Soluciones de Customer Intelligence | Artyco

Customer Intelligence

Extraemos la información relevante, la analizamos y sacamos conclusiones,
para que tomes decisiones en base a los datos, no en suposiciones.

Dispones de una gran cantidad de información sobre tus clientes, almacenada en tu CRM, pero más allá de lanzar comunicaciones, no sabes cómo sacarla partido. En Artyco disponemos de un equipo especializado en Customer Intelligence, el cual te ayudará a sacar provecho a esos datos, enriqueciendo la información que ya dispones, utilizando técnicas de análisis predictivo, y en definitiva, ayudando a crear relaciones más fluidas y fuertes entre el cliente y la empresa.

¿Qué podemos hacer?

barra-250

  • Obtener un modelo analítico.
  • Extraer conocimiento de los datos.
  • Clasificar mejor a los clientes por su valor actual y futuro.
  • Medir el resultado de las acciones.
  • Afinar y optimizar la estrategia de contacto.
  • Predecir compra e identificar leads.
  • Reconocer oportunidades.
  • Estudiar comportamientos similares para anticiparse.
  • Aplicar técnicas de Retención de clientes.
  • Perfeccionar la estrategia de negocio.

¿Qué podemos hacer?

barra-250

  • Obtener un modelo analítico.
  • Extraer conocimiento de los datos.
  • Clasificar mejor a los clientes por su valor actual y futuro.
  • Medir el resultado de las acciones.
  • Afinar y optimizar la estrategia de contacto.
  • Predecir compra e identificar leads.
  • Reconocer oportunidades.
  • Estudiar comportamientos similares para anticiparse.
  • Aplicar técnicas de Retención de clientes.
  • Perfeccionar la estrategia de negocio.

Identifica oportunidades con Customer analytics

Te analizamos las campañas, identificamos y sacamos los Kpi`s más adecuados en función de tus objetivos, te creamos unos dashboards para que puedas ver los resultados, y te creamos un reporting con las conclusiones.

Optimiza tus campañas con Customer Value

El Customer Value te permite crear segmentaciones y clusters de tus clientes y potenciales, crear modelos de adquisión, de up selling y cross selling, y obtener ratios fundamentales como el CLV, RFM, Crurn…

Construye tu estrategia de Social CRM con Social Customer Intelligence

Análisis de sentimiento, análisis predictivo, next product, recommendation, machine learning… son algunas de las cosas con las que podemos ayudarte si te interesa sacarle mayor partido a las acciones que estás realizando en las redes sociales.

¿Te gustaría que aplicáramos Customer Intelligence en tu negocio?

Nuestro equipo de Customer Intelligence utiliza una Plataforma de BI flexible, segura y escalable, para ofrecer a cada cliente lo que necesite en función del volumen o tipo de información, de la complejidad de los procesos de análisis o de la necesidad para trabajar en tiempo real.

Colaborativa, con funciones de autoservicio para el usuario final, multi-dispositivo, haciendo hincapié en la rapidez de la obtención de los resultados, con integración de distintas fuentes de datos, ya sean estructurados o no estructurados, con gran capacidad analítica, en Real Time y con un alto grado de personalización.

Gracias a la plataforma de BI de Microsoft, con la que trabajamos, el Big Data se convierte en Small Data, siendo accesible para cualquier tipo de empresa. Con esta plataforma y con herramientas de minería de datos, podemos realizar complejos análisis predictivos y aplicarlos con rapidez al negocio, optimizando procesos y maximizando resultados.

¿Quieres ver qué hacemos de customer intelligence para el Grupo Mahou San Miguel?

Últimos posts de Customer Intelligence

barra-250

Qué es el Data Governance

Qué es el Data Governance

Qué es el Data Governance

Data Governance o gobierno de datos es toda aquella gestión que se realiza en referente a la disponibilidad, integridad, usabilidad y seguridad de los datos de una compañía. Puede que no le veas a esta definición un atractivo, sin embargo, el disponer de un Data Governance o no tenerlo, puede ser la clave para que tu estrategia data-driven sea eficaz o no. Ahora te empieza a interesar un poco más, ¿verdad? En este post intentaré contarte de manera sencilla qué es y cómo puede ayudarte en ese objetivo relacionado con los datos que te acabas de marcar en tu empresa. Vamos a allá.

