SlideShare una empresa de Scribd logo
12/1/2016 Data Warehouse Omniture, rentabiliza tus datos | Analítica web
http://www.analiticaweb.es/data-warehouse-adobe-analytics-rentabiliza-tus-datos/ 1/4
Data Warehouse de Adobe Analytics, rentabiliza tus
datos
DATA MANAGEMENT / 20 ENERO, 2016
⧖ Se lee en 3 minutos
“El auténtico genio consiste en la capacidad para evaluar información incierta, aleatoria y
contradictoria.”
Winston Churchill, estadista.
¿Conoces Data Warehouse de Adobe Analytics? ¿Tu empresa dispone de un Data Warehouse
donde almacenar la información de los clientes? Si tu respuesta es NO, continúa leyendo, la
siguiente información te interesa
Según de nió Bill Inmon en su libro “Building the Data Warehouse”, Data Warehouse se de ne como
“El conjunto de datos orientados por tema, integrados, no volátiles, variables en el tiempo que
se emplean como apoyo a la toma de decisiones”.
Atendiendo a la de nición acuñada por Inmon, un Data Warehouse se caracteriza por ser:
Integrado: los datos recogidos se integran en una estructura constante, donde la información se
constituye en diferentes niveles de detalle, según las necesidades de los usuarios.
Temático: los datos se organizan por temas para facilitar su acceso y entendimiento por parte
del usuario nal.
Histórico: la información almacenada sirve para realizar análisis de tendencias, por lo que ésta
VER VÍDEO    
S US CRÍBETE AHORA
Ad Tech & Analytics Customer Experience
Management
Data Management Enterprise Reporting
Mobile Analytics Online Marketing
Analytics
Social Analytics Tag Management
Empowering DIGITAL through DATA
#AnalíticaWeb es una iniciativa de
DIVISADERO, empresa líder en Inteligencia y
Transformación Digital.
¿Quieres formar parte de la newsletter de
DIVISADERO y ser el primero en enterarte de
nuestras novedades?
Re exiones desde el mercado español de Analítica Web
    Inicio Cookies & Privacidad Contacto 
DIVISADERO
Categorías
12/1/2016 Data Warehouse Omniture, rentabiliza tus datos | Analítica web
http://www.analiticaweb.es/data-warehouse-adobe-analytics-rentabiliza-tus-datos/ 2/4
se carga con los distintos valores que toma una variable en el tiempo.
No volátil: la información almacenada puede ser leída pero no modi cada. Es permanente,
signi cando la actualización del Data Warehouse la incorporación de los últimos valores que
tomaron las distintas variables contenidas en él sin ningún tipo de acción sobre lo que ya existía.
Fuente: RiVi Consulting Group
 
Sin embargo, un Data Warehouse puede facilitarnos mucha más información ya que contiene
metadatos, es decir, datos sobre los datos que nos permiten entre otras cosas saber la
procedencia de la información, la periodicidad de actualización, la abilidad, etc. En de nitiva, los
metadatos serán los que nos ayudan a simpli car y automatizar la obtención de la información
desde los sistemas operacionales a los sistemas informacionales.
Cada vez son más las empresas que utilizan sistemas de almacenamiento de datos o Data
Warehouse. La ingente cantidad de información que recogemos de nuestros clientes debe ser útil
y ágil de manera que el uso de la misma permita a las empresas operar en un mercado global,
competitivo y sometido a continuos cambios tecnológicos.
¿Qué empresas son más propensas a tener este tipo de procesos?
Debido a las características de los sistemas de Data Warehouse su aplicación puede ser extensible
a una gran diversidad de compañías de diferentes sectores, aunque en términos generales su
aplicación está más dirigida a empresas en las que se recogen gran cantidad de datos, asociados a
número de clientes, productos, transacciones, etc.
Aunque hay muchas compañías que ofrecen a sus clientes sistemas de almacenamiento de datos,
en este post vamos a centrarnos en el Data Warehouse de Omniture, la herramienta de análisis
de Adobe.
DataWarehouse Adobe Analytics es un repositorio de datos de Sitecatalyst que almacena
información similar a la que se puede ver en ésta.
Pero, para conocer a fondo qué es y para qué sirve un Data Warehouse, vamos a ver cuáles son las
principales diferencias entre ellas.
Cuando utilizamos Sitecatalyst los informes están prede nidos y sólo podemos llevar a cabo un
pequeño número de break down de nuestros informes, sin embargo, en el caso de Data
Warehouse, los datos se almacenan en bruto permitiéndonos contestar preguntas mucho más
complejas sobre nuestros clientes. Aunque dicha información no la tendremos disponible antes
de 24 horas.
Testing &
Personalization
Voice of Customer
Web Analytics
Not provided en Google Analytics: Libera tus
keywords
WEB ANALYTICS / 7 JULIO, 2015
La predicción del dato: Redes Neuronales
Arti ciales
DATA MANAGEMENT / 30 JULIO, 2015
5 Tendencias de Marketing Digital en el 2016
ONLINE MARKETING ANALYTICS / 18 ENERO, 2016
El modelo de atribución basado en datos de
Google Analytics y su aplicación a la política
WEB ANALYTICS / 4 FEBRERO, 2016
Facebook Custom Audiences: saca más partido
a tu CRM
SOCIAL ANALYTICS / 09 FEBRERO, 2016

