¿Qué es Dataslayer Atlas y para quién está pensado?

Está diseñada para equipos que quieren centralizar, explorar, visualizar y entender sus datos de negocio sin tener que gestionar un almacén de datos y una plataforma de reporting por separado.

Si buscas una alternativa más sencilla y menos técnica a gestionar BigQuery junto con una herramienta BI independiente, Atlas puede cubrir muchos de esos flujos de reporting y análisis en una única plataforma gestionada.

¿Cómo funciona Dataslayer Atlas?

Atlas cubre los principales pasos entre conectar tus datos y tomar una decisión de negocio.

Conectas las fuentes que necesitas y Dataslayer se encarga de incorporar esos datos al Dataslayer Data Warehouse y mantenerlos sincronizados.

A partir de ahí, puedes trabajar con tus datos mediante:

• Espacios de trabajo para organizar equipos, clientes, proyectos, marcas o áreas de negocio.
• SQL Workbench para consultar directamente los datos cuando sea necesario.
• Consultas guardadas para reutilizar análisis.
• Dashboards para supervisar métricas y explorar el rendimiento visualmente.
• Diferentes tipos de visualización para presentar y explorar los datos.
• AI Analyst para investigar los datos utilizando lenguaje natural.

Esto significa que Atlas combina la infraestructura de datos necesaria para tus informes con las herramientas que te ayudan a entender y utilizar esa información.

¿Qué datos puedo conectar a Atlas?

Atlas no se limita a los datos de publicidad o marketing.

Puedes conectar las fuentes de datos disponibles a través de Dataslayer, incluyendo plataformas de marketing, herramientas de analítica, sistemas CRM, plataformas ecommerce, bases de datos, hojas de cálculo, archivos, APIs, almacenamiento en la nube y otros sistemas de negocio.

Por ejemplo, puedes conectar:

• Plataformas de marketing y publicidad.
• Herramientas de analítica y medición.
• Plataformas CRM y de ventas como HubSpot, Pipedrive y Zoho CRM.
• Plataformas ecommerce como Shopify, WooCommerce y BigCommerce.
• Bases de datos como PostgreSQL, MySQL, Microsoft SQL Server, BigQuery, Snowflake y Databricks.
• Archivos y hojas de cálculo como CSV, Excel y Google Sheets.
• APIs y servicios de almacenamiento en la nube como REST APIs, Amazon S3, Google Cloud y Azure Blob.

Puedes utilizar Atlas para un área concreta del negocio, como el reporting de marketing, o combinar datos de marketing, ventas, ecommerce, operaciones y otras áreas en el mismo entorno.

¿Qué puede hacer el AI Analyst de Atlas?

El AI Analyst de Atlas te ayuda a investigar tus datos utilizando lenguaje natural.

Por ejemplo, puedes pedirle que:

• Responda preguntas sobre tus datos.
• Resuma un dashboard.
• Compare periodos e identifique tendencias.
• Analice segmentos, canales, mercados o campañas concretas.
• Destaque áreas débiles o posibles riesgos.
• Explique qué segmentos están relacionados con cambios en el rendimiento.
• Detecte anomalías o movimientos inusuales.
• Sugiera qué deberías investigar a continuación.
• Genere tablas o análisis que puedan añadirse a un dashboard.

El AI Analyst está diseñado para ayudarte a entender no solo qué ha ocurrido, sino también por qué puede haber ocurrido y qué deberías analizar después.

No sustituye el criterio del equipo. La calidad de sus análisis depende de la calidad y disponibilidad de los datos subyacentes, por lo que los usuarios deben revisar los resultados importantes antes de tomar decisiones.

¿Para quién está pensado Dataslayer Atlas?

Atlas es útil para equipos que trabajan regularmente con datos de negocio, pero no quieren mantener un stack de analítica fragmentado.

Entre sus usuarios habituales se incluyen:

• Equipos de marketing y growth que combinan datos de varios canales.
• Agencias que gestionan reporting y análisis para varios clientes.
• Equipos de ventas y revenue que trabajan con datos comerciales y de CRM.
• Equipos ecommerce que combinan datos de tienda, publicidad y clientes.
• Equipos de operaciones que trabajan con bases de datos, hojas de cálculo, APIs o datos internos.
• Analistas que necesitan tanto dashboards como acceso a SQL.
• Empresas que quieren que diferentes departamentos trabajen con una misma fuente de datos.

Los usuarios no técnicos pueden trabajar con dashboards existentes y hacer preguntas utilizando el AI Analyst sin escribir SQL. Las herramientas SQL siguen disponibles para analistas y usuarios avanzados que necesitan un mayor control.

Puedes empezar con un área del negocio y ampliar Atlas a medida que crezcan tus necesidades de datos y reporting.

¿Es Atlas una alternativa a BigQuery y a las herramientas de reporting independientes?

Para muchos flujos de reporting y business intelligence, sí.

BigQuery se utiliza para almacenar y consultar datos. Normalmente se necesita una herramienta BI o de reporting independiente para convertir esos datos en dashboards e informes. Además, los equipos suelen tener que coordinar conexiones de datos, permisos, actualizaciones y análisis entre varios productos.

Atlas reúne estas capacidades mediante:

• Incorporación y sincronización de datos.
• Un almacén de datos gestionado.
• Dashboards y visualizaciones.
• Herramientas SQL y consultas guardadas.
• Análisis basado en inteligencia artificial.

Esto convierte a Atlas en una alternativa más sencilla para los equipos que quieren las ventajas de un almacén de datos sin tener que gestionar un almacén cloud y una plataforma BI por separado.

Atlas es especialmente útil para equipos de marketing, agencias y usuarios de negocio que quieren trabajar con datos fiables sin necesidad de contar con un especialista dedicado a gestionar toda la infraestructura.

Atlas no pretende sustituir todos los usos posibles de BigQuery. BigQuery puede seguir siendo la opción más adecuada para organizaciones que necesitan una plataforma de datos de propósito general, ingeniería de datos avanzada, un alto nivel de personalización o integraciones profundas con Google Cloud.

Atlas también puede evaluarse junto con una infraestructura existente. No es necesario sustituir todas las herramientas ni migrar todos los flujos de trabajo de una sola vez.

Para una comparación detallada, consulta el artículo Alternativa a BigQuery para Data Studio: Atlas para datos de marketing.

¿Por dónde debería empezar?

Si eres nuevo en Atlas, empieza creando un espacio de trabajo y conectando tu primera fuente de datos.

Cuando tus datos estén disponibles, crea un dashboard y utiliza el AI Analyst para hacer preguntas sobre tendencias, cambios, anomalías y factores que expliquen el rendimiento.

Después podrás añadir más fuentes, dashboards, usuarios y flujos de análisis a medida que crezcan tus necesidades.