1
INSTITUTO DE EDUCACIÓN SUPERIOR TECNOLÓGICO
PRIVADO CERTUS
“Año 2025”
Curso :Big data aplicado a los negocios.
EVIDENCIA AA4: ANUNCIOS DE FACEBOOK
JEFE DE GRUPO:
● Colqui Guerra, Deivid Yampier
INTEGRANTES DEL GRUPO:
● Crisostomo, Cris
PROFESOR: Wiliam Pacco
CICLO: 4TO
2
ESTRUCTURA ÍNDICE
1. Portada Certus —--------------------------------------------------------------02
2. Índice —--------------------------------------------------------------03
3. Introducción al caso —--------------------------------------------------------------04
4. Presentación de la empresa —--------------------------------------------------------------05
4.1 Organización de la empresa —--------------------------------------------------------------06
5. Etapas del Proceso —--------------------------------------------------------------07-08
5.1 Evidencia 01
5.1.1 Descripción de las herramientas —-----------------------------------------------------------09-13
5.2 Evidencia 02
5.2.1 Tablas —--------------------------------------------------------------14-15
5.2.2 Tablas dinamica —--------------------------------------------------------------16-20
5,2,3 Insights —--------------------------------------------------------------21-23
5.3 Evidencia 03
5.3.1 power query —--------------------------------------------------------------24-25
5.3.1 consultas —--------------------------------------------------------------26-30
6. Dashboard y explicación de los resultados -----------------------------31
7 Diccionario de Datos —--------------------------------------------------------------32
8 Modelado de Datos —--------------------------------------------------------------33
9 . Conclusiones —--------------------------------------------------------------34
10. Referencias bibliográficas —--------------------------------------------------------------35
11. Anexos —--------------------------------------------------------------36
3
INTRODUCCIÓN
En el mundo actual, donde los datos se generan a una velocidad sin precedentes, las
herramientas de Big Data se han convertido en elementos esenciales para procesar,
analizar y visualizar grandes volúmenes de información. Estas herramientas permiten a las
organizaciones obtener información valiosa para la toma de decisiones estratégicas,
optimizar procesos y mejorar su competitividad en el mercado.
En la era digital actual, la publicidad en redes sociales se
ha convertido en un pilar fundamental para el crecimiento
empresarial, y Facebook, como parte del ecosistema
Meta, lidera este ámbito con herramientas avanzadas de
segmentación y un alcance global sin precedentes. Con
más de 3 mil millones de usuarios activos mensuales, esta plataforma no solo permite
conectar audiencias diversas, sino también transformar datos en insights accionables para
maximizar el impacto de las campañas publicitarias.
PROBLEMÁTICA de FACEBOOK:
Encontrar ciertos problemas y mejorar en el aspecto de la eficacia de los anuncios que les
llegan a sus clientes
4
4. Presentación de la empresa
Facebook (Meta Platforms Inc.) es una de las plataformas de
redes sociales más influyentes a nivel global, con más de 3
mil millones de usuarios activos mensuales en su
ecosistema (incluyendo Instagram, WhatsApp y Messenger).
Fundada en 2004, la empresa se ha transformado en un
gigante tecnológico cuyo modelo de negocio se sustenta, en
gran medida, en su potente plataforma publicitaria: Meta
Ads.
Meta Ads es la solución integral de publicidad digital de Meta, diseñada para ayudar a empresas de
todos los tamaños a alcanzar audiencias altamente segmentadas. A través de herramientas como
Meta Ads Manager, los anunciantes pueden:
● Crear campañas personalizadas en formatos como video, imagen, carrusel y anuncios
interactivos.
● Segmentar audiencias utilizando criterios avanzados: edad, género, ubicación geográfica,
intereses, comportamientos en línea e incluso historial de compras.
● Optimizar presupuestos en tiempo real mediante métricas clave como CTR (Tasa de Clics),
CPC (Costo por Clic) y ROI (Retorno de la Inversión).
● Integrar campañas en múltiples plataformas (Instagram, Facebook Feed, Stories,
Marketplace) para maximizar el alcance.]
5
ORGANIZACIÓN DE LA EMPRESA:
6
MARCO TEÓRICO
Preparación de Datos:
Proceso de recopilar, limpiar, transformar y estructurar datos brutos para que estén
listos para su análisis y visualización. Es el “entrenamiento previo” que los datos necesitan
antes de saltar al análisis.
