{"id":21501,"date":"2022-10-03T17:40:49","date_gmt":"2022-10-03T15:40:49","guid":{"rendered":"https:\/\/www.hiberus.com\/crecemos-contigo\/?p=21501"},"modified":"2023-11-16T16:27:42","modified_gmt":"2023-11-16T15:27:42","slug":"como-importar-datos-de-fuentes-de-marketing-a-google-cloud-usando-funnel","status":"publish","type":"post","link":"https:\/\/www.hiberus.com\/crecemos-contigo\/como-importar-datos-de-fuentes-de-marketing-a-google-cloud-usando-funnel\/","title":{"rendered":"C\u00f3mo importar datos de fuentes de marketing a Google Cloud usando Funnel"},"content":{"rendered":"

Cuando buscamos un monitoreo a fondo de nuestra estrategia de marketing y somos usuarios de la nube de Google, Google Cloud Platform (GCP)<\/a><\/strong>, sabemos que la integraci\u00f3n y conexi\u00f3n de las distintas fuentes de AdTech y MarTech puede ser dura. Debemos conectar, por un lado, fuentes de anal\u00edtica digital, como pudieran ser Google Analytics<\/a> o Adobe Analytics; por otro lado, datos de compra program\u00e1tica en DSP como pudieran ser DV360, MediaMath o Teads; y datos de nuestras campa\u00f1as en Ad Servers como Campaign Manager, Facebook (Meta) Bussines Manager o Linkedin Ads.<\/p>\n

Si para llevar a cabo nuestra estrategia de marketing digital disponemos de tantas herramientas distintas, la unificaci\u00f3n de los datos en un data lake en Google Cloud puede realizarse atacando a las distintas API directamente<\/strong>, soluci\u00f3n natural para poder disponer de \u00e9stos en Google Cloud Storage<\/a> y trabajar con ellos en BigQuery. Sin embargo, esta soluci\u00f3n requiere de prestar atenci\u00f3n a tantas API como fuentes tengamos, con un paquete de c\u00f3digo para cada una de las extracciones a realizar. Para simplificar este proceso, proponemos el uso de Funnel<\/a> como herramienta de integraci\u00f3n de ETL de marketing.<\/p>\n

\u00bfQu\u00e9 es Funnel?<\/h2>\n

Como herramienta de integraci\u00f3n de ETL de marketing, Funnel nos permite recolectar todos los datos en un sitio seguro<\/strong> para despu\u00e9s poder tenerlos listos para su posterior an\u00e1lisis en la herramienta a la que exportemos.<\/p>\n

La herramienta, a trav\u00e9s de sus conexiones con m\u00e1s de 500 plataformas de marketing y sistemas de CRM<\/a><\/strong> (adem\u00e1s de las citadas arriba, podr\u00edamos destacar otras como Salesforce<\/a>, Shopify, Youtube o Twitter) aglutina los datos y su hist\u00f3rico, manteni\u00e9ndolo siempre actualizado para cualquier necesidad de reporte posterior.<\/p>\n

Su m\u00e1xima es eliminar los silos y las rigideces que pueda acarrear el uso de las distintas conexiones de manera individualizada. De este modo, Funnel se encarga, adem\u00e1s, de homogeneizar las principales m\u00e9tricas (clicks, impresiones, coste\u2026) y dimensiones (campa\u00f1a, fecha\u2026) de nuestros datos<\/strong>, lo que es clave para poder posteriormente aprovechar los distintos niveles (placement, creatividad, actividad, campa\u00f1a\u2026) y combinar la amalgama de fuentes existentes.<\/p>\n

Esto es \u00fatil para ver el performance<\/strong>, por ejemplo, de los placements y las campa\u00f1as de las diferentes fuentes de una manera transversal.<\/p>\n

\u00bfC\u00f3mo funciona Funnel?<\/h2>\n

Lo primero que deber\u00edamos hacer en cuanto estemos en Funnel ser\u00eda irnos al apartado Data Sources dentro de Import<\/strong>. Ah\u00ed conectar\u00edamos nuestras fuentes en el bot\u00f3n Connect Data Source, donde se nos dar\u00eda a elegir entre todas las fuentes disponibles. Despu\u00e9s habr\u00eda que acceder con las credenciales de la herramienta. En el caso de no existir una conexi\u00f3n directa con nuestra fuente concreta, siempre tendremos la opci\u00f3n File Import para traernos datos de manera manual de tipo CSV, TSV o XLSX:<\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

En el caso de no existir la fuente de datos en las disponibles y no disponer de los datos en origen en formato CSV, siempre nos quedar\u00eda la opci\u00f3n de Custom Source<\/strong>. Al solicitar una petici\u00f3n, el equipo de Funnel nos crear\u00eda una fuente personalizada que recibir\u00eda los archivos en el formato que tengamos, como pudiera ser desde GZ hasta JSON. Cabe decir que tanto los File Import como los Custom Source depender\u00e1n de una exportaci\u00f3n peri\u00f3dica de la fuente de datos de origen a Funnel, por lo que para estos casos la utilidad de la herramienta se ver\u00e1 limitada.<\/p>\n

Una vez hecho lo previo, Funnel se traer\u00e1 el hist\u00f3rico de datos de las fuentes conectadas<\/strong> y en unos minutos tendremos el hist\u00f3rico de cada fuente de manera homog\u00e9nea. Cabe recordar que se exceptuar\u00edan las data sources manuales, donde el backfill se debe realizar mediante una exportaci\u00f3n desde la herramienta.<\/p>\n