Recuerdo hace ya muchos años cuando en una de las empresas para la que trabajaba, me encargaron liderar el diseño de un sistema de información de marketing, con el objetivo de poder tener una amplia base de datos de contactos, clientes y potenciales, así como de qué manera y sobre quiénes de ellos se habían lanzado comunicaciones, y cómo habían respondido ante las mismas. Algo muy sencillo.

Fue un proyecto ilusionante porque fue realizado a medida, y la verdad es que quedó tal y como necesitábamos. Esta, era una herramienta que iba a poder utilizar toda la compañía, y a través de la cual se iban a poder sacar muchas ventajas. Sin embargo, al pasar las semanas de uso, llegaron los problemas.

Algunas personas introducían nuevos contactos en mayúsculas, otros en minúsculas. Algunas personas tenían la costumbre de poner las direcciones de una manera, muy diferentes a la de otros, sin tener en cuenta que el descuido de unos, hacía que algunos contactos se encontraran con la mitad de los campos sin rellenar.

En definitiva, todos los empleados tenían la misma autoridad para editar, eliminar, sacar datos e informes… pero cada uno a su manera. Esto provocó serios problemas de duplicidades, registros erróneos y un largo etcétera.

Esto fue hace ya muchos años, imagínate lo que sería hoy día con los riesgos existentes relacionados con la seguridad de los datos, la GDPR y otras muchas cosas más. Sería un caos total y un problema para la empresa.

El gobierno de datos incide precisamente en esto: determinar un procedimiento y unas medidas básicas de actuación respecto a los datos. En función del tamaño de la empresa, el negocio y la cantidad de datos, este lógicamente, será más o menos complejo.

Normalmente, toda persona o grupo que tenga algún tipo de interés en cómo se crean los datos, cómo se recogen, procesan, manipulan, almacenan y se ponen a disposición para su uso, acaba delegando la autoridad de ello al personal de IT. Sin embargo, estas decisiones deben ser tomadas por grupos de interés y en función de un proceso previamente acordado.

Podríamos decir que el Data Governance tiene la siguiente misión:

  • Crear, reunir y alinear las reglas.
  • Resolver problemas.
  • Monitorizar y hacer cumplir las reglas mientras se proporciona un apoyo constante a los interesados en los datos.

Ahora que ya tienes claro qué es el Data Governance, ¿quieres saber si es necesario en tu negocio? Vamos a verlo…

Cuándo es necesario poner en marcha el Gobierno de Datos.

Data Governance. Cuando es necesario

Antes de poner en marcha un Data Governance, debes saber que el proyecto debe de estar fuertemente apoyado por las personas que lideran la compañía, involucrando en el mismo, a todos aquellos que tendrán que ver con los datos y que los vayan a utilizar, así como todas las personas interesadas en ellos.

Disponiendo de ese escenario, sólo te queda comprobar si se cumple alguna de estas situaciones. Si es así, es que necesitas poner en marcha el gobierno de datos.

  • Tu empresa cada vez es más grande o está recogiendo más y más datos. A consecuencia de ello, ves que la gestión tradicional no es capaz de hacer frente a actividades multifuncionales relacionadas con los datos.
  • Los sistemas de datos de la organización se han vuelto tan complicados que con la gestión tradicional no es posible hacer frente a actividades multifuncionales relacionadas con los datos.
  • Los arquitectos de datos de la organización u otros grupos necesitan el apoyo de un programa multifuncional que tenga la visión acerca de las preocupaciones y preferencias de datos de toda la empresa.
  • Las regulaciones, normas, cumplimientos o requerimientos contractuales exigen un data governance más formal del que actualmente tienes.

No sé si estos ejemplos pueden ayudarte a saber si necesitas o no un gobierno de datos. Aquí te pongo otros más del día a día. Seguro que te has encontrado en alguna de estas situaciones en alguna ocasión:

  • Comités que, a la hora de la toma de decisiones, pasan a convertirse en foros de defensa del dato propio.
  • Informes que, en apariencia, usan el mismo dato, pero presentan sin embargo resultados diferentes (gran pérdida de tiempo en cuadres de información).
  • Usuarios que pierden enormes cantidades de tiempo en buscar el dato que necesitan.
  • Un data scientist deja la compañía y nadie sabe cómo funciona su modelo.
  • Los científicos pasan más tiempo limpiando datos que diseñando modelos.
  • Un DataMart tarda meses en estar disponible para unos usuarios que lo necesitaban con urgencia.
  • Distintos data-labs de unidades de negocio diferentes construyen modelos con idéntico objetivo pero distinto grado de predictibilidad, con una evidente pérdida de eficiencia.
  • Un excelente modelo no es “comprado” por los usuarios de negocio.
  • Un excelente cuadro de mando no es usado por nadie.
  • Data Lakes que, como si fueran masa de levadura, crecen exponencialmente sin que nadie se atreva a eliminar información “por si acaso”.