Recopilación de datos
Este primer paso implica la obtención de los datos desde diferentes fuentes, que pueden ser
estructuradas o no estructuradas. Los datos pueden provenir de diversas fuentes, como
bases de datos, sensores, archivos, redes sociales, formularios web, entre otros.
Acciones clave:
● Identificar las fuentes de datos.
● Recopilar datos de manera manual o
automatizada.
● Asegurarse de que los datos sean relevantes y
estén completos.
Procesamiento y limpieza de datos
En esta fase, los datos crudos son preparados para el
análisis. Los datos recolectados suelen contener
errores, datos faltantes, y pueden no estar en un
formato adecuado para el análisis. El preprocesamiento
de datos implica limpiar, transformar y estandarizar los
datos.
Acciones clave:
● Limpieza de datos: Eliminar o corregir los errores, datos duplicados o irrelevantes.
● Tratamiento de datos faltantes: Rellenar, eliminar o estimar los valores faltantes.
● Transformación: Convertir datos en formatos apropiados para el análisis, como la
normalización de valores, la conversión de texto a números, etc.
7
● Filtrado: Filtrar los datos irrelevantes o no necesarios para el análisis.
Transformación de datos
Cuando los datos provienen de múltiples
fuentes, se requiere integrarlos en un único
conjunto de datos coherente. Este paso
asegura que todos los datos sean compatibles
entre sí, en términos de formato, unidad y
estructura.
Acciones clave:
● Fusionar datos provenientes de diferentes fuentes.
● Resolver inconsistencias en la representación de los datos.
● Asegurar que los datos estén correctamente alineados y combinados.
Estructuración de datos
Una vez que se han analizado los datos, es
fundamental presentar los resultados de una
manera comprensible y visualmente atractiva. La
visualización de datos ayuda a interpretar los
hallazgos y tomar decisiones basadas en datos.
Acciones clave:
● Crear gráficos, diagramas y tablas que
resuman los resultados del análisis.
● Usar herramientas de visualización como Power BI, Tableau o matplotlib (en
Python).
● Interpretar los resultados para que los tomadores de decisiones puedan comprender
las implicaciones de los hallazgos.
8
Descripción de herramientas a. Se debe describir dos herramientas o tecnologías
analíticas de Big Data por fase
1. Recolección de Datos (Data Collection)
Herramientas:
● Apache Kafka: Kafka es una plataforma
distribuida de transmisión de datos en tiempo
real. Facebook puede utilizar Kafka para
recopilar eventos de datos en tiempo real,
como interacciones de los usuarios, y para
asegurar que los datos sean procesados y
distribuidos en tiempo real a otros sistemas.
● Flume: Flume es una herramienta que ayuda a
recopilar, agregar y mover grandes cantidades de
datos de manera eficiente. Puede ser útil para la
recolección de logs de actividades de los usuarios
en Facebook, como registros de interacción y
navegación.
2. limpieza de Datos (Data cleaning)
Herramientas:
● Apache Spark: Spark es una plataforma de
procesamiento de datos en tiempo real que es
extremadamente eficiente para el pre
procesamiento de datos. Facebook podría usar
Spark para procesar grandes volúmenes de datos,
eliminando registros duplicados, manejando datos faltantes, y transformando los
9
datos en un formato adecuado para el análisis posterior.
● Pandas (Python): Pandas es una biblioteca
de Python que ofrece herramientas
potentes para manipulación de datos, como
filtrado, limpieza y transformación de datos.
Facebook podría usar Pandas para realizar
transformaciones en los datos antes de
procesarlos a gran escala.
3. Transformación de Datos (Data Transformation)
Herramientas:
● Apache Spark: Spark también es una
herramienta crucial en esta fase. Además de
preprocesar los datos, Spark permite realizar
transformaciones complejas de grandes
volúmenes de datos, como la agregación de
datos de usuarios, análisis de tendencias de
publicaciones, y normalización de variables.
● ETL (Extract, Transform, Load): Facebook
podría usar una solución ETL personalizada
para extraer datos de sus bases de datos,
transformarlos (por ejemplo, normalizando
interacciones) y cargarlos en sistemas de
almacenamiento como Data Lakes o Data
Warehouses para su análisis.
10
4 Interpretación y Visualización de los Resultados (Interpretation and Data Visualization)
Herramientas:
● Tableau: Tableau es una herramienta
líder en visualización de datos. Facebook
podría utilizar Tableau para crear
dashboards interactivos que ayuden a los
analistas y ejecutivos a interpretar los
resultados del análisis de datos y tomar
decisiones informadas sobre el contenido, anuncios y estrategias.
