Business Intelligence

Todo lo que sabe tu ticketing, en cuatro conjuntos de datos listos para el análisis.

Nosotros conocemos el ticketing. Tú conoces tu negocio. Esta API une ambas cosas: en tu almacén de datos, con tus definiciones.

Lo más valioso no es la cifra, sino las personas detrás de ella. Cada fila de entrada lleva quién compró y quién la usó: campos de registro, grupo estadístico, legitimación, campaña, respuestas de encuesta. No solo ves cuándo viene la gente: ves cuándo viene qué gente, desglosado por cada atributo que recoges.

Está pensada para extraer, no para consultar: recibes las filas, y el modelado, las métricas y el historial siguen siendo tuyos. Sin agregados, sin agrupación en el servidor, nada que tengas que esperar a que construyamos. Habla OData v4 estándar, así que Power BI, Tableau, Azure Data Factory y Fivetran se conectan sin código propio.

Para equipos de datos y BI. Si estás integrando un checkout, necesitas uno de los otros diez módulos.

De un vistazo

Datos en vivocada petición lee el estado actual: sin trabajo de exportación ni instantánea de por medio

Coste de paginación planobasado en keyset, así que la última página cuesta lo mismo que la primera

OData v4consumido por Power BI, Tableau, ADF y Fivetran sin código propio

500 columnasen 4 conjuntos de datos: entradas, escaneos, grupos estadísticos, encuestas

Esquema desde el build$metadata lo genera la instancia en ejecución y no puede desviarse

Máquina a máquinaOAuth 2.0 client credentials, sin CORS, tu secreto se queda en el servidor

Casos de negocio

Cada pregunta de abajo la responde tu equipo de datos a partir del extracto, con la sección de referencia que muestra cómo.

¿Cuántas personas vinieron realmente?

Las entradas vendidas y las personas admitidas son cifras distintas, y la diferencia suele ser el dato más interesante de todo el evento. Determina el catering, el personal, la planificación de superficies y el precio de la próxima edición.

También es la cifra que la mayoría de los informes calculan mal. Una entrada que nunca se escaneó no tiene ninguna fila de escaneo, así que la población que quieres medir desaparece en cuanto alguien escribe un inner join.

Recipes →

¿Qué segmentos de visitantes crecieron o se redujeron de un año a otro?

Por artículo, grupo estadístico, legitimación y cada campo de registro que pides (sector, cargo, tamaño de empresa, país), a lo largo de las ediciones de una misma marca. No cuántos vinieron, sino quiénes: esta es la cifra que acaba en el informe para la dirección.

How ticketing data works → Counting visitors →

¿Qué campaña vendió realmente?

Cada venta lleva sus parámetros UTM, así que puedes contrastar el coste por entrada vendida con cada canal en lugar de informar de que una campaña “fue bien”.

Una salvedad que conviene conocer antes de construir el panel: las invitaciones de expositores no llevan campaña y se canjean con una tasa mucho menor. Incluidas en la media, reducen todas las cifras de conversión que calcules.

Recipes →

¿Qué hizo cada expositor con su cupo?

Cuántas invitaciones repartió, cuántas se canjearon y quién lo hizo. Esa es la base para ampliar, recortar o poner precio a un cupo el próximo año, y una conversación que mantienes con cada expositor por separado.

Datasets → Tickets →

¿Cuándo está concurrida cada entrada?

Cada escaneo lleva marca de tiempo, entrada y terminal, y se une a la entrada que hay detrás. Así ves no solo cuándo está concurrida una entrada, sino quién llega cuándo: qué grupos estadísticos en la primera hora, qué tipos de visitante en la última. Las colas y el personal dejan de ser estimaciones y pasan a ser mediciones.

Datasets → Ticket usages →

¿Cuánto vale un visitante?

Ingresos brutos y netos por entrada, por artículo, por canal, por evento, con la moneda junto a cada importe, porque en los datos hay más de una.

Recipes →

¿Qué te dijeron tus visitantes y quiénes eran?

Las respuestas de las encuestas se vinculan a la entrada, así que todo lo que un visitante te dijo puede segmentarse por todo lo que la entrada sabe de él: qué artículo compró, de dónde vino, cómo se emitió la entrada, qué legitimación mostró.

Las respuestas dejan de ser un recuento anónimo y se convierten en algo sobre lo que puedes actuar por segmento.

Datasets → Surveys →

Las cifras que entran en el informe auditado.

Los organizadores alemanes declaran la asistencia según las reglas de auditoría FKM, y esas reglas no coinciden con un recuento ingenuo de filas. Van incluidas en los grupos estadísticos, así que la vista auditada sale del mismo extracto en lugar de rehacerse a mano cada año.

How ticketing data works → Counting visitors →

MCP

El mismo servicio también responde preguntas directamente a través de MCP, con las mismas credenciales y el mismo alcance de datos, para cuando quieres la respuesta y no el conjunto de datos. Pídenos acceso.

Acceso

El acceso se aprovisiona por sistema de cliente. Habla con tu contacto en ADITUS para obtener un client y un secret, y luego empieza en Business Intelligence → Getting started.

Cómo se ejecuta el propio extracto, página a página: Business Intelligence → Building the extract