Conocer el modelo de datos Customer 360

Objetivos de aprendizaje

Después de completar esta unidad, podrá:

• Describir los desafíos de los modelos de datos.
  
• Reconocer la terminología del modelo de datos Customer 360.
  
• Explicar cómo usa Salesforce el modelo de datos Customer 360.
  

Trailcast

Si quiere escuchar una grabación de audio de este módulo, use el reproductor a continuación. Cuando haya terminado de escuchar esta grabación, recuerde volver a cada unidad, consultar los recursos y completar las evaluaciones asociadas.

Modelo de datos Customer 360

En las misiones exitosas, se suelen ejecutar en segundo plano gadgets de alta tecnología y asistencia técnica. Para que Data Cloud gestione y organice grandes volúmenes de datos, también contamos con asistencia en segundo plano. Usamos el modelo de datos Customer 360 para estandarizar y conectar las fuentes de datos con distintos formatos y estructuras de datos. Utiliza API (una herramienta de desarrollo que permite que los sistemas se comuniquen entre sí) y otras asignaciones para conectar aplicaciones y datos. Básicamente, el modelo de datos Customer 360 es el modelo de datos estándar de Data Cloud que permite que la integración sea fluida y ampliable. Además, reduce los obstáculos que impiden la integración de varios productos. La estandarización es importante por varios motivos.

Modelos de datos

En la búsqueda de experiencias conectadas y transformación digital, muchas compañías adoptan varios sistemas. ¿Recuerda el ejemplo de NTO, cuyos miembros del equipo usan datos de muchas fuentes distintas? Es bastante típico. Cuanto más grande es la compañía, más sistemas utiliza. Cada sistema posee un modelo de datos exclusivo. Por ello, la unificación de datos de distintos departamentos y sistemas resulta un verdadero desafío para los usuarios. A fin de resolver este problema, las compañías suelen pedir a desarrolladores o consultores que creen soluciones y códigos personalizados para conectar los puntos, lo cual puede ralentizar la innovación y generar integraciones inestables.

Estructura de la base de datos

Los datos de las empresas casi nunca están estandarizados. Por el contrario, los datos se personalizan para requisitos específicos de negocio, y se los puede encontrar sin procesar con longitudes o decimales ilimitados. Esto puede resultar complicado, pero puede serlo aún más. Los datos se pueden clasificar como estructurados o no estructurados (es decir, con un modelo de datos formal o sin él). Además, existen muchos tipos de bases de datos que almacenan datos, desde las relacionales que utilizan lenguaje de consulta estructurado (SQL) hasta las que no, denominadas NoSQL. (A modo de referencia, Marketing Cloud Engagement almacena datos con una estructura de base de datos relacional). Hoy en día, muchas organizaciones almacenan sus datos en varias bases de datos. No hay problema en que los tipos de datos sean distintos, siempre y cuando se los pueda recuperar con facilidad, lo cual no siempre ocurre.

Obtenga más información sobre los sistemas de datos en el módulo de Trailhead Estrategias para la arquitectura de Big Data.

La guía del modelo de datos de un experto en marketing

Como experto en marketing, sabe que los datos son los que impulsan su negocio y las experiencias personalizadas para sus clientes. A pesar de que no es necesario que sea un experto en arquitectura y modelos de datos, es útil saber cómo afectan su trabajo. Piense en el modo en que se almacena un registro de cliente en el sistema de un punto de venta (POS) minorista y cómo se identifica a ese mismo cliente en Marketing Cloud Engagement. Es posible que el POS almacene a un cliente como un número aleatorio según el horario de la venta (p. ej., 1145). Marketing Cloud Engagement almacena a ese mismo cliente con una clave de suscriptor (p. ej., Susan1145). Entonces, ¿cómo se pueden integrar sistemas que identifican al mismo cliente de distinta forma y en los que el formato de los datos difiere?

