Estrategias de Datos para Campañas: Implementación de Data Mart y BI

Introducción

Esta investigación se centra en la **gestión de datos para campañas**. La idea principal es **discernir y comprender el recorrido de cada cliente y su comportamiento** dentro de la empresa. Esto nos ofrece la oportunidad de **mejorar la comunicación y las estrategias** basadas en el negocio propio. El **Data Mart** ayudará a **comprender las necesidades reales del cliente** y a **contribuir a su satisfacción**.

Relevancia y Factibilidad del Proyecto

Empatía en la Gestión de Datos

Este apartado aborda la **empatía** inherente al tema de la gestión de datos, destacando la importancia de entender al cliente.

Factibilidad del Proyecto y Valor de los Datos

Se discute la **factibilidad del proyecto**, presentando una secuencia que ilustra el **valor intrínseco de los datos** para la toma de decisiones.

Conceptos Clave: Data Warehouse

Definición según W. H. Inmon

Según **W. H. Inmon**, un **Data Warehouse** es un conjunto de datos orientados por temas, integrados, variantes en el tiempo y no volátiles, que tienen por objetivo dar soporte a la **toma de decisiones**.

Características del Data Warehouse (según Inmon)

• Temático: El Data Warehouse se organiza alrededor de **temas específicos** de un problema de negocio y no en torno a las aplicaciones.
• Integrado: Se integran diversas **fuentes operacionales** a través de un proceso **ETL (Extracción, Transformación y Carga)**.
• Variante en el tiempo: En un Data Warehouse se mantiene un registro de los **datos históricos** para diferentes periodos de tiempo, a diferencia de los datos transaccionales que comúnmente solo mantienen el registro más reciente.
• No volátil: La información una vez ingresada en el Data Warehouse **no se modifica ni se elimina**; solo se puede leer y consultar.

Definición según Ralph Kimball

Según **Ralph Kimball**, un **Data Warehouse** es una copia de los datos transaccionales específicamente estructurada para la **consulta y el análisis**.

Características del Data Warehouse (según Kimball)

• Modelo dimensional
• Datos atómicos: Es decir, todo tipo de datos.
• Diseñado para almacenar datos, permitiendo su **explotación y análisis**.

(Se recomienda consultar un cuadro comparativo para una comprensión más detallada de ambas metodologías).

Metodología de Desarrollo del Data Mart

Para el desarrollo del **Data Mart** se utilizará la **metodología de Kimball**, dado que los recursos se centran en un área específica, lo que implica un **coste bajo de recursos**. Además, esta metodología asegura una **mejor usabilidad** y permite un **desarrollo rápido e incremental**.

Enfoque Metodológico Adoptado:

El método se basa en la **propuesta de Kimball** y en los principios mencionados anteriormente para la construcción del Data Mart.

Componentes del Sistema de Business Intelligence (BI)

El sistema de Business Intelligence (BI) posee tres componentes primordiales:

Componentes Principales:

• Fuentes de información: De las cuales partiremos para alimentar el **Data Warehouse**.
• Proceso ETL: De **Extracción, Transformación y Carga** de los datos.

Herramienta de Gestión: SAS

SAS es un lenguaje de programación desarrollado por **SAS Institute** a finales de los años sesenta. Contiene un intérprete **SQL** y un lenguaje propio. El lenguaje SAS opera principalmente sobre **tablas de datos**: puede leerlas, transformarlas, combinarlas, resumirlas y crear informes a partir de ellas. La elección de SAS se debe principalmente a que las **fuentes principales de datos** ya están en SAS y porque apoya la **toma eficaz y estratégica de decisiones**. Por ejemplo, comprender por qué los clientes llaman facilita la creación de un plan para **reducir el volumen de llamadas** en un centro de contacto.