Data Cloud (Data 360)

Data Cloud (anunciado como Data 360 desde 2025) es la plataforma de datos nativa de Salesforce que ingiere, unifica y activa información de clientes proveniente de muchas fuentes (CRM, e-commerce, web, apps, sistemas externos) para construir un perfil unificado y consultable de cada persona o cuenta. No es un CRM ni un tablero: es la capa de datos que se sienta debajo y le da combustible a todo lo demás, desde la segmentación de marketing hasta los agentes de IA. Es la base sobre la que las consultoras como Vantegrate montan proyectos de datos en el ecosistema Salesforce.

Su diferencial técnico es que opera con zero-copy y procesamiento casi en tiempo real: en vez de duplicar tablas a un repositorio propio, se conecta a tus orígenes (incluyendo data warehouses como Snowflake o BigQuery) y trabaja sobre ellos mediante un modelo de datos común. Así resuelve la identidad (reconcilia que "Juan Pérez" del checkout y "jperez@..." del formulario son la misma persona) y entrega una única fuente de verdad lista para activar.

En la práctica, Data Cloud es el motor que hace posible un Customer 360 real y, cada vez más, el grounding de datos propios que necesita la IA generativa de Salesforce para responder con contexto del negocio y no alucinar.

Para qué sirve Data Cloud

El problema que resuelve es viejo y caro: los datos del cliente viven dispersos en silos. Una empresa típica tiene los pedidos en el ERP, los tickets en soporte, la navegación en la web, las campañas en marketing y las oportunidades en el CRM, y ninguno se habla con el otro. Data Cloud unifica todo eso en un perfil único, lo mantiene fresco en tiempo casi real y lo deja disponible para segmentar, analizar, automatizar y, sobre todo, alimentar IA con contexto confiable. Es, en esencia, la capa de datos transversal del ecosistema Salesforce.

El flujo conceptual tiene cuatro momentos claros:

• Ingesta: se conectan fuentes vía conectores nativos, APIs, streaming o zero-copy hacia un data warehouse externo, sin necesariamente mover los datos.
• Armonización: todo se mapea a un modelo de datos común para que campos de distintos sistemas signifiquen lo mismo.
• Resolución de identidad: se reconcilian registros duplicados y se arma el perfil unificado de cada cliente.
• Activación: ese perfil enriquecido se usa para segmentos, automatizaciones, análisis y grounding de IA dentro y fuera de Salesforce.

Por qué cambió el nombre a Data 360

Salesforce comunicó en 2025 la evolución de la marca hacia Data 360, alineándola con la familia "360" de la plataforma (la idea de una vista 360 del cliente). El producto y sus capacidades son los mismos: cambió el nombre comercial, no el concepto. En documentación y proyectos vas a encontrar ambos términos conviviendo, y conviene reconocerlos como sinónimos.

Data Cloud no es un Data Warehouse (la confusión más común)

Es el error de concepto más frecuente. Un data warehouse (como Snowflake, BigQuery o Redshift) es un repositorio analítico donde se almacenan grandes volúmenes de datos históricos para reportería. Data Cloud puede conectarse a uno e incluso leerlo sin copiarlo, pero su foco es distinto: está orientado al perfil de cliente accionable y en tiempo casi real, no al almacenamiento masivo para BI puro.

La forma sana de verlo: el data warehouse suele ser la fuente, y Data Cloud la capa que lo vuelve accionable sobre el cliente. No compiten; se complementan.

Ejemplo concreto LATAM

Pensá en una empresa de Consumo Masivo en Argentina que vende por canal moderno, distribuidores y un e-commerce propio. Sin Data Cloud, el equipo de marketing no sabe que el comprador del e-commerce es el mismo gerente de compras de un supermercado, y le manda promos genéricas. Con Data Cloud, los datos del e-commerce, del CRM (por ejemplo Sellium) y del sistema de pedidos se unifican en un solo perfil; la segmentación deja de ser por lista estática y pasa a actualizarse sola cuando cambia el comportamiento. Cuando ese perfil alimenta un agente de IA, el agente responde "tu último pedido fue X, llega el martes" con datos reales del negocio, no inventados.

Errores comunes al implementarlo

• Tratarlo como un proyecto de IT puro: sin un mapa claro de casos de uso de negocio, termina siendo un lago de datos caro y sin uso.
• Descuidar la calidad del dato de origen: Data Cloud unifica, no limpia por arte de magia; basura que entra es basura que se unifica.
• Subestimar la resolución de identidad: definir mal las reglas de matcheo crea perfiles duplicados o, peor, fusiona personas distintas.
• Olvidar el gobierno: consentimiento, privacidad y permisos deben definirse desde el día uno, no después.

Su rol creciente con la IA

El uso que más empuja su adopción hoy es la IA. Los agentes y la IA generativa de Salesforce necesitan datos propios y actualizados para dar respuestas útiles; Data Cloud es justamente la capa que provee ese grounding confiable. Sin una base de datos unificada y fresca, la IA empresarial responde genérico o alucina. Por eso Data Cloud dejó de ser "una pieza más" para volverse la fundación sobre la que se apoya buena parte de la estrategia de datos e IA en el ecosistema.