Seguro que ahora lo tienes mucho más claro, ¿verdad? En todos estos casos, el gobierno del dato es imprescindible, ya que te ayudará a tener una serie de procesos y controles que eviten todas estas situaciones.

Sin embargo, es evidente que no todos los datos deben tener el mismo nivel de gobierno. No debes utilizar el mismo proceso en el gobierno de un dato que es clave para tu negocio, que para otro que es meramente exploratorio.

Por tanto, debes de analizar la importancia de los datos para tu empresa, si surgen situaciones como las que te he expuesto, y qué niveles de gobierno necesitas.

La siguiente pregunta que probablemente te estés haciendo ahora es, ¿quién debería liderar este gobierno del dato? O ¿en qué estructura debería de estar ubicado este proyecto?

El Data Governance no tiene una localización exacta, esta puede variar en función del tipo de empresa y de negocio. Lo normal es que esté integrado dentro de operaciones o del departamento de IT. También pueden liderarlo departamentos en los que su estructura organizativa disponga de un rol muy enfocado a la gestión de los datos. Tú decides.

Eso sí, una vez se decida un liderazgo al respecto, lo más importante es que exista el apoyo suficiente por parte de la alta dirección de la compañía, así como el soporte de todos los departamentos y personas implicadas e interesadas en los datos.

 

Los principios del Gobierno de Datos.

Principios para el Data Governance

Según Gartner, la mayoría de los procesos de transformación digital encallan por la infravaloración de la relevancia del gobierno del dato.

Es este el que debe eliminar las fronteras para que una cultura del dato cooperativa, abierta, transparente y ética impregne toda la organización, con un objetivo común, que sería convertir el dato en el activo estratégico para competir con éxito en un mercado que cambia demasiado rápido como para perdonar errores estructurales de nacimiento.

El Data Governance tiene unos principios que ayudan a las empresas que de verdad quieren sacar provecho de los datos, a poder realizarlo de una manera exitosa, resolviendo conflictos relacionados con los datos y obtener modelos y construcción de análisis más eficaces. Son estos:

  1. Integridad. El dato debe ser exacto, estar completo, homogéneo, sólido y coherente, en definitiva, íntegro para poder trabajar con seguridad sobre ellos.
  2. Transparencia. Debe de estar todo el procedimiento accesible y expuesto de una manera clara para todos los integrantes interesados en los datos de la organización, así como todas las decisiones introducidas al respecto durante el gobierno.
  3. Auditabilidad. Todas las decisiones, procesos, controles, deben de ir acompañados de la documentación pertinente que permita a las auditorías tener un fácil acceso y entendimiento.
  4. Responsabilidad. Es importante determinar quiénes son los responsables en cada proceso, control y toma de decisiones en lo referente a los datos de la empresa.
  5. Gestión. Se debe de nombrar quiénes son los diferentes responsables en la gestión de los datos, y sus contribuciones de manera individual.
  6. Control y balance. Debe quedar muy bien especificado cómo se va a controlar todo el movimiento de datos y el balance entre quien genera datos y los introduce, y quien los extrae y saca informes, por poner un ejemplo.
  7. Estandarización. El Data Governance introducirá y dará soporte a la estandarización de datos de la empresa.
  8. Gestión del cambio. Soportará actividades proactivas y reactivas de gestión del cambio, para valores de datos de referencia, datos maestros y metadatos.

 

Como has podido comprobar, basar tu negocio en datos no es una tarea fácil. Esto exige controlar no sólo el tema tecnológico y humano, sino también crear unos procesos claros que permitan que esa ventaja competitiva que puede tener tu empresa, sea verdaderamente aprovechada y útil para el negocio.

