de datos, un paso de preprocesamiento que analiza y estandariza los datos para garantizar que sean coherentes y compatibles.

Otro paso fundamental es la comparación de productos, en la que la IA ayuda a identificar posibles duplicados dentro del catálogo existente. Esto evita entradas redundantes y garantiza la integridad de los datos, una función crucial para una empresa con un catálogo en constante crecimiento procedente de numerosos proveedores.

Puntos clave:

  • Consigue el apoyo de la dirección mostrando resultados positivos desde el principio y comunicando el valor de tus iniciativas en términos claros y no técnicos.
  • La tecnología es solo una pieza del rompecabezas. Optimiza tu equipo y tus procesos para alcanzar la máxima eficiencia.
  • El aprendizaje automático puede superar a los procesos manuales, lo que se traduce en una mayor calidad de los datos y una incorporación más rápida.

Más allá de la incorporación: hacia experiencias inmersivas

Ferguson no se conforma con una incorporación más rápida. La empresa mira hacia el futuro, vislumbrando un panorama en el que sus completos datos de productos respalden experiencias inmersivas para los clientes. Está explorando la realidad aumentada, el modelado 3D y el modelado de información de construcción, herramientas que pueden ofrecer a los clientes visualizaciones de productos interactivas e informativas.

Lassiter explicó: «Imagina que entras en una de nuestras salas de exposición. Nos dices lo que te gusta —los colores, los estampados, el estilo— y podemos construir una cocina completa allí mismo, delante de ti, a través de una experiencia digital».

Esta visión va más allá de la sala de exposición.

En el sector de la construcción, donde la productividad es clave, Ferguson ve un gran potencial en los datos para empoderar a sus clientes. Imagina a un equipo de construcción utilizando gafas de realidad aumentada para visualizar todos los detalles del sistema de rociadores de un edificio, todo ello gracias a datos precisos y accesibles, proporcionados por Ferguson.

Este enfoque en la experiencia del cliente supone un cambio enorme: pasar de limitarse a solucionar un problema a crear activamente nuevas oportunidades. Al agilizar el proceso de incorporación —e invertir en IA—, la empresa libera recursos para centrarse en estas grandes e innovadoras iniciativas.

Master Data Management Blog by Stibo Systems logo

Jamie Watters è un Senior Account Manager presso Stibo Systems, impegnata ad aiutare i clienti a avere successo guidandoli nei loro percorsi di Master Data Management (MDM).

Conectar en:

Discover blogs by topic

  • See more
  • Analítica del anaquel digital
  • Bienes de consumo
  • Business Partner Data Cloud
  • Calidad de datos
  • Contenido Enriquecido
  • Cumplimiento de datos
  • Cumplimiento y gestión de riesgos
  • Customer Experience Data Cloud
  • Datos de clientes y partes
  • Datos de los proveedores
  • Datos de producto y PIM
  • Datos multidominio
  • Eficiencia operativa
  • Estrategia MDM
  • Experiencia del usuario
  • Experiencia y fidelización del cliente
  • Gestión de Activos Digitales
  • Gobernanza de datos
  • Gobierno de datos
  • IA
  • IA y aprendizaje automático
  • Incorporación de productos
  • Integración de datos
  • Location Data Cloud
  • Manufactura
  • Minorista y distribución
  • Nube de datos de experiencia de producto
  • Plataforma
  • Product Experience Data Cloud
  • Seguros
  • Servicios financieros
  • Sindicación de datos de producto
  • Sostenibilidad
  • Sucesso do ERP
  • Supplier Data Cloud
  • Traducción y localización
octubre 28, 2026

Construyendo el futuro de la construcción con la IA y la gestión de datos maestros (MDM)

octubre 27, 2026

Generación Z: en busca de emociones más allá de Amazon

octubre 22, 2026

Cómo preparar el contenido de los productos para la búsqueda basada en IA y el comercio agentivo

octubre 21, 2026

¿Son tus datos los responsables de los resultados erróneos de la IA?

