--- title: "Crear un data pipeline" url: https://docs.catalyst.zoho.com/es/tutorials/crm-deal-prediction/create-data-pipeline/ description: "Crea un poderoso pipeline de ML que analiza datos históricos de ZOHO CRM y predice de manera significativa la probabilidad de un acuerdo exitoso usando los componentes de Catalyst QuickML." last_updated: 2026-08-17T12:16:04Z service: All Services type: tutorial related_links: - name: "Data Cleaning" url: /es/quickml/help/data-preprocessing/data-cleaning - name: "Data Transformation" url: /es/quickml/help/data-preprocessing/data-transformation - name: "Data Profiler and Viewer" url: /es/quickml/help/data-profiler-and-viewer/ --- # Crear un data pipeline Ahora que hemos subido el dataset, procederemos a crear un data pipeline con el dataset. 1. Navega al componente **Datasets** en el menú izquierdo y haz clic en el dataset `Zoho_CRM_Deal_Prediction_Sample`. ![All Datasets](https://catalyst-docs-development.zohostratus.in/images/tutorials/crm-deal-prediction/all-datasets.webp) 2. Se mostrará la página de **Details** del dataset. Haz clic en `Create Pipeline` en la esquina superior derecha de la página. ![Create Pipeline Option](https://catalyst-docs-development.zohostratus.in/images/tutorials/crm-deal-prediction/create-pipeline-crm-prediction.webp) 3. Nombra el pipeline "**Deal Prediction Data Pipeline**" y haz clic en `Create Pipeline`. ![Pipeline Name](https://catalyst-docs-development.zohostratus.in/images/tutorials/crm-deal-prediction/pipeline-name.webp) La [interfaz del pipeline builder](https://docs.catalyst.zoho.com/es/quickml/help/pipeline-builder-interface/walkthrough/#pipeline-builder-interface-1) se abrirá como se muestra en la captura de pantalla a continuación. ![Initial Pipeline](https://catalyst-docs-development.zohostratus.in/images/tutorials/crm-deal-prediction/pipe-line-builder-interface-crm-predict.webp) Realizaremos el siguiente conjunto de operaciones de preprocesamiento de datos para limpiar, refinar y transformar los datasets, y luego ejecutar el data pipeline. Cada una de estas operaciones involucra [nodos de datos](https://docs.catalyst.zoho.com/es/quickml/help/data-preprocessing/data-cleaning/) individuales que se usan para construir el pipeline. ### Seleccionar campos para el preprocesamiento de datos Primero, seleccionaremos los campos requeridos en el dataset para modificarlos posteriormente. 1. Expande el componente **Data Cleaning** en el menú de Operations. Arrastra y suelta el [nodo](https://docs.catalyst.zoho.com/es/quickml/help/data-preprocessing/data-cleaning/#select-or-drop) `Select/Drop` en el pipeline builder y haz una conexión con el nodo `Source`. ![Select/drop](https://catalyst-docs-development.zohostratus.in/images/tutorials/crm-deal-prediction/pipe-line-dashboard.webp) 2. En la sección **Select/Drop** del panel derecho, selecciona las columnas "**Deal ID**," "**Deal Name**," "**Closing Date**," "**Created Time**," y "**Modified Time**", y elige la operación "**Drop**" para eliminar las columnas del dataset, luego haz clic en `Save`. En nuestro caso, estas columnas son genéricas y no sirven para ser usadas posteriormente, por lo que las eliminamos. ### Manejar valores faltantes Para mejorar la calidad de los datos usados para el entrenamiento, filtraremos los datos no vacíos para las columnas requeridas usando el [nodo](https://docs.catalyst.zoho.com/es/quickml/help/data-preprocessing/data-cleaning/#filter) `Filter`. Este proceso elimina datos irrelevantes o incompletos, asegurando que solo se use información valiosa para el desarrollo del modelo. ![Data Filter](https://catalyst-docs-development.zohostratus.in/images/tutorials/crm-deal-prediction/data-cleaning-filter-crm-pipeline.webp) Dado que **Lead Source** es una de las columnas clave para el entrenamiento de nuestro modelo, estamos agregando un filtro a esa columna para evitar celdas vacías. Si deseas procesar los datos no coincidentes del filtro, elige **show unmatched records as a secondary output** si quieres obtener otra salida para datos no coincidentes. ### Rellenar columnas Como parte del preprocesamiento de datos, necesitaremos verificar si hay valores faltantes en alguna de las columnas de los datasets y rellenarlos. Usaremos el [nodo](https://docs.catalyst.zoho.com/es/quickml/help/data-preprocessing/data-cleaning/#fill-columns) `Fill Columns` para ejecutar esta operación. 1. Expande el componente **Data Cleaning** en el menú de Operations. Arrastra y suelta el [nodo](https://docs.catalyst.zoho.com/es/quickml/help/data-preprocessing/data-cleaning/#fill-columns) `Fill Columns` en el pipeline builder y haz una conexión con el [nodo](https://docs.catalyst.zoho.com/es/quickml/help/data-preprocessing/data-cleaning/#filter) `Filter` anterior como se muestra en la captura de pantalla a continuación. 2. Del desplegable llamado **Select Column**, elige **"Type**". En el campo **Fill with**, elige "**Custom Value**". Actualiza el campo Value como "**Not mentioned**", y selecciona el criterio como "**Type**", e "**Is empty**" en el desplegable, luego haz clic en `Save`. Esto rellena los valores vacíos como "**Not mentioned**" en la columna **Type**. ![Fill Column 1](https://catalyst-docs-development.zohostratus.in/images/tutorials/crm-deal-prediction/fill-column-1.webp) Hasta ahora, nuestro dataset está preparado y hemos configurado los nodos requeridos para este tutorial. Finalmente, haz una conexión entre el último nodo configurado **Fill Columns** y el nodo `Destination`. Haz clic en `Execute`. ![Completed data pipeline](https://catalyst-docs-development.zohostratus.in/images/tutorials/crm-deal-prediction/execute-pipeline-crm-predict.webp) El data pipeline comenzará la ejecución y el estado de la ejecución se mostrará en la página de Details del pipeline como se muestra en la captura de pantalla a continuación. Una vez que el pipeline haya completado la ejecución, el estado de ejecución mostrará "**Success**". ![Executed data pipeline](https://catalyst-docs-development.zohostratus.in/images/tutorials/crm-deal-prediction/executed-final-image-dashboard.webp) Haz clic en `Execution Stats` para ver más detalles sobre cada etapa de la ejecución en detalle. ![Execution stats for data pipeline](https://catalyst-docs-development.zohostratus.in/images/tutorials/crm-deal-prediction/execution-stats-crm-predict.webp) Ahora, hemos preparado nuestro dataset que puede usarse para desarrollar el modelo de ML. Discutiremos más sobre la creación del ML pipeline en la siguiente sección. > **Nota:** El data pipeline puede reutilizarse para crear múltiples experimentos de ML para casos de uso variados dentro de tu proyecto de Catalyst.