El gobierno de datos es fundamental para no perder el tiempo y no incurrir en errores que compliquen la cultura del dato de tu empresa. ¿Necesitas que te ayuden en este aspecto? En Artyco llevamos trabajando con datos desde hace décadas, habiendo creado un sistema de gobierno que te puede ayudar a afrontar con éxito cualquier reto que te plantees. ¿Hablamos?

Emilio Fernández Lastra
Marketing Manager en Artyco Customer Database Marketing
"Después de la hipoteca, el inbound marketing es la mejor herramienta para asegurar una relación a largo plazo."

Qué es un Customer Data Platform (CDP) y qué ventajas tiene

Qué es un Customer Data Platform (CDP) y qué ventajas tiene

Qué es un Customer Data Platform (CDP) y qué ventajas tiene

Un Customer Data Platform o CDP, no es un DMP, ni siquiera es un CRM. Un CDP es un software paquetizado o ecosistema, en el que se unifican en una misma base de datos toda la información de los clientes, pudiendo acceder a esta otros sistemas, de manera sencilla. Los datos del cliente pueden venir de diferentes canales. La CDP lo que hace es limpiarlos, deduplicarlos y ofrecerlos a través de perfiles de clientes, para ser utilizados para campañas de marketing. ¿Crees que es más de lo mismo, pero con otro nombre? Sigue leyendo este post y descubrirás qué hay detrás de esta plataforma tecnológica, sus diferencias con el resto, y qué ventajas tiene para la optimización de tus campañas de marketing. El CDP es el futuro más próximo en el campo del Data y la estrategia, y te voy a explicar por qué.

Como ya he comentado en otros posts anteriores, las empresas de hoy día tienen al alcance de sus manos, la mayor cantidad de datos de la historia sobre los consumidores. Sin embargo, es tal la cantidad que en muchas ocasiones se hacen inabarcables, desaprovechando muchos de esos datos, y no sabiendo sacar conclusiones de los mismos.

Hoy día, podemos acceder a datos transaccionales, demográficos, de comportamiento… y en diferentes ámbitos y canales, como en los anuncios online, en tu eCommerce o en tu servicio de atención telefónica al cliente.

Todos estos datos, al fin y al cabo, componen si se pudieran organizar y estructurar en un mismo lugar, potentes perfiles de clientes. Sin embargo, la realidad es bien distinta, ya que toda esta data suele estar en diferentes silos, dentro de la empresa.

Un Customer Data Platform (CDP) lo que hace es recoger toda esa información en un mismo lugar, eliminar aquella que no tenga relevancia o esté duplicada por venir de diferentes canales, pero que recogen algún dato idéntico, y crear un perfil completo y único de ese consumidor. Una vez tenemos creados esos perfiles con toda la información, la plataforma permite que otras tecnologías puedan acceder a ella, y así poder enriquecer esos perfiles con datos externos, ayudando a crear informes, reportes, y campañas de marketing más eficaces, integrando incluso machine learning e IA la cual ayude a crear y lanzar acciones más eficaces.

Si tenemos que definir una cualidad de un CDP sería la versatilidad en cuanto a cantidad y tipos de datos que es capaz de recoger.

A continuación voy a enumerarte cuáles son las principales características:

  • Data Collection. El CDP te ayuda a almacenar toda la información que necesitas y de diferentes tipos, actuando como un gran contenedor de información de donde poder tirar para sacar conclusiones.
  • Unificación. El CDP te ayuda a unificar toda esa información, con el objetivo de que sea mucho más manejable.
  • Segmentación. A través de ella, puedes realizar fácilmente segmentaciones que te ayuden a personalizar tus campañas, redundando finalmente en un aumento de la conversión.
  • Activación. Un Customer Data Platform te permite poner en marcha acciones de marketing en función de la información recogida, la segmentación realizada y los insights extraídos. De esta manera deja de ser un elemento pasivo para convertirse en activo, el cual trabaja completamente para el negocio.

Esquema Customer Data Platform

Como te decía en el inicio del post, el CDP no es ni un DMP, ni un CRM. Vamos a profundizar un poco en ello para poder entender mejor esta tecnología.

Qué no es un Customer Data Platform

Qué no es CDP

Con la llegada de Internet, y el avance de la tecnología en general, el dato se ha convertido en un capital indispensable para cualquier empresa. Este hecho y esta necesidad de poder almacenar correctamente esos datos, y poder sacarlos provecho, ha originado la creación de diversas tecnologías orientadas a dicho objetivo.