octubre 21, 2026

Guía completa de funciones de PIM: las capacidades que necesitas para unas estrategias de datos exitosas

octubre 20, 2026

Cómo los agentes de IA pueden acelerar la incorporación de productos

octubre 20, 2026

Pioneros, vaqueros y colonos: nuestros días en Connect, en Austin

octubre 15, 2026

Hacia dónde se dirige el mercado del PIM: información fiable sobre productos para contenidos, inteligencia artificial y mucho más

octubre 11, 2026

Confía en la máquina: cómo lograr que la automatización basada en la IA sea fiable en la gestión de datos maestros

octubre 9, 2026

Estrategias de atribución de productos que convierten a los usuarios que realizan búsquedas en compradores

septiembre 24, 2026

Por qué las relaciones con los socios comerciales complican la gestión de los datos maestros

septiembre 18, 2026

Convierte tu migración a SAP S/4HANA en una base de datos preparada para la inteligencia artificial

septiembre 18, 2026

Por qué el estándar de datos que sustenta tus informes fallará a tus agentes de IA

septiembre 9, 2026

Convertir las plataformas de datos en valor empresarial mediante la gestión de datos maestros

septiembre 9, 2026

5 errores en los datos maestros que convierten a los modelos de IA fiables en agentes poco fiables

septiembre 8, 2026

4 razones por las que los bancos y las aseguradoras no pueden ampliar el uso de la IA sin un «Customer 360» fiable

septiembre 7, 2026

Si contamos con Snowflake y Databricks, ¿por qué seguimos necesitando la gestión de datos maestros?

septiembre 7, 2026

Por qué la fragmentación de los datos de los clientes supone actualmente un riesgo importante en materia de cumplimiento normativo para las entidades de servicios financieros

agosto 18, 2026

Los compradores están mejor informados que nunca, pero ¿están tomando mejores decisiones?

agosto 17, 2026

Por qué la IA empresarial se estanca a gran escala, y por qué los datos son el obstáculo que los líderes deben superar

agosto 4, 2026

Cómo establecer una gobernanza de datos que se mantenga en los flujos de trabajo de IA entre agentes

agosto 4, 2026

Por qué la gestión de datos maestros es fundamental para que los agentes de IA sean fiables

julio 31, 2026

¿Están tus datos preparados para los agentes de IA? 5 pruebas para averiguarlo

julio 31, 2026

Las nuevas reglas de la competencia en el comercio agencial

julio 30, 2026

Por qué la mayoría de las iniciativas de IA fracasan antes incluso de que el modelo llegue a ejecutarse

julio 29, 2026

Por qué la confianza es el verdadero cuello de botella del comercio agentivo

julio 28, 2026

Las 5 normas de datos que determinan el éxito o el fracaso de tus agentes de IA

julio 28, 2026

¿Qué es la gestión de datos maestros? Una respuesta completa y concisa

julio 22, 2026

Guía: Garantice un buen enriquecimiento de datos empresariales con el gobierno de datos maestros

julio 20, 2026

5 Tendencias de PIM que Definirán 2026 y el Futuro Cercano (y Cómo Prepararse para Ellas)

julio 15, 2026

Guía: Mejorar la calidad de sus datos con el gobierno de datos maestros

julio 14, 2026

Cómo evaluar a los proveedores de MDM en un mercado marcado por las adquisiciones

julio 13, 2026

Por qué la IA agencial requiere un gemelo digital de la empresa

julio 13, 2026

Guía: Cómo cumplir los estándares del sector mediante el gobierno de datos maestros

julio 3, 2026

Guía: Modelando correctamente los datos empresariales con el gobierno de datos maestros

junio 22, 2026

Los sistemas de IA quieren datos limpios, pero NECESITAN una inteligencia regulada

junio 19, 2026

Bosch y Stibo Systems se alían para la transformación de los datos empresariales

junio 15, 2026

Cómo fomentar la confianza en los sistemas empresariales basados en agentes

mayo 22, 2026

4 impuestos relacionados con la incorporación de proveedores que merman los márgenes día tras día, y cómo los resuelve Agentic AI

mayo 20, 2026

Los 7 tipos de datos de clientes sin los que tus agentes de IA no pueden funcionar

mayo 6, 2026

7 señales de que tu marca está perdiendo terreno en el comercio agéntico

mayo 4, 2026

Con los datos maestros semánticos, tu IA deja de adivinar y empieza a comprender lo que quieres

abril 30, 2026

La IA y los datos maestros: el motor de las empresas

abril 22, 2026

5 problemas con los datos de los productos que hacen que tu marca pase desapercibida en las búsquedas con IA