Accede a DIVISADERO
Artículos más leídos
 
"The goal is to transform DATA into
INFORMATION, and information into
DECISION-MAKING"
12/1/2016 Data Warehouse Omniture, rentabiliza tus datos | Analítica web
http://www.analiticaweb.es/data-warehouse-adobe-analytics-rentabiliza-tus-datos/ 3/4
 0  0   
Fuente: Athena IT Solutions
Otra de las bondades que posee Data Warehouse es la segmentación que nos ofrece sobre el
usuario. Durante la recogida de datos de un visitante, para Sitecatalyst es difícil saber que dicho
visitante, durante su visita meses atrás a nuestra web, consultó tal o cual producto o inició el
proceso de descarga de una aplicación, pero no lo nalizó. Data Warehouse será capaz de
ofrecernos una segmentación más profunda ya que contiene un histórico de datos y un motor
integrado que nos permite crear segmentos especí cos en función de nuestras necesidades.
Gracias a procesos como Data Warehouse, la interpretación de los datos puede darnos respuestas
a preguntas que nos harán ser más competitivos:
• ¿Quiénes son mis clientes más rentables, qué productos usan, y por qué?
• ¿Qué promociones pueden hacerles tomar decisiones más arriesgadas?
• ¿Qué clientes tienen mayor probabilidad de irse con mis competidores?
En de nitiva, la creación de un Data Warehouse representa el primer paso para implantar una
solución completa y able de Business Intelligence.
Para saber más sobre Data Warehouse, te recomiendo que no te pierdas este post.
¿Y tú? ¿tienes respuesta para todas las preguntas?, ¿tu empresa ya dispone de un Data Warehouse
para implementar el servicio a los clientes?
Esperamos tus comentarios
ETIQUETAS: ANALITICA WEB, DATA WAREHOUSE, OMNITURE, PERSONALIZACIÓN, SITECATALYST
 
María García
Digital Analyst, cuando no estoy analizando datos, me encontrarás escribiendo. Amante
de las ondas hertzianas, mis mayores pasiones: viajar y el Sporting de Gijón





Más contenido relacionado

La actualidad más candente

38481889 lab-dwh-sql2005
38481889 lab-dwh-sql200538481889 lab-dwh-sql2005
38481889 lab-dwh-sql2005cristhian
 
Big data con SQL Server 2014
Big data con SQL Server 2014Big data con SQL Server 2014
Big data con SQL Server 2014
Eduardo Castro
 
Querona
QueronaQuerona
Querona
Synergo!
 
Data warehouse
Data warehouseData warehouse
Data warehouse
maggybe
 
Data warehouse
Data warehouseData warehouse
Data warehouse
Jose Sajajú
 
Que Es Un Data Warehouse
Que Es Un Data WarehouseQue Es Un Data Warehouse
Que Es Un Data Warehouseguest10616d
 
Big Data en el entorno Bancario
Big Data en el entorno BancarioBig Data en el entorno Bancario
Big Data en el entorno Bancario
Martín Cabrera
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
cmendozaflores
 
Datawarehouse 1
Datawarehouse   1Datawarehouse   1
Datawarehouse 1
AlvaroCanaviri2
 
Introduccion datawarehouse
Introduccion datawarehouseIntroduccion datawarehouse
Introduccion datawarehouse
Eduardo Castro
 
Que Es Un Data Warehouse
Que Es Un Data WarehouseQue Es Un Data Warehouse
Que Es Un Data Warehouseguest10616d
 
Implantando un ERP a medida desde cero
Implantando un ERP a medida desde ceroImplantando un ERP a medida desde cero
Implantando un ERP a medida desde cero
Oreka IT
 
Bigdata
BigdataBigdata
Bigdata
kattia vargas
 
Unidad 5. inteligencia de negocios
Unidad 5. inteligencia de negociosUnidad 5. inteligencia de negocios
Unidad 5. inteligencia de negocios
Lupita Eguia
 
