Modelado de datos de marketing

Las tablas raw de los conectores son desordenadas: tienen nombres de columnas incoherentes, monedas mezcladas, distintas granularidades y particularidades propias de cada plataforma. Consultarlas directamente produce cifras incorrectas y no reproducibles.

El modelado de datos es la disciplina de convertir filas raw en tablas limpias, coherentes y listas para el negocio. Aquí se definen el ROAS, las conversiones y los ingresos una sola vez y correctamente, para que todos los informes coincidan.

El modelo analítico dominante es el esquema de estrella: una tabla de hechos central de eventos medibles rodeada de tablas de dimensiones que los describen. Los hechos contienen números, como gasto, clics e ingresos; las dimensiones contienen contexto, como campaña, fecha, canal y cliente.

Esta estructura resulta intuitiva para los profesionales de marketing y eficiente para las herramientas de BI, que relacionan un hecho con varias dimensiones para desglosar las métricas según cualquier atributo.

Una tabla de hechos es larga y aditiva: una fila por evento o por campaña y día, con medidas numéricas que se suman. Una tabla de dimensiones es ancha y descriptiva: una fila por campaña o cliente, con atributos por los que se filtra y agrupa.

La prueba es la siguiente: si lo sumaría con SUM, es un hecho; si lo usaría en GROUP BY, es una dimensión. El gasto es un hecho; el nombre de la campaña es una dimensión.

La granularidad indica qué representa una fila de una tabla de hechos. Declararla primero es la decisión de modelado más importante. Mezclar granularidades, como filas diarias con totales acumulados, provoca dobles recuentos y corrompe todas las métricas posteriores.

Indique la granularidad en lenguaje llano: una fila por campaña y día. A partir de ahí, cada columna debe ser válida para esa granularidad y cada carga debe respetarla.

Antes de los hechos y las dimensiones, construya modelos de staging: uno por tabla de origen, cambiando los nombres de las columnas a un estándar, convirtiendo los tipos y estandarizando las unidades, como pasar de centavos a dólares o usar fechas UTC. Un modelo de staging corresponde a una tabla raw, y nada más.

El staging es la capa de limpieza. Aísla las particularidades de cada fuente para que sus marts posteriores nunca tengan que saber que Meta lo denomina gasto y Google lo denomina coste.

Cada plataforma publicitaria informa de una forma distinta, pero después del staging todas comparten una estructura común. El modelo siguiente las combina en un único hecho de gasto multicanal, la base de los informes combinados.

Esta única tabla es la que hace posible calcular el ROAS total. Como todos los canales tienen las mismas columnas, una consulta suma de una vez el gasto de Google, Meta y TikTok.

Para el análisis multicanal, las dimensiones deben estar conformadas: un dim_date y un dim_channel compartidos a los que cada hecho se una de la misma manera. Así, «ingresos por mes y canal» significa lo mismo tanto si el origen son los anuncios como si es el correo electrónico o la web.

Las dimensiones conformadas permiten colocar el gasto y los ingresos uno junto a otros en un mismo gráfico. Sin ellas, las relaciones no coinciden y los totales difieren silenciosamente.

La atribución asigna el mérito de una conversión a los puntos de contacto. La atribución de último clic es la más sencilla: la fuente de marketing final antes de la conversión recibe todo el mérito. La atribución de primer clic, lineal y basada en posiciones distribuye el mérito de otras formas.

En un almacén se implementa la atribución como un modelo, no como una caja negra de una plataforma. Con datos de eventos de GA4 puede usar funciones de ventana para recorrer los puntos de contacto de cada usuario y aplicar cualquier regla, y después comparar los resultados entre modelos de forma objetiva.

Los atributos de las dimensiones cambian con el tiempo: cambia el responsable del presupuesto de una campaña o sube de nivel un cliente. Una dimensión de cambio lento de Tipo 2 conserva el historial añadiendo una fila nueva con fechas de vigencia en lugar de sobrescribir la anterior.

Esto es importante para elaborar informes precisos en un momento dado. Para saber en qué segmento estaba un cliente cuando convirtió, necesita la versión de la dimensión que estaba vigente entonces, no la actual.

Los modelos son código, así que pruébelos. Herramientas como dbt le permiten verificar que las claves sean únicas y no nulas, que los valores de canal pertenezcan a un conjunto aceptado y que se cumplan las relaciones entre tablas.

Las pruebas detectan la deriva del esquema y las relaciones incorrectas antes de que lleguen a un dashboard. Junto con la documentación y el linaje generados automáticamente, hacen que el modelo sea confiable y fácil de incorporar para nuevos miembros, en lugar de convertirlo en una caja negra frágil.

La capa superior son los marts: tablas listas para el negocio y diseñadas para audiencias concretas, como un mart marketing_performance que ya relaciona el gasto con los ingresos y calcula el ROAS por canal y día.

Las herramientas de BI leen únicamente de los marts. Al relacionar y agregar previamente los datos aquí, los dashboards se mantienen rápidos y baratos, y todos los analistas heredan las mismas definiciones correctas.

Está construyendo una tabla de hechos para el rendimiento de los anuncios y debe evitar los dobles recuentos. ¿Qué es lo más importante que debe declarar antes de escribir cualquier columna?

El modelado transforma tablas sin procesar desordenadas en datos confiables y listos para el negocio mediante capas: staging limpia y normaliza cada fuente, las tablas de hechos y las dimensiones conformadas forman un esquema en estrella, y los marts dejan todo unido de antemano para BI.

Declare primero la granularidad, una los canales para obtener métricas combinadas, implemente la atribución y el historial SCD Type 2 en SQL, y pruebe cada modelo para que los números incorrectos fallen de forma visible en lugar de llegar a un dashboard.