La solución que ofrece el modelo de datos Customer 360 es la creación de modelos de datos estandarizados que se pueden utilizar en situaciones comunes según las áreas temáticas (por ejemplo, pedidos de ventas). De esta manera, se estandarizan los datos para que asignarlos resulte más sencillo. Al facilitar la asignación de datos, se facilita también la identificación de un mismo cliente en distintos sistemas.

Terminología del modelo de datos Customer 360

Veamos los componentes básicos del modelo de datos Customer 360.

Área temática

Un área temática es un término o concepto de negocios utilizado para agrupar objetos de datos similares a fin de colaborar en el modelado de datos. Por ejemplo, datos de implicación, lealtad o pedidos de ventas. Cada área temática contiene un objeto de modelo de datos o más.

Transmisión de datos

Es la fuente de datos que se incorpora a Data Cloud, por ejemplo, la extensión de datos de un cliente de Marketing Cloud Engagement. Estas transmisiones de datos pueden estar basadas en datos agrupados en lotes o en transmisiones de datos en tiempo real. 

Objeto de lago de datos (DLO)

Un objeto de lago de datos es un contenedor para los datos ingresados en Data Cloud a partir de transmisiones de datos.

Objeto de modelo de datos (DMO)

Un objeto de modelo de datos es un conjunto o una forma de organizar datos de transmisiones de datos, perspectivas y otras fuentes. Los DMO pueden ser estándar o personalizados, según la necesidad de negocio. Los DMO estándar comunes son los pedidos de ventas, la identificación de parte, la implicación de emails, etc. 

Atributo

Un atributo, denominado también campo, es un dato específico que se encuentra en un DMO, por ejemplo, el nombre de un cliente. Es similar a un campo de extensión de datos en Marketing Cloud Engagement.

Clave externa

Una clave externa es un vínculo común entre fuentes de datos que genera las relaciones de datos, por ejemplo, un número de Id. de cliente. 

Salesforce, el modelo de datos y usted

¿Por qué adoptar el modelo de datos Customer 360? Porque ayuda a agrupar y estandarizar los datos en distintas aplicaciones de Salesforce y en fuentes externas. Gracias al modelo de datos Customer 360, los datos pueden usarse en distintas plataformas. Nos permite ofrecer una plataforma de gestión de datos de autoservicio, incluso para las canalizaciones más complejas. 

Los expertos en marketing utilizan el modelo de datos Customer 360 en Data Cloud para poder modelar los datos con facilidad mediante modelos preconstruidos basados en casos de uso habituales de marketing. Estos modelos de datos elaborados, por ejemplo, para la implicación general de clientes o el seguimiento de lealtad de clientes se denominan paquetes de datos. Aunque en este módulo no profundizaremos en información específica sobre los paquetes de datos, lo que debe saber es que lo ayudan a estandarizar los datos sin requerir demasiada manipulación ni un doctorado en ciencia de datos.

¿Le interesa saber más? Obtenga la insignia Modelo de datos Customer 360 para Data Cloud a fin de obtener más información sobre el modelo de datos estándar. 

Si las opciones estándar o los casos de uso de datos preconstruidos no funcionan para su empresa, también tiene la posibilidad de personalizar sus propios modelos de datos.

Modelo de contacto de Marketing Cloud Engagement

La implementación de Data Cloud no afectará su actual modelo de contacto de Contact Builder en Marketing Cloud Engagement. Su modelo de contacto en Marketing Cloud Engagement es solo una pieza del rompecabezas del modelo de datos. Data Cloud debe integrarse y funcionar en distintos canales e instancias de nube. En la siguiente unidad, abordaremos el trabajo de preparación que puede hacer para Data Cloud.

¿Desea obtener más información sobre la estrategia de datos? Consulte el módulo de Trailhead Estrategias de datos centradas en el cliente para obtener más información sobre las consideraciones acerca de los datos de clientes.

Ahora que tiene una visión general de los productos y del modo en que se gestionan los datos en segundo plano, veamos Data Cloud en mayor detalle.

Recursos

• Trailhead: Estrategias para la arquitectura de Big Data
• Trailhead: Estrategias de datos centradas en el cliente
• Trailhead: Modelo de datos Customer 360 para Data Cloud