Cómo diseñar el esquema de datos de tus anuncios con Claude

Explorar Meta y TikTok con Claude

Con el MCP corriendo, lo primero es explorar las fuentes de datos con las que se van a crear los datasets. Claude analiza todas las cuentas disponibles (en la demo están anonimizadas y hay duplicadas; con tus fuentes reales eso no pasa).

El objetivo del ejercicio: una arquitectura para almacenar, por ejemplo, tres cuentas de Meta y tres de TikTok, el caso típico de una agencia que necesita bajar la información a nivel anuncio de muchos clientes.

El prompt de muestreo

Para diseñar bien la base de datos hay que saber qué métricas y dimensiones son relevantes. En el video, se le pide a Claude que lo determine muestreando datos reales:

Hagamos un muestreo de 30 cuentas: de cada una de las fuentes agarrá 30. Quiero diseñar almacenamiento histórico de info a nivel anuncio, y quiero saber de cada cuenta qué métricas son relevantes. Hagamos bajadas a nivel cuenta con métricas para ver qué se está usando en cada una, y a partir de ese conocimiento extraigamos qué métricas son relevantes para luego crear los grupos de tablas en Detrics, con esas métricas y todas las dimensiones relevantes a nivel anuncio.

Qué hace Claude con ese pedido

Claude orquesta el muestreo: lanza queries en paralelo, en lotes de 10 cuentas por plataforma. Si la plataforma devuelve algún error (campos incompatibles, por ejemplo), recibe el error y corrige la query solo, hasta obtener la información.

Una vez que sabe qué métricas son compatibles y usadas a nivel cuenta, pasa a la parte de interrogación: te pregunta tus preferencias para armar el esquema y, antes de tocar nada, propone el diseño (dimensiones y métricas núcleo a nivel anuncio, agregación diaria para Meta y TikTok) y pide confirmación. Esto lleva un rato; mientras corre, el siguiente capítulo explica cómo funciona el warehouse de Detrics por dentro.