● Power BI: Power BI de Microsoft es otra herramienta que puede ser utilizada para
crear visualizaciones interactivas. Facebook
podría usarla para permitir a los analistas
observar métricas clave como el engagement de
los usuarios y el rendimiento de los anuncios en
tiempo real.
Usos de las herramientas de Big Data
a. Se debe detallar qué organizaciones usan estas tecnologías.
Apache Kafka
LinkedIn: LinkedIn fue el creador de Kafka y sigue siendo uno de sus mayores usuarios. Lo
utiliza para procesar eventos de usuarios en tiempo real, como publicaciones, reacciones,
mensajes y otros datos de actividad. Kafka permite la transmisión en vivo de estas
interacciones y su análisis inmediato.
11
Netflix: Utiliza Kafka para gestionar los datos de visualización de los usuarios en tiempo
real, lo que le permite personalizar las recomendaciones y mejorar la experiencia del
usuario.
Uber: Uber usa Kafka para manejar el procesamiento en tiempo real de los eventos
generados por las interacciones entre pasajeros y conductores. Kafka permite gestionar la
enorme cantidad de datos que se producen a medida que se solicita y se realiza un viaje.
Cómo lo utilizan:
Transmisión en tiempo real de eventos: Kafka permite a estas empresas procesar y
reaccionar a los eventos generados por sus usuarios en tiempo real, facilitando la
personalización de servicios y la mejora de la experiencia.
Apache Spark:
Facebook: Facebook utiliza Apache Spark para el procesamiento de grandes volúmenes de
datos de usuarios, como interacciones en la plataforma, análisis de publicidad y la
personalización de contenido. Spark se usa para ejecutar algoritmos de machine learning
que ayudan a predecir las preferencias de los usuarios y mejorar las recomendaciones.
Yahoo: Yahoo usa Spark para ejecutar análisis de Big Data sobre el contenido que los
usuarios consumen y las interacciones que tienen con la plataforma. Este análisis ayuda a
mejorar la personalización de la publicidad y el contenido.
eBay: eBay emplea Spark para mejorar sus algoritmos de búsqueda, procesar grandes
cantidades de datos generados por los usuarios y realizar análisis de datos de
transacciones en tiempo real.
Cómo lo utilizan:
12
Procesamiento en paralelo y en tiempo real: Spark permite a estas empresas procesar y
analizar grandes volúmenes de datos en tiempo real y obtener resultados inmediatos, lo
cual es esencial para la personalización de la experiencia del usuario.
Tableau
Organizaciones que usan Tableau:
American Express: American Express utiliza Tableau para analizar datos de transacciones
financieras y obtener insights clave sobre el comportamiento de los clientes. Los analistas
de datos usan Tableau para visualizar patrones de compra, segmentación de clientes y
tendencias en tiempo real.
Coca-Cola: Coca-Cola usa Tableau para monitorear el rendimiento de sus ventas a nivel
global. Los datos se visualizan en dashboards interactivos que permiten a la empresa tomar
decisiones rápidas sobre la producción, distribución y marketing de sus productos.
Nike: Nike utiliza Tableau para visualizar el rendimiento de las ventas y las interacciones de
los clientes con sus productos en línea. Los datos sobre el comportamiento de compra se
integran en paneles que permiten a Nike tomar decisiones informadas sobre estrategias de
marketing y distribución.
Cómo lo utilizan:
● Visualización interactiva de datos: Tableau permite a las empresas crear
visualizaciones detalladas y personalizables, facilitando que los analistas
comprendan patrones complejos y tendencias, y puedan tomar decisiones
estratégicas.
● Toma de decisiones basada en datos: Empresas como American Express y
Coca-Cola usan Tableau para crear informes visuales y tomar decisiones informadas
sobre marketing, ventas y segmentación de clientes.
13
BASE DE DATOS; MUESTRA 21 DE 100 ENCUESTADOS EN CERTUS
14
15
TABLAS DINÁMICAS
1. Segmento: Género vs Clics
Objetivo: Ver quién hace más clics según género.
2. Segmento: Rango de edad vs Conversión
Objetivo: Ver qué edad convierte más luego de ver anuncios.
16
3. Segmento: Tipo de anuncio vs Emoción
Objetivo: Ver qué tipo de anuncio genera qué emoción.
17
4. Segmento: Interacción vs Clics
Objetivo: Ver qué formato funciona mejor (según percepción).
18
5. Segmento: Relevancia percibida vs clics
Objetivo: Comprobar si más relevancia = más clics.