A continuación, te voy a nombrar algunas de ellas, y por qué estas no son un CDP.

#1. No es un Customer Relationship Management (CRM). Un CDP no es un CRM, aunque se le parezca. El CRM se centra más en recoger datos de los clientes y crear perfiles, pero de cara a mantener una comunicación con ellos a lo largo del tiempo. Además, el CRM no tiene la capacidad de almacenamiento en cuanto a tamaño de datos y en cuanto a complejidad de los mismo. El CRM no recoge datos sobre comportamiento de usuarios anónimos, requiriendo formularios de contacto para identificar a dichos usuarios y ponerles nombre y apellidos.

#2. No es una integración personalizada. Muchas empresas a través de sus departamentos de IT intentan desarrollar herramientas similares desde cero. Sin embargo, las CDPs tienen una complejidad alta, pudiendo además de realizar acciones de marketing, obtener analíticas de business intelligence y funciones extra difíciles de abordar en cuanto a recursos de dinero y tiempo, por cualquier empresa. Es por eso, que las integraciones personalizadas no acaban llegando al potencial que ya dispone una Customer Data Platform.

#3. No es un Data Management Platform (DMP). Estas se utilizan sobre todo para el ámbito publicitario online, ya que carga datos sobre segmentos de usuarios anónimos que recogen a través, principalmente, de las cookies. Con esta información, se lanzan campañas, las cuales caducan a los 90 días, al igual que las cookies. Por tanto, estas plataformas se limitan al tiempo publicitario, no a la trayectoria del cliente. Un CDP sin embargo, recoge información que aglutina en perfiles de usuarios, centrándose en la trayectoria de cada uno de ellos. Además, los DMPs se basan en Third Party Data, con limitaciones para acceder a 1st Party Data, mientras que los CDPs se centran más en estos últimos (“Qué son los 1st Party Data”).

#4. No es un Data Warehouse. Los Data Warehouse suelen ser proyectos para toda la empresa, lo que significa que no se adaptan a las necesidades de marketing. En estos se recolectan datos, sin pararse a procesarlos de tal manera que sean utilizables desde marketing, sin cruzar canales y sin crear vistas únicas de clientes, siendo creados para respaldar análisis, no interacciones con clientes. Entre otras cosas, esto significa que, por lo general, se actualizan diariamente, semanalmente o con menos frecuencia, mientras que los CDP generalmente ingieren datos en tiempo real y los ponen a disposición de forma rápida, si no instantánea. Es cierto que la mayoría de los CDP utilizan las mismas tecnologías de almacenamiento de datos que los Data Warehouse. La diferencia es que el CDP realiza un procesamiento adicional para que los datos sean utilizables, mientras que un almacén de datos no lo hace.

 

Ahora que ya sabes qué es y qué no es un CDP, vamos a ver por qué estoy tan convencido, yo y muchos expertos más, en que es el sistema que se va a utilizar próximamente. Vamos a por sus 8 beneficios…!

8 beneficios de utilizar una Customer Data Platform

Un CDP puede aportar múltiples ventajas a tu organización, sobre todo si ha decidido centrarse en el conocimiento del cliente para realizar estrategias Customer Centric. Además de ayudar enormemente en ese sentido a cualquier empresa, también:

#1. Te ayuda a aportar una visión amplia, pero concreta por cliente. Es decir, gracias a la gran cantidad de información que recoge de diferentes fuentes, canales, y en diferentes formatos, puedes crearte un perfil de cada uno de los clientes mucho más amplio que a través de cualquier otra plataforma.

#2. Permite a las empresas ser más competitivas. Es por todos conocida la importancia que tiene y que tendrán los datos en los negocios que sepan utilizarlos. A través de una CDP, cualquier empresa puede gestionar esos datos de una manera óptima, teniendo a su disposición mejores fichas de cliente y por tanto, llevar a cabo mejores campañas de marketing y obtener reportes más exactos.

#3. Permite una mayor unificación de los datos. El tener todos los datos de los que dispone la empresa en un mismo lugar, hace más sencillo el poder analizarlos e interpretarlos, de tal manera que se puedan sacar conclusiones más exactas sobre cómo son los clientes, fundamentalmente. Así como disponer de una visión de 360º sobre su comportamiento, su entorno, y qué o cómo compra. Además, el CDP permite mantener una privacidad de los datos, asegurando que sólo las personas adecuadas vean aquella información que necesitan, ni una más.