Cómo empezar a implementar proyectos Big Data en tu organización
Cómo empezar a implementar proyectos Big Data en tu organizaciónCómo empezar a implementar proyectos Big Data en tu organización
Cómo empezar a implementar proyectos Big Data en tu organización
BEEVA_es
 
Data warehouse
Data warehouseData warehouse
Data warehouse
malupahu
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
roseneri182
 
Data warehouse
Data warehouseData warehouse
Data warehouse
Anyeni Garay
 
data warehouse
data warehousedata warehouse
data warehouse
Juan Carlos Pérez Pardo
 

La actualidad más candente (20)

38481889 lab-dwh-sql2005
38481889 lab-dwh-sql200538481889 lab-dwh-sql2005
38481889 lab-dwh-sql2005
 
Big data con SQL Server 2014
Big data con SQL Server 2014Big data con SQL Server 2014
Big data con SQL Server 2014
 
Querona
QueronaQuerona
Querona
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Que Es Un Data Warehouse
Que Es Un Data WarehouseQue Es Un Data Warehouse
Que Es Un Data Warehouse
 
Big Data en el entorno Bancario
Big Data en el entorno BancarioBig Data en el entorno Bancario
Big Data en el entorno Bancario
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
 
Datawarehouse 1
Datawarehouse   1Datawarehouse   1
Datawarehouse 1
 
Introduccion datawarehouse
Introduccion datawarehouseIntroduccion datawarehouse
Introduccion datawarehouse
 
Que Es Un Data Warehouse
Que Es Un Data WarehouseQue Es Un Data Warehouse
Que Es Un Data Warehouse
 
Implantando un ERP a medida desde cero
Implantando un ERP a medida desde ceroImplantando un ERP a medida desde cero
Implantando un ERP a medida desde cero
 
Bigdata
BigdataBigdata
Bigdata
 
Unidad 5. inteligencia de negocios
Unidad 5. inteligencia de negociosUnidad 5. inteligencia de negocios
Unidad 5. inteligencia de negocios
 
Cómo empezar a implementar proyectos Big Data en tu organización
Cómo empezar a implementar proyectos Big Data en tu organizaciónCómo empezar a implementar proyectos Big Data en tu organización
Cómo empezar a implementar proyectos Big Data en tu organización
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
data warehouse
data warehousedata warehouse
data warehouse
 

Similar a Data warehouse omniture, rentabiliza tus datos analítica web

Unidad 5 mercadotecnia
Unidad 5 mercadotecniaUnidad 5 mercadotecnia
Unidad 5 mercadotecnia
miguel Rodriguez
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningNintendo
 
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)Titiushko Jazz
 
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)Titiushko Jazz
 
Saula ana rl_1
Saula ana rl_1Saula ana rl_1
Saula ana rl_1
Any Saula
 
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxxPLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
edwin520324
 
SQL Saturday Bogota - Big Data HDInsight Server
SQL Saturday Bogota - Big Data HDInsight ServerSQL Saturday Bogota - Big Data HDInsight Server
SQL Saturday Bogota - Big Data HDInsight Server
Eduardo Castro
 
1DATA WAREHOUSE.ppt
1DATA WAREHOUSE.ppt1DATA WAREHOUSE.ppt
1DATA WAREHOUSE.ppt
HectorSebastianPedra1
 
BD III INVESTIGACION JLVC.docx
BD III INVESTIGACION JLVC.docxBD III INVESTIGACION JLVC.docx
BD III INVESTIGACION JLVC.docx
sJVh1
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningNintendo
 
DATAWAREHOUSE, importancia del almacén de datos
DATAWAREHOUSE, importancia del almacén de datosDATAWAREHOUSE, importancia del almacén de datos
DATAWAREHOUSE, importancia del almacén de datosMaría Isabel Bautista
 
GRUPO 3_DATA WAREHOUSE_PRESENTACION.pptx
GRUPO 3_DATA WAREHOUSE_PRESENTACION.pptxGRUPO 3_DATA WAREHOUSE_PRESENTACION.pptx
GRUPO 3_DATA WAREHOUSE_PRESENTACION.pptx
ChristianCuzquillo
 
Big data
Big dataBig data
Big data
marianaflorez20
 
Actividad 1
Actividad 1Actividad 1
Actividad 1
Dayana Villanueva
 
Actividad 1
Actividad 1Actividad 1
Bussiness inteligence
Bussiness inteligenceBussiness inteligence
Bussiness inteligenceMaryy Aqua
 
ALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptxALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptx
CarlosRodrigo99
 

Similar a Data warehouse omniture, rentabiliza tus datos analítica web (20)

Unidad 5 mercadotecnia
Unidad 5 mercadotecniaUnidad 5 mercadotecnia
Unidad 5 mercadotecnia
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-mining
 
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
 
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
Unidad vii esp parte 3 clase de datawarehouse ( ing. doño)
 
Saula ana rl_1
Saula ana rl_1Saula ana rl_1
Saula ana rl_1
 
Datawarehouse
DatawarehouseDatawarehouse
Datawarehouse
 
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxxPLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
PLANTILLA INCEPERÚ Sesión 3.pdf-xxxxxxxx
 
SQL Saturday Bogota - Big Data HDInsight Server
SQL Saturday Bogota - Big Data HDInsight ServerSQL Saturday Bogota - Big Data HDInsight Server
SQL Saturday Bogota - Big Data HDInsight Server
 
1DATA WAREHOUSE.ppt
1DATA WAREHOUSE.ppt1DATA WAREHOUSE.ppt
1DATA WAREHOUSE.ppt
 
BD III INVESTIGACION JLVC.docx
BD III INVESTIGACION JLVC.docxBD III INVESTIGACION JLVC.docx
BD III INVESTIGACION JLVC.docx
 
Taller3
Taller3Taller3
Taller3
 
Data mart-data-warehouse-data-mining
Data mart-data-warehouse-data-miningData mart-data-warehouse-data-mining
Data mart-data-warehouse-data-mining
 
DATAWAREHOUSE, importancia del almacén de datos
DATAWAREHOUSE, importancia del almacén de datosDATAWAREHOUSE, importancia del almacén de datos
DATAWAREHOUSE, importancia del almacén de datos
 
Business intelligence diapositivas
Business intelligence diapositivasBusiness intelligence diapositivas
Business intelligence diapositivas
 
GRUPO 3_DATA WAREHOUSE_PRESENTACION.pptx
GRUPO 3_DATA WAREHOUSE_PRESENTACION.pptxGRUPO 3_DATA WAREHOUSE_PRESENTACION.pptx
GRUPO 3_DATA WAREHOUSE_PRESENTACION.pptx
 
Big data
Big dataBig data
Big data
 
Actividad 1
Actividad 1Actividad 1
Actividad 1
 
Actividad 1
Actividad 1Actividad 1
Actividad 1
 
Bussiness inteligence
Bussiness inteligenceBussiness inteligence
Bussiness inteligence
 
ALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptxALMACEN DE DATOS.pptx
ALMACEN DE DATOS.pptx
 

Más de Eric Javier Espino Man

Cignex liferay-roadshow-singapore-27feb14-140304061735-phpapp02
Cignex liferay-roadshow-singapore-27feb14-140304061735-phpapp02Cignex liferay-roadshow-singapore-27feb14-140304061735-phpapp02
Cignex liferay-roadshow-singapore-27feb14-140304061735-phpapp02
Eric Javier Espino Man
 
2014 02 florian-matthes-agile-enterprise-architecture-management
2014 02 florian-matthes-agile-enterprise-architecture-management2014 02 florian-matthes-agile-enterprise-architecture-management
2014 02 florian-matthes-agile-enterprise-architecture-management
Eric Javier Espino Man
 
Ammar kamil thesis_final_workflow_modeling_tools_comparison
Ammar kamil thesis_final_workflow_modeling_tools_comparisonAmmar kamil thesis_final_workflow_modeling_tools_comparison
Ammar kamil thesis_final_workflow_modeling_tools_comparison
Eric Javier Espino Man
 
About freepower 012010
About freepower 012010About freepower 012010
About freepower 012010
Eric Javier Espino Man
 
Elastix 2.4 vm ware appliance deployment guide
Elastix 2.4 vm ware appliance deployment guideElastix 2.4 vm ware appliance deployment guide
Elastix 2.4 vm ware appliance deployment guide
Eric Javier Espino Man
 
BER- AND COM-WAY OF CHANNEL- COMPLIANCE EVALUATION
BER- AND COM-WAY OF CHANNEL- COMPLIANCE EVALUATIONBER- AND COM-WAY OF CHANNEL- COMPLIANCE EVALUATION
BER- AND COM-WAY OF CHANNEL- COMPLIANCE EVALUATION
Eric Javier Espino Man
 
Hp vertica 7.2.x_complete_documentation
Hp vertica 7.2.x_complete_documentationHp vertica 7.2.x_complete_documentation
Hp vertica 7.2.x_complete_documentation
Eric Javier Espino Man
 
