Data Cloud. La plataforma de datos del cliente.

Funciona mejor cuando ya hay Salesforce en el stack porque la integración con Sales, Service, Marketing y Commerce es nativa y bidireccional. Sin Salesforce, sigue siendo posible, pero parte del valor diferencial se diluye y aparecen alternativas más livianas que pueden encajar mejor según el caso. En discovery lo evaluamos honestamente; si Data Cloud no es la mejor opción para tu contexto, te lo decimos.

MuleSoft alimenta Data Cloud con datos de sistemas externos —ERP, legacy, buses de eventos, plataformas que no tienen conector nativo— y mantiene la coherencia con el resto del stack. Agentforce, los agentes de IA del ecosistema, consume el perfil unificado vía Data Graphs como contexto para responder con datos reales del cliente. Si querés profundizar en los agentes específicamente, esa conversación vive en la página de Agentforce. Acá hablamos de la plataforma de datos.

Data Cloud tiene un modelo de consent canónico por propósito y canal, retention policies configurables por DMO, encryption, field-level security y workflows para derechos del titular. En Solu diseñamos privacy by design desde el primer flujo: nada se activa sin consent vigente para el propósito específico y la eliminación cascada se propaga a sistemas downstream. Cubrimos LGPD en Brasil, leyes locales de protección de datos en cada país de LATAM y regulaciones sectoriales como las de banca, salud y seguros.

Por un Customer 360 mínimo de un dominio doloroso —típicamente marketing o servicio— con dos a cuatro fuentes integradas, identidad resuelta y una primera activación end-to-end. Es lo que llamamos la etapa Crawl: tangibiliza la plataforma, valida governance básica y habilita la conversación de scaling. Después llegan personalización, NBA, orquestación cross-channel y los casos avanzados. Saltar etapas es la trampa más común y la que más proyectos rompe.

Depende del estado de las fuentes, del consent existente y del equipo del cliente. En proyectos donde las fuentes están razonablemente ordenadas y hay un sponsor claro, el primer caso end-to-end llega más rápido de lo que la mayoría espera. Cuando hay legacy con datos sucios o consent incompleto, la fase de discovery se extiende y conviene resolverlo antes de prender flujos. La regla que aplicamos: cada hora de discovery ahorra una semana de retrabajo.

Discovery exhaustivo de fuentes, consent y casos de uso. Diseño del modelo canónico, mapeo source-to-target, identity resolution rulesets y reconciliation rules. Construcción de calculated insights, segmentos atómicos y compuestos, y activations gobernadas. Governance de consumption desde el día uno, monitoreo, runbooks y enablement del equipo del cliente para que quede operando con autonomía. Trabajamos en co-delivery: tu gente al lado de la nuestra, aprendiendo haciendo.

Cada vertical tiene su propia subpágina con los ocho casos de uso más comunes en esa industria, con arquitectura, KPIs y patrones que ya validamos en proyectos LATAM. Si tu industria no encaja exacto en una de las ocho, hablemos: la mayoría de los patrones son transversales y se adaptan. Si encaja en varias —por ejemplo un holding con retail, banca y seguros— el patrón multi-marca con Data Spaces resuelve la convivencia.