19
6. Segmento: Preferencia de contenido
Objetivo: ¿Qué contenido esperan los usuarios?
20
INSIGHTS
1. Usuarios frecuentes hacen más clics
“Los usuarios que usan Facebook varias veces al día hacen en promedio el doble de clics
que quienes lo usan una vez por semana.”
🔎 Implica que la exposición constante aumenta la posibilidad de interacción.
2. Percepción de relevancia impulsa la conversión
“Los usuarios que calificaron los anuncios como ‘muy relevantes’ tienen una tasa de
conversión 3 veces mayor que los que los vieron como ‘poco relevantes’.”
🔎 Muestra que la segmentación de anuncios sigue siendo clave.
3. Diferencias de género en comportamiento
“Las mujeres hacen más clics en anuncios de salud y bienestar, mientras que los hombres
interactúan más con tecnología y videojuegos.”
🔎 Permite ajustar campañas según segmentación por género y tipo de producto.
4. Emociones positivas = más clics
“Los anuncios que generaron emociones como curiosidad o entusiasmo están asociados
con mayor número de clics.”
🔎 Sugerencia: diseñar anuncios que apelen a emociones positivas, no solo informativas.
21
5. Formato importa: los más interactivos ganan
“Los anuncios con formato interactivo o videos llamativos generan más clics que los
estáticos.”
🔎 Confirma que invertir en creatividad audiovisual da resultados.
6. Descuentos son lo más esperado
“El 60% de los encuestados prefieren anuncios que ofrecen descuentos frente a otros tipos
de contenido.”
🔎 Insight claro para diseñar campañas más agresivas en precio.
7. Rango 22-24 es el más impactado
“Este grupo no solo recuerda los anuncios, sino que también presenta la mayor tasa de clics
y conversión.”
🔎 Ideal para campañas focalizadas en este rango si se busca rendimiento inmediato.
[Link] todos recuerdan los anuncios
“Un porcentaje significativo de usuarios considera los anuncios poco o nada relevantes.”
🔎 Diagnóstico claro: necesidad de mejorar la personalización y el targeting.
22
Dashboard y explicación de los resultados
Importación de datos a Power Query
23
24
transformación y limpieza de datos bajo los conceptos de ETL en Power Query
CONSULTA : ENCUESTA TABLA PRINCIPAL
25
CONSULTA: USUARIOS
26
CONSULTA INTERACCIONES
27
CONSULTA: PREFERENCIAS
28
CONSULTA : EMOCIONES
29
Dashboard y explicación de los resultados
Se construyó un dashboard interactivo en Power BI, con base en datos extraídos,
transformados y cargados siguiendo el proceso ETL
30
DICCIONARIO DE DATOS
Power Query
Herramienta de Excel y Power BI que permite importar, transformar y combinar datos de
múltiples fuentes. Ideal para automatizar procesos de limpieza de datos.
Power Pivot
Complemento de Excel que permite modelar grandes volúmenes de datos y crear
relaciones entre tablas. Esencial para análisis complejos con múltiples fuentes de
información.
DAX (Data Analysis Expressions)
Lenguaje de fórmulas utilizado en Power BI y Power Pivot para crear cálculos
personalizados y medidas dentro del modelo de datos. Algo así como el primo nerd de las
fórmulas de Excel.
Panel de control (Dashboard)
Visualización interactiva que permite resumir datos clave en gráficos, tablas y KPIs.
Funciona como un tablero de avión: todo lo esencial a la vista.
Encuesta estructurada
Herramienta de recolección de datos con preguntas cerradas o específicas, útil para
obtener respuestas comparables y fáciles de analizar. Es el método que usaron en tu
estudio de caso para evaluar la efectividad de los anuncios de Facebook.
31
Conecta correctamente el modelo de datos entre las diferentes tablas dimensionales y de
hechos
32
Conclusiones
Falta segmentación estratégica en la pauta publicitaria:
La mayoría de los encuestados no se sienten atraídos por los anuncios actuales, lo que
revela la necesidad de redefinir el público objetivo y adaptar los contenidos.
El análisis de datos mejora la toma de decisiones de marketing:
Herramientas como Power BI y Excel permiten interpretar grandes volúmenes de
información de manera visual e interactiva, lo cual facilita acciones correctivas inmediatas.
Las campañas de Facebook requieren ajustes creativos y de formato:
Se recomienda usar formatos más visuales, como videos y reels, además de imágenes
atractivas y dinámicas para captar la atención del público objetivo.
33
34