#4. Enriquecimiento de la información. Las CDP permiten mejorar la recopilación de información a través de diversas fuentes de datos externas online. Estas pueden ser de cualquier tipo y fuente, así como estructuradas o no estructuradas, tanto internas como externas, así como datos por lotes o de transmisión.

#5. Permiten el intercambio de la información. La Customer Data Platform se integra con otros sistemas tecnológicos, proporcionando información actualizada a estos sistemas internos. Esto soluciona el gran problema de los silos de datos de los clientes, los cuales permanecían encerrados, fragmentados, incompletos o con una accesibilidad limitada sólo para determinados perfiles. En muchos casos, los datos del cliente eran exclusivos del departamento de marketing, o incluso compartidos con el de atención al cliente. Ahora, con el CDP se democratiza dicha información a toda la compañía.

#6. Aumenta la eficiencia operativa. La uniformidad en la unificación de datos es lo que diferencia a los CDP de sus predecesores, como las plataformas CRM y DMP, y puede dar lugar a enormes eficiencias operativas. La mayoría de las organizaciones dedican innumerables horas a rastrear y/o verificar los datos, simplemente porque están muy fragmentados. Una vez que estos datos se guardan de forma centralizada en un CDP, se puede acceder a ellos por parte de toda la organización, en función de las necesidades de cada departamento.

#7. Agilidad. Al ser una herramienta que se ha construido centrándose en la base de datos los CDP brindan a las empresas herramientas para recopilar datos de todas partes y utilizarlos en cualquier lugar para generar mejores experiencias de los clientes. Esta, además, proporciona una flexibilidad en cuanto a adaptación a los cambios tecnológicos, las variaciones en el comportamiento de los consumidores o la creación de nuevas fuentes de información, repercutiendo en agilidad para la empresa.

#8. Mejora la experiencia de cliente. Al disponer de más y mejor información en un mismo sitio y accesible a toda la organización, permite conocer cuál es la experiencia que tiene el cliente con el entorno, la marca y las acciones de marketing, de cara a poder elaborar estrategias y acciones que ayuden a mejorarla.

Cuáles son los datos más comunes que se pueden almacenar en una Customer Data Platform

Tipos de Customer Data para un CDP

Entre las fuentes de datos más comunes que se pueden llegar a almacenar y unificar en el CDP, están:

  • Behavioral Data. Esta información comprende fundamentalmente los datos de compras y pedidos y los datos de comportamiento online. La información correspondiente a ventas proviene del eCommerce, del departamento de administración y de ventas. Aquí los principales datos están relacionados con las fechas del pedido, de renovación, el valor del cliente, carritos abandonados, devoluciones, etc. En cuanto a los datos de comportamiento online, son los relacionados con la analítica web, como número de páginas visitadas, tiempo, clics, interacciones, likes en RRSS, etc. Esta información nos servirá para conocer cuál está siendo el comportamiento de los usuarios, y predecir cuál puede ser en el futuro.
  • Profile Data. Tales como datos de contacto procedentes de formularios, los cuales se pueden enriquecer de manera externa con datos psicográficos, como estilo de vida, contexto, preferencias, personalidad…
  • Multichannel Activity. Es información que nos muestra qué canales son los que suele utilizar, con qué frecuencia y preferencia, tales como móvil, desktop, email, físico, tienda…

Customer Data

En Artyco llevamos años trabajando con bases de datos relacionales, enriquecimiento de información y analítica avanzada de todos esos datos con el objetivo de convertirlos en conocimiento para nuestros clientes.

¿Quieres que te ayudemos a desarrollar tu estrategia basada en un CDP? Ponte en contacto con nosotros.

Emilio Fernández Lastra
Marketing Manager en Artyco Customer Database Marketing
"Después de la hipoteca, el inbound marketing es la mejor herramienta para asegurar una relación a largo plazo."

