• DATA CLOUD
• SALESFORCE

Transformación de Datos en Data Cloud: alimentando Party Identification DMO.

Ricardo plumed navarro- marzo 2025

Como se explicó en detalle en este mismo blog en el artículo ¿Qué es Salesforce Data Cloud? Beneficios y funcionalidades, el recorrido del dato es un proceso estructurado que pasa por varias fases esenciales: desde la ingesta hasta la unificación y posterior activación. En este artículo, exploraremos una función clave dentro de este viaje: la transformación de datos. Veremos su papel en la armonización y unificación de información, y analizaremos un caso de uso práctico basado en una aplicación de pago de una empresa energética.

La Transformación de Datos en el Viaje de Data Cloud

El camino que recorre un dato dentro de Data Cloud sigue la siguiente estructura:

-Ingesta de datos: Es una técnica clave para optimizar procesos como la compra, el registro o la suscripción. Integración de fuentes externas o internas (como Salesforce Core) a través de un Data Stream, lo que genera un Data Lake Object (DLO) en Data cloud.

-Transformación de datos: Modificación y estructuración de los datos para facilitar el mapeo con los DMO

-Armonización: Mapeo de los DLO con los Data Model Objects (DMO) del modelo de datos de Data Cloud.

-Unificación: Creación de entidades unificadas (como el Unified Individual DMO), que permiten una vista 360 del cliente.

-Activación: Uso de los datos unificados en las decisiones de estrategias de negocio y personalización de interacciones de cliente. La transformación de datos juega un papel crucial en la armonización, asegurando que los datos ingresados sean estructurados y optimizados para su uso en la unificación y posterior activación.

Funcionalidades de Transformación de Datos en Data Cloud

Las funciones de transformación de datos en Data Cloud permiten estructurar, limpiar y modificar los datos para adaptarlos a los modelos requeridos. Estas funciones incluyen:

-Filtros y segmentaciones: Permiten extraer solo los datos relevantes para el modelo.

-Agregaciones y combinaciones: Elimina duplicados y agrupa información según necesidades específicas.

-Modificaciones de valores: Conversión y normalización de formatos para alinearlos con los requerimientos del DMO.

Caso de Uso: Transformación de Datos en una APP de Pago de una Empresa Energética

Escenario:

Imaginemos que una compañía energética ha desarrollado una aplicación de pago que permite a sus clientes realizar transacciones en estaciones de servicio para pagar repostajes, recargas eléctricas y compras en tienda. El sistema que gestiona esta aplicación está integrado con Data Cloud a través de un Data Stream para registrar estas transacciones.

Algunas de las transacciones incluyen el uso de programas de fidelización de terceros, lo que significa que los clientes pueden presentar diferentes tarjetas de fidelización en cada compra.

Objetivo:

El objetivo es transformar estos datos transaccionales, pasando de una estructura desnormalizada a una normalizada alineada con el modelo de Data Cloud. Específicamente, queremos mapear los identificadores de los programas de fidelización de cada transacción con el DMO Party Identification, que almacena los identificadores de cada cliente que guiarán la creación del Individuo único de Data Cloud, asociando toda la actividad de negocio e información de cada persona en sus diferentes contextos.

Proceso de Transformación:

El objetivo es transformar estos datos transaccionales, pasando de una estructura desnormalizada a una normalizada alineada con el modelo de Data Cloud. Específicamente, queremos mapear los identificadores de los programas de fidelización de cada transacción con el DMO Party Identification, que almacena los identificadores de cada cliente que guiarán la creación del Individuo único de Data Cloud, asociando toda la actividad de negocio e información de cada persona en sus diferentes contextos.

Uso del DLO “Petrol APP Transactions”

Se reciben los datos de transacciones de la APP, incluyendo los ID de clientes y los ID de programas de fidelización de terceros (ej. Flying Plus, Club Train).

Creación de un DLO intermedio “Collection ID Cliente”

Este DLO recibirá el resultado de la transformación antes del mapeo con el DMO final.

Aplicación de Transformaciones :

Desde la funcionalidad Batch Data transform (similar a Flow Builder) se creará una rama para tratar cada uno de los 3 tipos de programas de fidelización del caso de uso siguiendo los siguientes pasos:

1. Filtrado: Se extraen las transacciones con ID de fidelización válidos.

2. Eliminación de columnas no relevantes: Se dejan solo los campos necesarios para la identificación.

3. Eliminación de duplicados: Se agrupan los datos para evitar registros repetidos.

4. Creación de campos de identificación: Se generan identificadores concatenando ID de cliente con cada uno de los tipos de programa de fidelización.

Mapeo del DLO “Collection ID Cliente” al DMO “Party Identification”

Se asocian los campos del DLO con los del DMO para completar el proceso de armonización.

Paso Final: Unificación y Activación

Una vez mapeado al modelo de datos, los identificadores se usan en la unificación para crear un perfil único del cliente (Unified Individual DMO).

Conclusiones:

Este proceso de transformación de datos en Data Cloud es clave para convertir datos transaccionales desnormalizados en información estructurada y útil para la unificación y activación. En este caso, permitió consolidar los identificadores de programas de fidelización con el modelo de datos estándar de Data Cloud, facilitando una mejor comprensión del cliente y su comportamiento.

El próximo paso será explorar la fase de unificación, donde todos estos datos transformados se consolidan en un “Unified Individual”, proporcionando una visión 360 del cliente. ¡No te pierdas nuestro siguiente artículo! 

La transformación de datos en Data Cloud resulta esencial para convertir información desorganizada en datos estructurados, optimizando su unificación y activación.