Portfolio / Conversion Finder

Plataforma de rendimiento de clientes

ClienteConversion Finder

IndustriaGeneración de leads

PaísEstados Unidos

Implementamos un sistema de gestión de datos simplificado para Conversion Finder que centralizó datos de múltiples fuentes en un único repositorio. Este enfoque no solo consolidó flujos de datos dispares, sino que también aseguró que todos los datos estuvieran disponibles para el análisis. Al estandarizar los procesos de datos, aumentamos la granularidad y mejoramos significativamente la calidad de los datos, lo que permitió obtener insights más confiables y accionables.

El proyecto dotó a Conversion Finder de herramientas sólidas para la toma de decisiones estratégicas y mejoró su capacidad de analizar tendencias y métricas de rendimiento. Como resultado, pudieron responder con mayor eficacia a la dinámica del mercado y optimizar sus estrategias de campaña.

Antes

La dependencia de múltiples archivos de Excel y Google Sheets provenientes de fuentes inconsistentes generaba ineficiencias y posibles errores.
Procesos ineficientes de agregación de datos, que causaban trabajo duplicado.
Falta de documentación centralizada de los flujos de datos existentes, lo que dificultaba rastrear los datos desde su ingreso hasta su uso final.

Mejoras clave

Se reemplazaron las tablas preagregadas por una estructura de datos granular que facilita la agrupación, permite un modelado eficiente y reduce la redundancia.
Se desarrolló un dashboard de monitoreo, que ofrece una vista segmentada de la información.
Se creó documentación del flujo de datos, que permite rastrear paso a paso los datos desde los ingresos iniciales hasta su uso en las hojas de cálculo.

Plataforma de rendimiento de clientes captura

Cómo lo hicimos

Integración de datos

El proyecto consolidó datos de envíos diarios de clientes, archivos CSV, BigQuery y otras fuentes en un almacenamiento de datos centralizado. Por ejemplo, los datos de las exportaciones diarias de Paragon se combinaron y procesaron en BigQuery.

Flujo de datos estandarizado

Estandarizar los flujos y procesos de datos mejoró la calidad y redujo la redundancia. Esto implicó definir las relaciones entre tablas como "Leads", "Transfers" y "Retainers", asegurando la consistencia de los datos.

Dashboard de monitoreo

Se creó un dashboard de monitoreo para ofrecer información detallada sobre campañas, proveedores y rendimiento de los clientes.

Automatización de procesos

Se automatizaron procesos para reducir el esfuerzo manual y los posibles errores. Por ejemplo, las tareas de extracción y transformación de datos se automatizaron con scripts para mover los datos de Gmail a BigQuery.

Tecnologías

PythonBigQueryGmail APISFTP