Qué es la analítica aumentada y por qué deberías comenzar a utilizarla

Qué es la analítica aumentada y por qué deberías comenzar a utilizarla

Qué es la analítica aumentada y por qué deberías comenzar a utilizarla

El término de analítica aumentada surgió a raíz del informe anual Hype Cycle de la empresa de estudios de mercado Gartner, en 2017. A partir de entonces, en el ámbito del Business Intelligence no se ha dejado de hablar sobre ello, sin embargo, no ha trascendido demasiado, ¿por qué? En este post quiero contarte qué es la analítica aumentada, por qué la llaman “el futuro del análisis de datos”, qué ventajas tiene, y por qué deberías de comenzar a utilizarla. ¿Te interesa? Vamos a ello.

La analítica aumentada o Augmented Analytics, lo define Gartner en su documento Magic Quadrant for Analytics and Business Intelligence Platforms como “un paradigma que incluye consultas de lenguaje natural y narrativo, preparación aumentada de datos, análisis avanzado automatizado y capacidades de descubrimiento de datos visuales”. En ese mismo documento, inciden en la importancia que tendrá la Analítica Aumentada en el 2020, actuando como impulsor del Business Intelligence, el Data Science y el Machine Learning.

 

Gráfico Hype Cycle 2017 de Gartner

Gartner Hype-Cycle for emerging technologies, 2017

 

Quizás, todo esto te pueda sonar a chino… o no. En ambos casos, sólo te puedo decir que la analítica aumentada no aporta ninguna novedad. Lo realmente innovador es la vuelta de tuerca que le da en cuanto a la extracción de conocimiento de las diferentes fuentes de datos que posee un negocio. Esta vuelta de tuerca se sustenta bajo estos 3 pilares:

  • La Inteligencia Artificial (IA). Te recomiendo que eches un vistazo el post que escribí sobre “Cómo hacer Customer Intelligence con Inteligencia Artificial” para que puedas tener una visión más amplia de su utilización a día de hoy en Business Intelligence.
  • El Machine Learning. Es decir, un método de análisis de datos que automatiza la construcción de modelos analíticos. Es una rama de la inteligencia artificial basada en la idea de que los sistemas pueden aprender de datos, identificar patrones y tomar decisiones con mínima intervención humana.
  • El Procesamiento de Lenguaje Natural (NLP). Es decir, un campo de conocimiento de la Inteligencia Artificial el cual se encarga de investigar la manera de comunicarse las máquinas con las personas a partir de lenguas naturales, como el español, el inglés o el francés.

La importancia real de este enfoque radica en que la combinación de estas 3 ramas de la analítica, posibilitan la extracción de información de forma automatizada. Pero lo mejor de todo, es que puede realizarse sin necesidad de disponer de unos grandes conocimientos técnicos. La introducción del NPL, hace que cualquier consulta sea tan sencilla como preguntar a Siri o Alexa qué tiempo va a hacer mañana.

Hasta ahora, existe una gran variedad de sistemas que permiten recoger datos, normalizarlos y analizarlos. La gran diferencia está en que hasta este momento, sólo las grandes empresas o aquellas especializadas en el dato, disponían del personal y las herramientas necesarias.

Este tipo de analítica va a suponer, por tanto, la introducción a la analítica avanzada para empresas que no pueden disponer hoy día de un equipo completo de científicos de datos, debido al alto coste y la dificultad de encontrar profesionales adecuados. Empresas de tamaño medio que no puedan permitirse soluciones y desarrollos a medida, así como grandes empresas con la necesidad de poner en valor sus datos en tiempo récord, van a obtener en la analítica aumentada un socio perfecto.

Con la Analítica Aumentada se lograría, por tanto, la democratización del dato, pero sobre todo, la democratización de la conversión de los conocimientos que ofrecen los datos, en insights, algo muy valorado por cualquier departamento de negocio y de marketing de cualquier empresa.

En estos momentos, la herramienta más conocida y la que más está trabajando en analítica aumentada, es IBM Watson Analytics, aunque ya hay otras trabajando en el mismo sentido. Tableau Insights y Qlik Sense son otras herramientas que están apostando por ello. No obstante, se tiene previsto que conforme avance la Inteligencia Artificial habrá más players en el mercado de plataformas.