ETSI TS 101 903
ETSI TS 101 903ETSI TS 101 903
ETSI TS 101 903
Eric Javier Espino Man
 
Separating pacs-servers-from-vna
Separating pacs-servers-from-vnaSeparating pacs-servers-from-vna
Separating pacs-servers-from-vna
Eric Javier Espino Man
 
White paper making an-operational_data_store_(ods)_the_center_of_your_data_...
White paper   making an-operational_data_store_(ods)_the_center_of_your_data_...White paper   making an-operational_data_store_(ods)_the_center_of_your_data_...
White paper making an-operational_data_store_(ods)_the_center_of_your_data_...
Eric Javier Espino Man
 
Isa programme 2014 - guidelines for public administrations on e-document en...
Isa programme   2014 - guidelines for public administrations on e-document en...Isa programme   2014 - guidelines for public administrations on e-document en...
Isa programme 2014 - guidelines for public administrations on e-document en...
Eric Javier Espino Man
 
Boe a-2011-13170
Boe a-2011-13170Boe a-2011-13170
Boe a-2011-13170
Eric Javier Espino Man
 
Dicom standards p02-conformance
Dicom standards p02-conformanceDicom standards p02-conformance
Dicom standards p02-conformance
Eric Javier Espino Man
 
Running virtual box from the linux command line
Running virtual box from the linux command lineRunning virtual box from the linux command line
Running virtual box from the linux command line
Eric Javier Espino Man
 

Más de Eric Javier Espino Man (14)

Cignex liferay-roadshow-singapore-27feb14-140304061735-phpapp02
Cignex liferay-roadshow-singapore-27feb14-140304061735-phpapp02Cignex liferay-roadshow-singapore-27feb14-140304061735-phpapp02
Cignex liferay-roadshow-singapore-27feb14-140304061735-phpapp02
 
2014 02 florian-matthes-agile-enterprise-architecture-management
2014 02 florian-matthes-agile-enterprise-architecture-management2014 02 florian-matthes-agile-enterprise-architecture-management
2014 02 florian-matthes-agile-enterprise-architecture-management
 
Ammar kamil thesis_final_workflow_modeling_tools_comparison
Ammar kamil thesis_final_workflow_modeling_tools_comparisonAmmar kamil thesis_final_workflow_modeling_tools_comparison
Ammar kamil thesis_final_workflow_modeling_tools_comparison
 
About freepower 012010
About freepower 012010About freepower 012010
About freepower 012010
 
Elastix 2.4 vm ware appliance deployment guide
Elastix 2.4 vm ware appliance deployment guideElastix 2.4 vm ware appliance deployment guide
Elastix 2.4 vm ware appliance deployment guide
 
BER- AND COM-WAY OF CHANNEL- COMPLIANCE EVALUATION
BER- AND COM-WAY OF CHANNEL- COMPLIANCE EVALUATIONBER- AND COM-WAY OF CHANNEL- COMPLIANCE EVALUATION
BER- AND COM-WAY OF CHANNEL- COMPLIANCE EVALUATION
 
Hp vertica 7.2.x_complete_documentation
Hp vertica 7.2.x_complete_documentationHp vertica 7.2.x_complete_documentation
Hp vertica 7.2.x_complete_documentation
 
ETSI TS 101 903
ETSI TS 101 903ETSI TS 101 903
ETSI TS 101 903
 
Separating pacs-servers-from-vna
Separating pacs-servers-from-vnaSeparating pacs-servers-from-vna
Separating pacs-servers-from-vna
 
White paper making an-operational_data_store_(ods)_the_center_of_your_data_...
White paper   making an-operational_data_store_(ods)_the_center_of_your_data_...White paper   making an-operational_data_store_(ods)_the_center_of_your_data_...
White paper making an-operational_data_store_(ods)_the_center_of_your_data_...
 
Isa programme 2014 - guidelines for public administrations on e-document en...
Isa programme   2014 - guidelines for public administrations on e-document en...Isa programme   2014 - guidelines for public administrations on e-document en...
Isa programme 2014 - guidelines for public administrations on e-document en...
 
