¿Cuál es la diferencia entre Data Warehouse y Data Mining?
La palabra CRM puede referirse tanto a la estrategia empresarial centrada en el cliente como a las apps informáticas que la hacen más fácil. Las apps CRM son realmente útiles para administrar las relaciones con enormes bases de clientes del servicio, pero tienen que incorporarse sabiendo la estrategia global de la compañía que hace empleo. En este módulo, vamos a estudiar los pasos y metodología para adoptar estas resoluciones.
La tecnología CRM ha de ser con la capacidad de agarrar toda la información derivada de la relación con el cliente con independencia del canal a través del que se ha producido: comunidades, fax, e-mail, fuerza de ventas, Internet , teléfono… , y examinarlo para de esta forma saber sus pretensiones y poder satisfacerlas. Si bien hay distintas herramientas tecnológicas que pertenecen a la solución tecnológica CRM, 2 son las que son de escencial relevancia: Data Warehouse y Data Mining.
Definición de Datamart
Un Data Mart es un subconjunto de un almacén de datos pensado para una línea de negocio concreta. Los guardes de datos poseen repositorios de datos de resumen compendiados para su análisis en una sección o unidad concreta de una organización, por servirnos de un ejemplo, el departamento de ventas.
Un Data Mart solo consigue datos de unas escasas fuentes.
Estas fuentes tienen la posibilidad de ser el almacén de datos corporativo, S.O. internos o fuentes de datos ajenas.
¿Te ha dado gusto el producto?
Puede verlo en formato de vídeo en nuestro canal de YouTube:
Optimización de un data warehouse con cubos
Para administrar todos y cada uno de los datos integrados en un data warehouse, muchas compañías usan cubos (OLAP o tabulares) para reportes y análisis veloces. Un cubo es una sección multidimensional de datos construída desde las tablas de un almacén de datos. Poseen cálculos y fórmulas que de manera frecuente se reúnen según funcionalidades empresariales concretas: un cubo para ventas, uno para compras, uno para el inventario, etcétera. Cada cubo tiene dentro métricas contextuales, importantes y útiles para su área de negocio especial.
Gracias a su composición, los cubos son realmente útiles para los individuos no especialistas para entrar a los datos y realizar reportes: todo el trabajo pesado ahora se efectúa a través de cálculos anteriores. En el momento en que consulte respuestas fundamentadas en sus datos, la solicitud se dirige al cubo conveniente. Los reportes que antes tardaban 5 minutos en construirse en este momento tardan segundos y los individuos finales por el momento no tienen que comprender la complicada red de referencias que enlaza una compilación de tablas.
