Ingesta (ingestion)

El momento en que un archivo entra en la biblioteca es el más barato para hacer este trabajo. Los pasos que se omiten durante la ingesta rara vez se hacen después, y así es como las bibliotecas se llenan de archivos sin etiquetar que nadie puede encontrar ni previsualizar.

Formas en que los archivos entran en un DAM

Vía	Uso habitual
Importación en el navegador	Un equipo de marketing añade las fotos de una nueva sesión o los archivos de una campaña
Importación masiva desde almacenamiento	Trasladar un archivo desde una unidad compartida o el almacenamiento en la nube, o una entrega periódica de un estudio fotográfico
Importación con un catálogo de productos	Fotos de producto asociadas a filas de una hoja de cálculo o de una exportación de catálogo, que aportan nombres de producto, SKU y categorías
API	Un sistema de información de producto, una herramienta de web-to-print o el sistema de una agencia envía archivos automáticamente

Pasos de un pipeline de ingesta

1. Validación y análisis antivirus. El sistema comprueba que el archivo ha llegado completo y lo analiza antes de que nadie pueda descargarlo.
2. Identificación del formato. El tipo real de archivo se lee a partir del contenido, no de la extensión.
3. Comprobación de duplicados. Una suma de verificación encuentra copias exactas. Un hash perceptual encuentra la misma imagen redimensionada, recomprimida o ligeramente editada. Consulta la detección de duplicados.
4. Extracción de metadatos. Se leen las propiedades técnicas del archivo, junto con los campos Exif e IPTC escritos por cámaras y fotógrafos. Los nombres de archivo que siguen una convención pueden analizarse y pasarse a campos.
5. Vistas previas y versiones derivadas. Miniaturas, vistas previas de tamaño web, vistas previas de video e imágenes de las páginas de los documentos. Consulta la versión derivada (rendition).
6. Enriquecimiento. Etiquetas y pies de foto generados por IA, texto leído en las imágenes mediante OCR, transcripciones de voz y los datos que necesitan la búsqueda semántica y la búsqueda visual.
7. Reglas e indexación. Se aplican valores predeterminados, reglas de automatización y reglas de acceso, y el recurso pasa a poder buscarse.

Un pipeline bien construido ejecuta estos pasos en segundo plano, de modo que una importación de miles de archivos no ralentiza a las personas que están usando la biblioteca.

Ingesta y migración

Trasladar un archivo existente a un DAM es ingesta a gran escala: los nombres de carpeta se convierten en metadatos, los archivos se asocian a registros de catálogo y el pipeline enriquece el trabajo pendiente que nadie etiquetaría a mano. Algunos puntos prácticos:

• Migra por partes, como una marca, un año o una línea de producto, y comprueba lo que produjo el pipeline antes de empezar la siguiente. Los equipos que lo copian todo primero y piensan organizarlo más tarde rara vez lo hacen.
• Asigna los nombres de carpeta y las convenciones de nombres de archivo a campos antes de importar, para no perder la información que contienen.
• Decide cómo tratar los duplicados antes de que lleguen: omitir la copia, conservar ambos o reemplazar el archivo más antiguo.
• Mantén el origen en solo lectura hasta que se haya comprobado la importación.

Las guías sobre cómo migrar del almacenamiento en la nube a un DAM y sobre la implantación de un DAM tratan el proceso completo.

Ingesta en Freedam

• Los archivos llegan mediante importación en el navegador (los archivos grandes se envían en fragmentos), a través de la API o desde fuentes de importación que leen almacenamiento compatible con S3, servidores WebDAV y unidades en la nube, con una programación si hace falta. Consulta la biblioteca de recursos.
• Las fuentes de importación pueden leer una hoja de cálculo de catálogo de productos, asociar sus filas con archivos y rellenar campos de metadatos y términos de vocabulario a partir de sus columnas.
• Cada archivo se analiza en busca de virus antes de almacenarse, y un archivo infectado se rechaza.
• Las copias exactas se encuentran por suma de verificación y los casi duplicados por hash perceptual. La página de importación permite comparar cada pareja y después eliminar lo importado, conservar ambos o reemplazar el archivo existente conservando sus metadatos. Consulta la detección de duplicados.
• Los campos Exif e IPTC se leen y se pasan a los campos del recurso, y las reglas de análisis de nombres de archivo convierten las convenciones de nomenclatura en valores de campo.
• Se generan vistas previas de imágenes, video, audio, PDF, documentos de Office, archivos EPS, archivos de diseño y archivos comprimidos, y se extrae el texto de los documentos para la búsqueda. Consulta la versión derivada (rendition).
• La IA analiza las imágenes para obtener etiquetas, un pie de foto, el texto impreso y la clase de recurso; se transcribe la voz de los videos y del audio; se verifican las Content Credentials. Consulta el etiquetado automático.
• Las reglas de automatización se ejecutan con cada recurso nuevo para definir metadatos, añadir etiquetas, asignar colecciones, cambiar el estado del flujo de trabajo o notificar a las personas.
• Cada etapa se ejecuta como una tarea en segundo plano, y cada lote de importación tiene su propia página con sus archivos, su estado y los duplicados encontrados.

Preguntas frecuentes

¿Cuál es la diferencia entre importación e ingesta?

La importación es la transferencia del archivo al sistema. La ingesta incluye la importación y todo lo que viene después hasta que el archivo es un recurso terminado: análisis, extracción de metadatos, comprobación de duplicados, vistas previas y enriquecimiento.

¿Cuál es la diferencia entre ingesta de datos e ingesta de recursos?

La ingesta de datos es un término de ingeniería de datos para cargar registros de aplicaciones y bases de datos en un data warehouse o un data lake. La ingesta de recursos, el significado que se usa aquí, es cargar en un DAM archivos como imágenes, videos y documentos, con el procesamiento que permite encontrarlos.

¿Hay que etiquetar los archivos antes o después de la ingesta?

Deja que el pipeline haga la primera pasada: los metadatos incrustados, las etiquetas de IA y los valores de los nombres de archivo o de un catálogo no cuestan nada de añadir. Después añade lo que solo saben las personas, como la campaña, el estado de aprobación y los derechos de uso, idealmente en la misma sesión que la importación, a menudo con una edición masiva de todo el lote.