Para la fase exploratoria, debemos acudir a Data Explorer<\/strong>, dentro del apartado Transform. Ah\u00ed se pueden observar los datos disponibles, que se pueden exportar en local y nos sirven para realizar peque\u00f1os an\u00e1lisis bussines as sual<\/em> as\u00ed como consultas puntuales. Funnel nos agregar\u00e1 m\u00e9tricas como el coste, los clicks o las impresiones por las dimensiones que elijamos<\/strong>, como en el caso que vemos debajo, el advertiser y la fuente de datos.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

Finalmente, llegar\u00edamos a la parte de exportaci\u00f3n de los datos<\/strong>, en el apartado Export. Para ver a d\u00f3nde podemos exportar los datos acudimos Data Destinations, en donde destacar\u00edamos de la suite de Google a BigQuery, Storage y Data Studio, as\u00ed como otros destinos tales como S3 de Amazon Web Services (AWS), Microsoft Azure Blob Storage, Power BI o Tableau. Para la creaci\u00f3n del export, necesitar\u00edamos ir a Data Warehouse y aplicar sobre el bot\u00f3n New Export.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

\u00bfC\u00f3mo exportamos a Google Cloud?<\/h2>\n

La parte de salida del dato desde Funnel a Google Cloud<\/strong> puede hacerse entonces por dos v\u00edas, una, llevando los datos a BigQuery y otra a Google Cloud Storage.<\/p>\n

Empezando por el conector con Storage, como requisitos tendr\u00edamos: la autenticaci\u00f3n con GCP, que ser\u00eda bien por una cuenta de Google o bien por una cuenta de servicio, el nombre del bucket donde queremos almacenar los datos y la ruta espec\u00edfica dentro del mismo bucket. Podemos adem\u00e1s personalizar el nombre con el que van a llegar los archivos y podemos realizar una prueba de acceso.<\/p>\n

Para enviar los datos a BigQuery, necesitar\u00edamos especificar el ID del proyecto de BigQuery y el dataset adem\u00e1s del nombre de la tabla; tambi\u00e9n debemos especificar si queremos que se cree una tabla particionada. Para que el env\u00edo nos funcione, debemos dar permisos a la service account de Funnel del rol de BigQuery User.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

Lo siguiente ser\u00eda elegir los datos a exportar, donde elegir\u00edamos las m\u00e9tricas y dimensiones que nos interesa tener en nuestro bucket de Storage o dataset de BigQuery. Aqu\u00ed elegir\u00edamos la divisa con la que se trabajan los datos monetarios y el filtro en el caso de que aplique. A colaci\u00f3n de lo anterior, recomendar\u00eda hacer un export por cada fuente de datos utilizando un filtro si queremos diferenciar bien a posteriori cada dato y despu\u00e9s continuamos con una ETL concreta donde tiramos de los campos exportados, pero esto depende del usuario y el fin que se busque.<\/p>\n

Elegir\u00edamos tambi\u00e9n el rango de inter\u00e9s, el formato a exportar y el nombre de columnas que queramos exportar en base a los campos elegidos.<\/p>\n

Finalmente tendr\u00edamos la programaci\u00f3n del reporte, que podr\u00e1 ser diario o de una granularidad menor. Tengamos en cuenta que cuando enviemos el diario a GCP, si estamos exportando datos que ya se hab\u00edan enviado (por ejemplo, si tenemos programado un env\u00edo de los \u00faltimos 3 meses), estos se machacar\u00e1n, garantiz\u00e1ndose de este modo en GCP los datos siempre actualizados.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

\"\"<\/p>\n

Como hemos visto, la integraci\u00f3n es ahora mucho m\u00e1s sencilla gracias al uso de Funnel precisamente como embudo que aglutina las fuentes de datos para despu\u00e9s distribuirlos a nuestro gusto dentro de Google Cloud<\/strong>. Lo siguiente no ser\u00eda m\u00e1s que utilizar estos datos para nuestros an\u00e1lisis avanzados con BigQuery, nuestros dashboards que requieren de la uni\u00f3n de fuentes o para todo aquello que necesitemos.<\/p>\n

 <\/p>\n

Google Cloud ocupa el tercer lugar en la cuota de mercado de plataformas Cloud a nivel mundial y es la mejor plataforma\u00a0para la\u00a0explotaci\u00f3n y procesamiento de grandes cantidades de datos<\/strong>\u00a0y para la\u00a0aplicaci\u00f3n de\u00a0algoritmos de Machine Learning<\/strong>\u00a0basados\u00a0en\u00a0la experiencia de Google.<\/p>\n

Desde Hiberus Data&Analytics<\/a> estamos llevando a cabo proyectos de Transformaci\u00f3n Digital con la tecnolog\u00eda m\u00e1s innovadora de Google. Cont\u00e1ctanos para m\u00e1s informaci\u00f3n y nuestro equipo de expertos en Google Cloud<\/a> estar\u00e1 encantado de ayudarte.<\/p>\n

\n
\n
\n
\n

\u00bfQuieres m\u00e1s informaci\u00f3n sobre nuestros servicios de Data & Analytics?<\/p>\n

Contacta con nuestro equipo de expertos en Data & Analytics<\/p>\n <\/div>\n

\n \n
\n

<\/p>

    <\/ul><\/div>\n
    \n
    \n<\/fieldset>\n
    \n\t
    \n\t\t
    \n\t\t\t

    <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t\t

    \n\t\t\t

    <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t

    \n\t\t
    \n\t\t\t

    <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t\t

    \n\t\t\t

    <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t

    \n\t\t
    \n\t\t\t

    <\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t

    \n\t\t
    \n\t\t\t