Lab 04Ingeniería de datos
Data warehouse de marketing
Fuentes de marketing en un solo modelo documentado, con tablas validadas para dashboards y análisis.
Probar con nuevos datosCómo funciona
30 jun 2026 · USD · datos de ejemplo
01El problema
Demasiado tiempo se va en preparar los datos.
Cada sistema exporta a su manera: Google Ads reporta la inversión en microunidades y Meta usa otros nombres de campo. Cuando los datos de campañas, CRM y analítica viven en plataformas y archivos diferentes, cada reporte empieza limpiando, cruzando y revisando la misma información otra vez.
02Qué hace
- 01
Un modelo común
Unifica nombres de campos, formatos y unidades de Google Ads, Meta Ads y LinkedIn Ads. Se normalizan unidades; no se convierten monedas.
- 02
Cargas sin duplicados
Cada fila se reconoce por su grano: plataforma, cuenta, campaña y día. Repetir una carga no crea filas nuevas y una corrección actualiza el registro existente.
- 03
Excepciones a la vista
Un registro que no cumple las reglas queda fuera de la tabla de reporting, con su motivo, pendiente de revisión. No se convierte en cero ni se descarta en silencio.
- 04
Tablas listas para reporting
Una tabla de hechos con dimensiones de fecha, plataforma, cuenta y campaña, que se integra con dashboards y reportes.
03Cómo funciona
- 01
Ingesta · staging
Cada fuente entrega sus registros en su propio formato y se cargan en la capa raw tal como llegan. Conservar el registro original permite explicar de dónde salió cada cifra.
- 02
Transformación
Mismos campos y tipos; las microunidades pasan a USD. Así se pueden comparar las filas con las mismas reglas.
- 03
Calidad · deduplicación
La carga hace merge sobre la clave de cada fila: las copias se ignoran, una versión más reciente actualiza la cifra y un registro sin un campo requerido queda en revisión.
- 04
Modelo dimensional
Una tabla de hechos con las filas válidas y sus dimensiones, lista para reporting. Cada fila conserva su fuente, cuenta, campaña y fecha.
- 05
Validar y documentar
Antes de dar una tabla por buena, se revisan cobertura, reglas de calidad y diferencias frente al origen, y queda una guía para operar el flujo y revisar excepciones.
04Úsala
La base ya está construida. Ahora ponla a prueba.
Sigue los datos desde el archivo recibido hasta la tabla que usará el equipo de marketing. Después, elige qué llega en la siguiente carga: el mismo archivo otra vez, una cifra corregida o un dato incompleto. Observa qué conserva, actualiza o separa el sistema.
DEMO INTERACTIVA
Una base confiable, registro por registro.
Sigue los datos desde el archivo recibido hasta la tabla que usará el equipo de marketing. Después, pon a prueba sus controles.
El archivo suma USD 5.200.La inversión válida es USD 3.000.
Dos registros llegaron repetidos. Mira cómo se reconocen sus copias antes de que inflen el reporte.
Importe repetido: USD 2.200
6 registros recibidos
CSV / 06- 01Google AdsBúsqueda de marcaUSD 1.200
- 02Meta AdsProspecciónUSD 1.000
- 03Google AdsBúsqueda genéricaUSD 500
- 04LinkedIn AdsInformación de fondosUSD 300
- 05Google AdsBúsqueda de marcaUSD 1.200Copia de 01
- 06Meta AdsProspecciónUSD 1.000Copia de 02
Datos de ejemplo. Todos los importes se expresan en USD antes de comparar las filas.
05Datos y límites
Simulación con datos de ejemplo.
Seis registros de ejemplo de Google Ads, Meta Ads y LinkedIn Ads, al 30 de junio de 2026 y en USD. La simulación no se conecta a ninguna cuenta ni procesa datos reales. Cada escenario de prueba es independiente y parte de los mismos 4 registros y USD 3.000.