Boe a-2011-13170
Boe a-2011-13170Boe a-2011-13170
Boe a-2011-13170
 
Dicom standards p02-conformance
Dicom standards p02-conformanceDicom standards p02-conformance
Dicom standards p02-conformance
 
Running virtual box from the linux command line
Running virtual box from the linux command lineRunning virtual box from the linux command line
Running virtual box from the linux command line
 

Último

PPT Interes-Simple-pptx.pptx-ejercicios.
PPT Interes-Simple-pptx.pptx-ejercicios.PPT Interes-Simple-pptx.pptx-ejercicios.
PPT Interes-Simple-pptx.pptx-ejercicios.
MELANYANELKACRUZLEON
 
mapa conceptual y mental para niños de primaria y secundaria
mapa conceptual y mental para niños de primaria y secundariamapa conceptual y mental para niños de primaria y secundaria
mapa conceptual y mental para niños de primaria y secundaria
ManuelAlbertoHeredia1
 
Claves Ipsos numero 29 --- Mayo 2024.pdf
Claves Ipsos numero 29 --- Mayo 2024.pdfClaves Ipsos numero 29 --- Mayo 2024.pdf
Claves Ipsos numero 29 --- Mayo 2024.pdf
Emisor Digital
 
DEFENSA NACIONAL.ppt muy fácil de entender
DEFENSA NACIONAL.ppt muy fácil de entenderDEFENSA NACIONAL.ppt muy fácil de entender
DEFENSA NACIONAL.ppt muy fácil de entender
mvargasleveau
 
Países_por_participacion_porcentual_en_el PNB global (2024) .pdf
Países_por_participacion_porcentual_en_el PNB global (2024) .pdfPaíses_por_participacion_porcentual_en_el PNB global (2024) .pdf
Países_por_participacion_porcentual_en_el PNB global (2024) .pdf
JC Díaz Herrera
 
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIOLINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
AaronPleitez
 
Desarrollo de habilidades de pensamiento
Desarrollo de habilidades de pensamientoDesarrollo de habilidades de pensamiento
Desarrollo de habilidades de pensamiento
ManuelaReina3
 
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdfInforme de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
Emisor Digital
 
Presentación sobre la geometría, aplicaciones y ramas
Presentación sobre la geometría, aplicaciones y ramasPresentación sobre la geometría, aplicaciones y ramas
Presentación sobre la geometría, aplicaciones y ramas
JosMuoz943377
 
10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf
IrapuatoCmovamos
 
contraguerrilla.pdf sobre anti emboscadas
contraguerrilla.pdf sobre anti emboscadascontraguerrilla.pdf sobre anti emboscadas
contraguerrilla.pdf sobre anti emboscadas
DieguinhoSalazar
 
Instituciones financieras globales por efectivo disponible (2024).pdf
Instituciones financieras globales por efectivo disponible (2024).pdfInstituciones financieras globales por efectivo disponible (2024).pdf
Instituciones financieras globales por efectivo disponible (2024).pdf
JC Díaz Herrera
 
ACOMPAÑAMIENTO INTEGRAL DE VALORES .pptx
ACOMPAÑAMIENTO INTEGRAL DE VALORES .pptxACOMPAÑAMIENTO INTEGRAL DE VALORES .pptx
ACOMPAÑAMIENTO INTEGRAL DE VALORES .pptx
MelanieYuksselleCarr
 
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje  o educativas E-LEARNING.pdfComunidades virtuales de aprendizaje  o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
brayansangar73
 
3-Modelamiento de Procesos usando BPMN.ppt
3-Modelamiento de Procesos usando BPMN.ppt3-Modelamiento de Procesos usando BPMN.ppt
3-Modelamiento de Procesos usando BPMN.ppt
nahumrondanurbano
 
e learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhote learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhot
diegozuniga768
 
REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdfREPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
IrapuatoCmovamos
 
sistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbssistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbs
SantiagoMejia99
 

Último (18)

PPT Interes-Simple-pptx.pptx-ejercicios.
PPT Interes-Simple-pptx.pptx-ejercicios.PPT Interes-Simple-pptx.pptx-ejercicios.
PPT Interes-Simple-pptx.pptx-ejercicios.
 
mapa conceptual y mental para niños de primaria y secundaria
mapa conceptual y mental para niños de primaria y secundariamapa conceptual y mental para niños de primaria y secundaria
mapa conceptual y mental para niños de primaria y secundaria
 
Claves Ipsos numero 29 --- Mayo 2024.pdf
Claves Ipsos numero 29 --- Mayo 2024.pdfClaves Ipsos numero 29 --- Mayo 2024.pdf
Claves Ipsos numero 29 --- Mayo 2024.pdf
 
DEFENSA NACIONAL.ppt muy fácil de entender
DEFENSA NACIONAL.ppt muy fácil de entenderDEFENSA NACIONAL.ppt muy fácil de entender
DEFENSA NACIONAL.ppt muy fácil de entender
 
