De reportes manuales a un pipeline propio: cómo Finning dejó de perder leads con una arquitectura de datos en Google Cloud
- Cliente: Finning
- Servicio: Big Data, Centralización de datos
- Industria: Servicio
Desafío: ¿cómo confiar en los datos cuando nadie sabe si están llegando todos los leads?
Finning gestionaba cerca de 60 campañas activas entre Google Ads y Meta Ads, pero su operación de datos dependía de una cadena de intermediarios: Dataslayer, planillas de Google Sheets, Apps Scripts, Zapier y Make. Cuando algún eslabón fallaba, el problema se descubría días después, al revisar los reportes a mano, y muchas veces no llegaban todos los leads sin que hubiera forma de saber cuáles ni por qué.
El desafío no era solo automatizar reportes, sino construir una base confiable, auditable y escalable: capturar y derivar cada lead sin pérdidas, y entregar datos de Google Ads, Meta Ads, GA4, contenido orgánico y LinkedIn con una calidad que se pudiera verificar. En una operación con decenas de campañas y varios países, cada lead perdido en silencio era una oportunidad comercial que nunca llegaba a ventas.
La solución: una arquitectura nativa en Google Cloud, monitoreada en cada capa
Desde Forma diseñamos e implementamos una arquitectura de datos nativa en Google Cloud Platform que reemplazó a los intermediarios por un pipeline propio, trazable y monitoreado.
El trabajo partió con un diagnóstico del estado actual: se documentó la lógica de negocio que estaba repartida entre queries, fórmulas y scripts, y se diseñó una arquitectura por capas con controles y alertas en cada una. Sobre esa base se construyeron conectores propios, la derivación automática de leads, una plataforma web para gestionar su ruteo y un dashboard único de resultados.
Claves de la ejecución:
- Conectores propios en Cloud Run para Google Ads, Meta Ads, Meta Lead Ads, contenido orgánico, LinkedIn y GA4, con credenciales protegidas en Secret Manager.
- Modelamiento en BigQuery por capas (Raw, Staging, Production y Analytics), con transformaciones versionadas en Dataform.
- Derivación automática de leads al bot de atención o al contact center, con estado de trazabilidad por lead y reintentos ante fallas transitorias.
- Plataforma web “Finning Leads” para que el equipo de medios configure el destino de cada OT, con historial de cambios, filtros y exportación.
- Orquestación con 3 Cloud Workflows y alertas por correo, Slack y Cloud Monitoring.
- Migración validada contra los reportes anteriores, backfill histórico y dashboard de 17 páginas en Looker Studio sobre BigQuery.
La lógica fue clara: un proceso de datos solo es confiable si cada etapa se puede auditar y si sus fallas se detectan solas. Por eso, cada lead quedó con un estado explícito y cada capa con su propio monitoreo.
Resultados: cero pérdida de leads y fallas detectadas en minutos
La plataforma registra, a septiembre de 2026, 12.278 leads de Meta, todos en estado transferido, sin pendientes, sin errores y sin formularios sin configuración. La frecuencia de derivación aumentó un 50%: de una corrida cada 40 minutos a una cada 20, es decir, de 48 a 72 corridas diarias. Y la detección de fallas pasó de días a minutos, con alertas que avisan en segundos.
La migración también hizo visible lo que el esquema manual ocultaba: un filtro mal configurado dejaba fuera el 32,5% del total de los anuncios reales de Meta Ads, que se recuperaron y validaron al 100% contra Ads Manager. A eso se sumó un backfill de 2024 a 2026 que llevó la cobertura histórica del 50% al 100% en una sola corrida de 30 minutos, incorporando datos que no existían en ningún reporte.
Las nuevas tablas alcanzan una precisión de al menos 99,99% frente a las planillas que reemplazan, con diferencias de entre 0,0003% y 0,01% en inversión, clics e impresiones. Hoy el equipo de medios administra 116 OTs activas en Chile, Argentina y Bolivia sin pasar por ingeniería, y un solo dashboard de 17 páginas cubre 67 campañas y 147 keywords.
El impacto: de “creemos que llegan todos” a evidencia auditable
El caso Finning demuestra que la confiabilidad de una operación de marketing no depende solo de automatizar, sino de poder comprobar que cada dato y cada lead llegó a su destino. Con un pipeline propio, la empresa eliminó la dependencia de terceros y dejó atrás los scripts que alguien debía ejecutar o revisar a mano.
Desde Forma, el foco estuvo en construir una arquitectura que el equipo pudiera operar y auditar por sí mismo: validación cruzada contra el sistema anterior para generar confianza en el cambio, monitoreo nativo en cada capa y una herramienta simple para que el ruteo de leads no dependa de ingeniería.
La implementación validó un aprendizaje clave: lo que no se valida no se ve. Un estado explícito por lead y alertas automáticas convierten la intuición de que “llegan todos” en evidencia auditable, y detectar una falla en minutos resulta tan importante como automatizar el proceso.
¿Sabes con certeza si todos tus leads están llegando a ventas?
En Forma ayudamos a transformar datos dispersos en arquitecturas confiables, trazables y listas para escalar.