• SALESFORCE

Data Views para analítica avanzada. Explorando el corazón de Marketing Cloud | MOA

GERMÁN MURUZABAL – AGOSTO 2025

Cuando trabajamos con Salesforce Marketing Cloud (SFMC), es habitual hacer uso de los informes nativos: dashboards en Journey Builder, informes genéricos, pestañas de tracking en Email Studio, incluso de Intelligence reports (anterior Datorama) para cuadros de mando con cierta configuración. Pero si queremos cruzar datos, analizar patrones por contacto, o incluso ver cosas que ni siquiera tienen un reporte asociado, hay una forma de extraer información que marca la diferencia: la explotación de las Data Views.

¿Qué son las Data Views?

Las Data Views son tablas internas que registran todo lo que ocurre en Marketing Cloud. Desde envíos, aperturas o clicks, hasta el estado de tus journeys y automations. Son el registro real y completo de la actividad.
La buena noticia, para los que nos gusta la analítica, es que podemos consultarlas directamente con SQL para hacer nuestros propios análisis, algo que desbloquea un potencial enorme.

¿Qué te permite hacer que no puedes hacer con los reports?

Lo habitual es que los reports nativos te den una visión parcial, orientada a un canal, campaña… Pero:

• No puedes cruzar información entre journeys, contactos y otras tablas.
• No puedes analizar contactos individualmente de forma masiva.
• No puedes extraer inventarios o estados del sistema fácilmente.

Y hay cosas de las que simplemente no hay reportes. Por ejemplo:

• ¿Cuántos journeys tienes por cada uno de sus estados?
• ¿Qué automations están ejecutando queries cercanas al time out?
• ¿Qué journeys llevan semanas sin enviar?

Para todo eso, saber trabajar directamente con las Data Views abre muchas puertas.

Casos de uso reales que puedes resolver cruzando Data Views

Aquí van algunos ejemplos:

• Engagement por contacto: ¿Cuántos emails ha recibido un contacto concreto? ¿Cuántos ha abierto o clicado? ¿De qué journeys/ email activities venían?
• Inventario de journeys por estado: Saber cuántos journeys hay activos, pausados o finalizados. Y detectar si hay journeys activos sin actividad reciente.
• Auditoría de automations: Ver qué automations están en ejecución, qué actividades contienen, y si alguna query se acerca al límite de los 30 minutos de ejecución antes de un time out.

Modelo relacional de las Data Views

Las Data Views funcionan siguiendo un modelo relacional, lo que significa que pueden cruzarse entre sí mediante campos comunes. A través de estos identificadores es posible unir datos de distintas vistas y construir queries más enriquecidas.
Este diagrama permite entender muy bien de qué forma podemos relacionar las data views entre sí:

El mapa de arriba está también disponible de forma interactiva en https://dataviews.io/

Esta forma de conectar datos no se limita solo a las Data Views. Siempre que compartan un campo clave, también podemos cruzarlas con nuestras propias Data Extensions o con Data Extensions sincronizadas. Es el mismo principio que un BuscarV en Excel, si hay una columna que permite conectar, podemos relacionar y enriquecer la información.

La forma de conectarlas es a través de los JOIN, sentencia que nos permite unir datos entre tablas con la lógica abajo expuesta:

¿Cómo se trabaja con las Data Views?

Hay dos formas principales:

• Query Studio: Ideal para hacer pruebas y explorar resultados rápidamente.
• Automation Studio: Cuando quieres programar la ejecución de una query que alimente una Data Extension, lance una alerta o haga otro tipo de proceso.

Lo habitual es validar en Query Studio y luego mover a automation si es necesario.

Ejemplos prácticos con queries reales

• Journeys y su estado

Query básica que sirve para ver la foto actual de journeys y sus estados. Útil si queremos tener un inventario de los journeys que estamos gestionando.

• Envíos totales de journeys y email activities

La siguiente query muestra los envíos realizados por cada journey y email activity. Esta query es útil cuando queremos tener en un reporte ya trabajable el volumen total de envíos que han realizado los journeys en un periodo de tiempo determinado. La ventaja con respecto a los report genéricos es que muestra la información ya en bruto y en un formato trabajable para otras consultas.

• Envíos por contacto

Esta query muestra los envíos realizados a cada contacto por cada journey y email activity, con su fecha de envío. Esta query es útil cuando queremos tener la visión de a qué contactos, cuándo y con qué journeys estamos impactando. Por ejemplo, a efectos de auditoría de saturación de clientes, alguna incidencia que haya disparado de forma repetida un journey, etc…

• Journeys activos sin envíos

Ahora mostramos una query que nos devuelve los journeys en estado running que no han tenido envíos en los últimos días. La principal utilidad de una query de este tipo es la de detectar si hay algún tipo de problemas en el lanzamiento de envíos o si, a nivel de inventario, convendría finalizar esos journeys.

• Listado de automations, status y tiempos

La siguiente query nos permite mostrar un listado de automations en el sistema, su status y los tiempos de ejecución de la automation completa. Útil si queremos contar con un inventario de automations y analizar datos como por ejemplo % de completitud, listado de las que han dado error, etc…

• Listado de automations activities cercanos al time out

En marketing Cloud, las automation activities pueden dar time out cuando el tiempo de procesamiento supera los 30 minutos (referencia según Salesforce). Esto hará que la automation que la contenga no se llegue a completar. La query de abajo permitiría identificar aquellas activities con un tiempo de procesamiento superior a los 25 minutos, y con ello, acciones sobre la misma (rehacer, trocear una query, añadir un paso extra…) para seguir manteniendo la automation sin errores.

Recomendaciones básicas

• Conocer SQL básico es muy útil.
• Validar siempre en Query Studio antes de moverlo a una automation.
• Herramientas de IA como GPT pueden ayudarte a escribir las queries, pero conviene entender lo que hace y revisar los resultados.

Conclusión

Trabajar con Data Views es dar un paso más allá de los informes predefinidos. Te permite tener una visión mucho más completa y profunda de lo que está ocurriendo en Marketing Cloud. No solo te ayuda a analizar campañas, sino a entender la plataforma como un todo, detectar patrones, anticipar problemas y tomar decisiones basadas en los datos, muchas veces de forma automatizada..

Las Data Views en Marketing Cloud permiten un análisis avanzado al acceder con SQL al registro completo de la plataforma.