Países_por_participacion_porcentual_en_el PNB global (2024) .pdf
Países_por_participacion_porcentual_en_el PNB global (2024) .pdfPaíses_por_participacion_porcentual_en_el PNB global (2024) .pdf
Países_por_participacion_porcentual_en_el PNB global (2024) .pdf
 
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIOLINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
 
Desarrollo de habilidades de pensamiento
Desarrollo de habilidades de pensamientoDesarrollo de habilidades de pensamiento
Desarrollo de habilidades de pensamiento
 
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdfInforme de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
 
Presentación sobre la geometría, aplicaciones y ramas
Presentación sobre la geometría, aplicaciones y ramasPresentación sobre la geometría, aplicaciones y ramas
Presentación sobre la geometría, aplicaciones y ramas
 
10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf
 
contraguerrilla.pdf sobre anti emboscadas
contraguerrilla.pdf sobre anti emboscadascontraguerrilla.pdf sobre anti emboscadas
contraguerrilla.pdf sobre anti emboscadas
 
Instituciones financieras globales por efectivo disponible (2024).pdf
Instituciones financieras globales por efectivo disponible (2024).pdfInstituciones financieras globales por efectivo disponible (2024).pdf
Instituciones financieras globales por efectivo disponible (2024).pdf
 
ACOMPAÑAMIENTO INTEGRAL DE VALORES .pptx
ACOMPAÑAMIENTO INTEGRAL DE VALORES .pptxACOMPAÑAMIENTO INTEGRAL DE VALORES .pptx
ACOMPAÑAMIENTO INTEGRAL DE VALORES .pptx
 
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje  o educativas E-LEARNING.pdfComunidades virtuales de aprendizaje  o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
 
3-Modelamiento de Procesos usando BPMN.ppt
3-Modelamiento de Procesos usando BPMN.ppt3-Modelamiento de Procesos usando BPMN.ppt
3-Modelamiento de Procesos usando BPMN.ppt
 
e learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhote learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhot
 
REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdfREPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
 
sistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbssistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbs
 

