Cuatro canales sin diálogo.
Una vista 360°.
Qatar Insurance Group — la mayor aseguradora de MENA, con primas anuales superiores a USD 5 000 M y operaciones en 15+ países — operaba con datos fragmentados entre el sitio web, call center, red de agentes y aplicación móvil. El mismo cliente aparecía con 5 identidades distintas, sin un identificador único entre canales. Construimos una plataforma de datos unificada en Google Cloud con arquitectura moderna: migración a BigQuery, GA4 con conexión directa, orquestación con Apache Airflow, modelo dimensional cross-funcional y User ID único que permite por primera vez seguir al mismo cliente a través de todos los canales.
El caso, en cuatro frases.
Para los que llegaron desde LinkedIn y solo tienen 30 segundos. Si quieres profundidad, sigue scrolleando.
El mismo cliente en cinco sistemas, cinco identidades, cero coherencia.
Web tenía cookies, app tenía device IDs, CRM tenía contact IDs, agentes tenían IDs propios, call center asociaba por teléfono. El journey era invisible.
Migración completa a Google Cloud, no incremental.
Bases locales a GCP, eventos streaming a BigQuery, GA → GA4 con eventos granulares. Airflow como orquestador único. dbt para transform.
User ID único cross-canal: la verdadera transformación.
Por primera vez, QIC ve: «esta persona cotizó en web, llamó al call center, no compró, volvió a la app y compró ahí». Antes, eran 4 personas distintas.
Data marts especializados en Tableau · departamentos con autonomía.
Cada área (claims, underwriting, marketing, regulatorio) tiene su data mart. Decisiones data-driven en minutos, no semanas.
Qatar Insurance Group llegó con un problema medible.
- 01
Eventos dispersos en múltiples sistemas
Web en GA Universal con sesiones agregadas. Mobile en su plataforma. Call center en CRM. Red de agentes con sistema independiente. Cero integración.
4 silos · 0 puente - 02
Imposibilidad de seguir el customer journey completo
Cliente cotizaba en web (anónimo), llamaba al call center 2 días después, no compraba, volvía a la app 1 semana después y compraba. Para QIC: 3 personas distintas.
journey invisible - 03
Sin identificador único entre canales
Web tenía cookies, app tenía AAID/IDFA, CRM tenía contact_id. Sin grafo de identidad. Atribución imposible.
5 IDs distintos - 04
Reportes manuales y desactualizados
Cada departamento tenía sus propios analistas extrayendo a Excel. Los reportes ejecutivos llegaban con 2-3 semanas de retraso.
2-3 sem stale - 05
Análisis en silos por departamento
Claims veía claims, underwriting veía pólizas, marketing veía conversiones. Nadie tenía vista cross-funcional del cliente.
5 verdades parciales - 06
Tiempo excesivo para generar insights
Pregunta del board: «¿qué canal trae los clientes que más renuevan?». Respuesta: 3 semanas de análisis manual cruzando Excels.
3 sem por pregunta - 07
GA Universal con sesiones agregadas
Web analytics vivía en GA Universal: solo sesiones, sin eventos granulares, sin acceso a raw data. La migración a GA4 era obligatoria.
GA Universal limitado
Lo que construimos.
No reemplazamos lo que ya funcionaba. Construimos capas finas que comunicaron sistemas ciegos entre sí.
Vista 360° del cliente · perfil unificado
Cliente · pólizas · interacciones últimos 30d (web, llamada, app, agente) · estado: candidato a cross-sell. Timeline cross-canal con iconos por interacción, próxima acción recomendada.
Identity resolution console · 5 IDs → 1
Para cada cliente, el grafo de identidades: web cookies, device IDs, CRM contact, agent CRM ID, teléfono normalizado. Todos apuntando al mismo `customer_id` con match_confidence.
Claims data mart · underwriting + frecuencia + severidad
Data mart especializado en Tableau para el equipo de claims. Frecuencia de reclamos por segmento, severidad media, tendencia, predicción.
Marketing attribution mart · ROAS con LTV real
Por primera vez QIC mide ROAS por canal con journey unificado. El canal que parecía bueno por conversión inmediata puede no serlo por LTV — y eso ahora es medible.
Stack y capas.
stack: Google Cloud · BigQuery · GA4 · Apache Airflow · dbt Core · Pub/Sub · Dataflow · Cloud Storage · Bigtable · Tableau
Ingesta
Procesamiento
Almacenamiento
Superficies
Los números.
Medidos por el equipo del cliente, no por nosotros. Comparativa: baseline previo al go-live.
«Por primera vez vemos al mismo cliente. Antes veíamos cinco fantasmas con su nombre.»
Lo que aprendimos — y aplicamos en el siguiente caso.
Identity resolution es el problema más subestimado.
Los proyectos de DWH se venden como «consolidar datos». Si los datos hablan de distintas personas que en realidad son la misma, no consolidaste — amontonaste. El 60% del esfuerzo fue identity resolution: algoritmo, validación, casos límite.
GA4 + BigQuery export es la diferencia entre análisis y suposición.
GA Universal con sesiones agregadas obligaba a inferir. GA4 con eventos granulares + export directo a BigQuery permite cruzar `purchase` event con `claim_open` event sin aproximaciones. Es otra liga analítica.
5 data marts beats 1 dashboard universal.
Intentamos primero un solo dashboard ejecutivo «único cliente». No funcionó. La adopción llegó cuando cada departamento (claims, marketing, underwriting) tuvo su propio data mart con sus métricas. Especialización vence universalidad.
¿Te suena familiar? Hablemos.
No vendemos software de plantilla. Empezamos siempre con una auditoría gratis de 4 semanas: nos sentamos con tu equipo, mapeamos sistemas y dolores, y entregamos un PDF con 3–5 quick wins concretas.