 

Ventajas de la Analítica Aumentada

Ventajas de la analítica aumentada

Como podrás suponer, la Analítica Aumentada te ofrece unas ventajas muy directas relacionadas, sobre todo, con la accesibilidad del dato a todo tipo de empresas y tamaños. Las principales ventajas serían estas:

  1. Cualquier usuario de analítica aumentada, con un mínimo de conocimiento sobre cómo funciona y qué aporta, podrá obtener relaciones e insigths de valor, procedentes de los datos almacenados por la compañía. A diferencia de quienes no la utilicen, que tendrán que optar por acudir a profesionales especializados en ciencia de datos con perfiles muy técnicos.
  2. La Analítica aumentada permite disponer de cuadros de mando de manera automática y comprensible, así como de enfoques descriptivos y predictivos con la misma sencillez.
  3. Esta es especialmente potente en la elaboración de predicción de tasas de abandono de clientes, análisis de resultados empresariales, detección de anomalías en las cuentas de la empresa, identificación de fraudes, creación e identificación de patrones de consumo, y en definitiva, en la mejora en el conocimiento del cliente.
  4. A la hora de realizar consultas, ya no será necesario utilizar lenguaje SQL, tal y como se viene haciendo. Gracias al PLN (Procesamiento de lenguaje natural), sólo con decir “Muéstrame la variación de gastos por línea de negocio en el último año” será suficiente para obtener el resultado de la consulta. Facilitando tremendamente el trabajo para “No Data Scientists”.

Después de ver las principales ventajas que supone la analítica aumentada, quiero convencerte aún más con las principales razones por las que tu empresa debería comenzar a utilizarla.

 

Razones para comenzar a utilizar ya la Analítica Aumentada

Puesta en Marcha de la Analítica Aumentada

Si has intentado abordar un proyecto de Business Intelligence en tu negocio, te habrás dado cuenta que el mayor problema es lo costoso que es ponerlo en marcha, si no hablamos de la dificultad de encontrar perfiles adecuados a ese trabajo.

El tiempo de implantación también es una barrera importante. Y una vez implantado, mucho trabajo es manual, entrando en juego la posibilidad del error humano. Además, al ser realizado por personas, puedes cometer el riesgo de que el resultado final esté sesgado.

Con la analítica aumentada, en cambio:

  • Los análisis y las predicciones que se realicen serán totalmente imparciales, obteniendo, además, un resultado preciso.
  • Este tipo de analítica ofrece una gran variedad de automatizaciones, agilizando por tanto cualquier proceso de recogida, extracción y análisis de datos.
  • Una compañía con un equipo de Business Intelligence, está continuamente analizando los datos que genera la compañía. Sin embargo, mucha de esta data no proporciona información de valor que pueda contribuir a los ingresos o a un retorno de inversión de la compañía. Además, el porcentaje de datos que es analizado, es una mínima cantidad de datos de todo lo que generan diariamente las compañías. Con la analítica aumentada los especialistas pueden abarcar mucho más, ofreciendo más y mejores insights.
  • En definitiva, todas estas ventajas para tu empresa se traducen en que la toma de decisiones tiene un coste menor.

 

Con esta técnica, las empresas podrán disponer de información más confiable, más variada, más puntual y más útil para sus estrategias de negocio.

En Artyco llevamos años ayudando a nuestros clientes en el campo del Business Intelligence, a través de nuestro equipo de Data Scientists, Marketing Intelligence y Data Analists, pero también a través de soluciones tecnológicas que propicien la generación de insigthts verdaderamente útiles para los negocios de nuestros clientes. ¿Hablamos?

Emilio Fernández Lastra
Marketing Manager en Artyco Customer Database Marketing
"Después de la hipoteca, el inbound marketing es la mejor herramienta para asegurar una relación a largo plazo."

¿Buscas aumentar el conocimiento sobre tus clientes y crear modelos predictivos?

¿Esta información
se te ha quedado
corta?

Accede sin registros y de manera inmediata a nuestro
PDF de presentación del servicio de Business Intelligence

SOBRE NOSOTROS

Somos un equipo de profesionales compuesto por 100 personas, preocupados por los datos, nuestros clientes y cómo hacer que estos lancen campañas más eficaces centradas en el usuario. Somos intelligence customer centric, innovación y tecnología. #SomosArtyco

MADRID

C/ Playa de Liencres 2. Edif. Londres Oficina 3 – 1º piso, Parque Europa Empresarial, 28230 Las Rozas (Madrid)

SALAMANCA

Parque científico universidad de Salamanca. Edificio M3 – Oficina P107 37185 Villamayor (Salamanca)

Share This