Data warehouse omniture, rentabiliza tus datos analítica web

  • 1. 12/1/2016 Data Warehouse Omniture, rentabiliza tus datos | Analítica web http://www.analiticaweb.es/data-warehouse-adobe-analytics-rentabiliza-tus-datos/ 1/4 Data Warehouse de Adobe Analytics, rentabiliza tus datos DATA MANAGEMENT / 20 ENERO, 2016 ⧖ Se lee en 3 minutos “El auténtico genio consiste en la capacidad para evaluar información incierta, aleatoria y contradictoria.” Winston Churchill, estadista. ¿Conoces Data Warehouse de Adobe Analytics? ¿Tu empresa dispone de un Data Warehouse donde almacenar la información de los clientes? Si tu respuesta es NO, continúa leyendo, la siguiente información te interesa Según de nió Bill Inmon en su libro “Building the Data Warehouse”, Data Warehouse se de ne como “El conjunto de datos orientados por tema, integrados, no volátiles, variables en el tiempo que se emplean como apoyo a la toma de decisiones”. Atendiendo a la de nición acuñada por Inmon, un Data Warehouse se caracteriza por ser: Integrado: los datos recogidos se integran en una estructura constante, donde la información se constituye en diferentes niveles de detalle, según las necesidades de los usuarios. Temático: los datos se organizan por temas para facilitar su acceso y entendimiento por parte del usuario nal. Histórico: la información almacenada sirve para realizar análisis de tendencias, por lo que ésta VER VÍDEO     S US CRÍBETE AHORA Ad Tech & Analytics Customer Experience Management Data Management Enterprise Reporting Mobile Analytics Online Marketing Analytics Social Analytics Tag Management Empowering DIGITAL through DATA #AnalíticaWeb es una iniciativa de DIVISADERO, empresa líder en Inteligencia y Transformación Digital. ¿Quieres formar parte de la newsletter de DIVISADERO y ser el primero en enterarte de nuestras novedades? Re exiones desde el mercado español de Analítica Web     Inicio Cookies & Privacidad Contacto  DIVISADERO Categorías
  • 2. 12/1/2016 Data Warehouse Omniture, rentabiliza tus datos | Analítica web http://www.analiticaweb.es/data-warehouse-adobe-analytics-rentabiliza-tus-datos/ 2/4 se carga con los distintos valores que toma una variable en el tiempo. No volátil: la información almacenada puede ser leída pero no modi cada. Es permanente, signi cando la actualización del Data Warehouse la incorporación de los últimos valores que tomaron las distintas variables contenidas en él sin ningún tipo de acción sobre lo que ya existía. Fuente: RiVi Consulting Group   Sin embargo, un Data Warehouse puede facilitarnos mucha más información ya que contiene metadatos, es decir, datos sobre los datos que nos permiten entre otras cosas saber la procedencia de la información, la periodicidad de actualización, la abilidad, etc. En de nitiva, los metadatos serán los que nos ayudan a simpli car y automatizar la obtención de la información desde los sistemas operacionales a los sistemas informacionales. Cada vez son más las empresas que utilizan sistemas de almacenamiento de datos o Data Warehouse. La ingente cantidad de información que recogemos de nuestros clientes debe ser útil y ágil de manera que el uso de la misma permita a las empresas operar en un mercado global, competitivo y sometido a continuos cambios tecnológicos. ¿Qué empresas son más propensas a tener este tipo de procesos? Debido a las características de los sistemas de Data Warehouse su aplicación puede ser extensible a una gran diversidad de compañías de diferentes sectores, aunque en términos generales su aplicación está más dirigida a empresas en las que se recogen gran cantidad de datos, asociados a número de clientes, productos, transacciones, etc. Aunque hay muchas compañías que ofrecen a sus clientes sistemas de almacenamiento de datos, en este post vamos a centrarnos en el Data Warehouse de Omniture, la herramienta de análisis de Adobe. DataWarehouse Adobe Analytics es un repositorio de datos de Sitecatalyst que almacena información similar a la que se puede ver en ésta. Pero, para conocer a fondo qué es y para qué sirve un Data Warehouse, vamos a ver cuáles son las principales diferencias entre ellas. Cuando utilizamos Sitecatalyst los informes están prede nidos y sólo podemos llevar a cabo un pequeño número de break down de nuestros informes, sin embargo, en el caso de Data Warehouse, los datos se almacenan en bruto permitiéndonos contestar preguntas mucho más complejas sobre nuestros clientes. Aunque dicha información no la tendremos disponible antes de 24 horas. Testing & Personalization Voice of Customer Web Analytics Not provided en Google Analytics: Libera tus keywords WEB ANALYTICS / 7 JULIO, 2015 La predicción del dato: Redes Neuronales Arti ciales DATA MANAGEMENT / 30 JULIO, 2015 5 Tendencias de Marketing Digital en el 2016 ONLINE MARKETING ANALYTICS / 18 ENERO, 2016 El modelo de atribución basado en datos de Google Analytics y su aplicación a la política WEB ANALYTICS / 4 FEBRERO, 2016 Facebook Custom Audiences: saca más partido a tu CRM SOCIAL ANALYTICS / 09 FEBRERO, 2016  Accede a DIVISADERO Artículos más leídos   "The goal is to transform DATA into INFORMATION, and information into DECISION-MAKING"
  • 3. 12/1/2016 Data Warehouse Omniture, rentabiliza tus datos | Analítica web http://www.analiticaweb.es/data-warehouse-adobe-analytics-rentabiliza-tus-datos/ 3/4  0  0    Fuente: Athena IT Solutions Otra de las bondades que posee Data Warehouse es la segmentación que nos ofrece sobre el usuario. Durante la recogida de datos de un visitante, para Sitecatalyst es difícil saber que dicho visitante, durante su visita meses atrás a nuestra web, consultó tal o cual producto o inició el proceso de descarga de una aplicación, pero no lo nalizó. Data Warehouse será capaz de ofrecernos una segmentación más profunda ya que contiene un histórico de datos y un motor integrado que nos permite crear segmentos especí cos en función de nuestras necesidades. Gracias a procesos como Data Warehouse, la interpretación de los datos puede darnos respuestas a preguntas que nos harán ser más competitivos: • ¿Quiénes son mis clientes más rentables, qué productos usan, y por qué? • ¿Qué promociones pueden hacerles tomar decisiones más arriesgadas? • ¿Qué clientes tienen mayor probabilidad de irse con mis competidores? En de nitiva, la creación de un Data Warehouse representa el primer paso para implantar una solución completa y able de Business Intelligence. Para saber más sobre Data Warehouse, te recomiendo que no te pierdas este post. ¿Y tú? ¿tienes respuesta para todas las preguntas?, ¿tu empresa ya dispone de un Data Warehouse para implementar el servicio a los clientes? Esperamos tus comentarios ETIQUETAS: ANALITICA WEB, DATA WAREHOUSE, OMNITURE, PERSONALIZACIÓN, SITECATALYST   María García Digital Analyst, cuando no estoy analizando datos, me encontrarás escribiendo. Amante de las ondas hertzianas, mis mayores pasiones: viajar y el Sporting de Gijón    