abril 15, 2026

5 tendencias clave en la gestión de la experiencia del producto

abril 15, 2026

Cómo los responsables de operaciones están modernizando los datos de fabricación sin interrumpir la producción

marzo 18, 2026

Product 360 tras la adquisición por parte de Salesforce: por qué es necesario trazar un plan B

marzo 12, 2026

Datos maestros se unen a Microsoft Fabric: creación de una base fiable para la IA y el análisis

marzo 11, 2026

Protocolo de contexto de modelo (MCP): la capa que faltaba para los sistemas de IA que interactúan con datos empresariales

marzo 3, 2026

El Plan de BIC para Conquistar Desafíos Complejos de Datos Globales de Productos

febrero 9, 2026

Resolver la fragmentación de los datos minoristas: la clave para ofrecer experiencias coherentes a los clientes

febrero 9, 2026

5 costes ocultos de los datos erróneos sobre clientes en el sector minorista (y cómo evitarlos)

enero 23, 2026

¿Tu estrategia de PIM está preparada para el futuro? 3 conclusiones clave del informe SPARK Matrix™

diciembre 22, 2025

¿Cuál es la diferencia entre CPG y FMCG?

diciembre 16, 2025

Guía rápida sobre los registros de clientes valiosos y cómo crearlos con la gestión de datos maestros

diciembre 15, 2025

¿Qué es la fabricación como servicio (MaaS)?

diciembre 11, 2025

4 estilos comunes de implementación de gestión de datos maestros

diciembre 5, 2025

Los consumidores están usando herramientas impulsadas por IA para comprar de manera más inteligente: por qué la confianza en los datos del retail importa más que nunca

agosto 9, 2024

Migración de datos al ERP SAP S/4HANA: Un Enfoque Rápido y Seguro con un MDM

junio 24, 2024

Guía: Ofrezca experiencias de contenido enriquecido impecables con el gobierno de datos maestros

abril 16, 2024

¿Qué es el Gobierno de Datos y Por qué lo Necesita?

enero 31, 2024

¿Qué es la Fabricación Inteligente y por qué es importante?

enero 31, 2024

5 Razones Comunes Por Las Que Los Fabricantes Fracasan En La Transformación Digital

julio 13, 2023

Stibo Systems y GS1 México colaboran para lograr una mejor administración de datos

marzo 3, 2023

Transformación digital en la industria de bienes de consumo empaquetados (CPG)

marzo 1, 2023

Cómo la transparencia de los datos permite un retailing sostenible

octubre 17, 2022

Cómo comenzar con la Gestión de Datos Maestros: 5 pasos a considerar

agosto 31, 2022

Qué es la información de proveedores y por qué es importante para los fabricantes

julio 26, 2022

8 mejores prácticas para la gestión de datos maestros de clientes

julio 12, 2022

Crear una Cultura de Transparencia de Datos – Comience con una Base Sólida

junio 1, 2022

Definición y glosario de Master Data Management (MDM)

mayo 24, 2022

Grupo RFP trabaja con Stibo Systems para impulsar estrategia omnicanal

abril 30, 2022

6 características críticas de una solución de gestión de datos maestros

abril 6, 2022

Gestión de datos de productos durante fusiones y adquisiciones

marzo 31, 2022

¿Cómo mejorar tu gestión de datos?

febrero 15, 2022

Empresas podrán crecer hasta 400% en ventas con Bigo y Stibo Systems

agosto 29, 2021

¿Qué es la Gestión de Datos de Aplicaciones y en qué se diferencia del MDM?

abril 12, 2021

3 razones por las que datos de calidad de proveedores son importantes

enero 27, 2021

¿Cuánto dinero cuesta la devolución de producto de sus clientes?

enero 5, 2021

Solución de gestión de datos en la industria manufacturera

noviembre 18, 2020

Incremente sus ingresos en esta temporada del año

septiembre 2, 2020

Calidad de Datos, un paso fortuito

marzo 6, 2019

Cómo planear, ejecutar y evaluar cualquier iniciativa empresarial de IoT

mayo 17, 2018

Jerarquía Primaria de Productos: ¿Qué es y Cuáles son sus Beneficios?

Comencemos

¿Listo para ver cómo los datos fiables impulsan decisiones más inteligentes? Hablemos.

2