91 640 41 50 hola@artyco.com
¿Big Data sin ser Data Driven? Para qué…

¿Big Data sin ser Data Driven? Para qué…

¿Big Data sin ser Data Driven? Para qué…

Creo que este titular te lo dice todo. ¿Para qué recoger y almacenar terabytes al día de datos, si luego tu negocio no es Data Driven? Los datos tienen sentido, si luego tu estructura y tu cultura va a funcionar dirigida por lo que esos datos le digan. En este post, te voy a contar qué está pasando actualmente con la recogida masiva de datos, y lo más importante, cómo basar tus procesos y tus productos en datos, así como de qué manera comenzar a trabajar con ellos. Parece interesante, ¿verdad? Pues vamos a ello.

Hoy día, no tienes que buscar mucho para encontrar Big Data. Si una StartUp puede producir gigabytes al día, imagina una empresa del tamaño de Instagram, que genera fácilmente en torno a 500 terabytes al día.

Si estás leyendo este post, es posible que seas como muchas de las empresas que están sentadas en lo alto de una montaña de datos en constante crecimiento, rascándose la cabeza y preguntándose: “Está bien, tengo big data. ¿Ahora qué hago?».

No obtienes premios, ni mucho menos clientes nuevos solo por tener datos. Los verdaderos ganadores son aquellos como Amazon y Netflix que encuentran formas de aprovechar sus datos mejor que la competencia. Y la verdad es que si no tienes un plan inteligentemente elaborado para convertir esos datos en ingresos, la realidad es que puedes empezar a tirar a la basura tu grupo de Hadoop, así como los petabytes de datos que contiene.

En cambio, si encuentras formas de usar esos datos mejor que tu competencia, quizás podrías unirte a la lista de los grandes, como Amazon y Netflix.

Si eso es lo que deseas, ¿cómo podrías comenzar a convertir tus datos en ingresos? Para la mayoría de las empresas, hay dos formas posibles de utilizar sus activos de datos con el fin de crear ventajas competitivas:

  • A través de procesos data driven.
  • O/y a través de productos data driven.

Vamos a ver cada uno de ellos.

Procesos basados en datos o data driven.

En la Era del Big Data, los analistas de negocios que están todo el día metiendo ecuaciones en Excel y ejecutando consultas ad hoc en una base de datos SQL no son suficientes. Esta nueva Era, exige una nueva generación de exploradores de datos intrépidos, competentes en el uso de herramientas en el mundo del Big Data, pero también del Small Data.

Estos profesionales son los Data Scientists o científicos de datos. Estos expertos en datos, tienen además, el conocimiento suficiente sobre herramientas de BI tradicionales, lenguajes de consulta, estadísticas y aprendizaje automático.

Un buen científico de datos puede ayudarte a hacer todo, desde averiguar qué funciona y qué no funciona en tus productos, hasta crear modelos predictivos que te permitan mirar hacia el futuro, para que puedas tomar mejores decisiones hoy.

Vamos a ver algunos ejemplos en los que un Data Scientist puede ayudarte:

  • Venta de una aplicación SaaS. En este tipo de productos con una mecánica de mercado tan diferente, un científico de datos puede ayudar a identificar las características comunes de los usuarios con altos ingresos. Por ejemplo, este tipo de segmento comparte ciertos atributos demográficos particulares, como el género, los ingresos, la ubicación, el rango de edad, etc. Así como una forma diferente de uso del producto. A través de ellos, se les podría dirigir hacia una ruta de conversión diferente que lleve a una cuenta de pago. Todos estos conocimientos pueden ayudar también a refinar la publicidad, el marketing y el producto con el fin de aumentar los ingresos.
  • Optimización de precios y líneas de producto. Un científico de datos puede identificar hasta qué punto un nivel de precios o productos está canibalizando las ventas de otros niveles de precios o productos. Este puede optimizar su estrategia respecto a estos dos factores tan decisivos en la empresa.
  • Creación de modelos predictivos. Un Data Scientist puede construir un modelo predictivo basado en datos históricos que permite conocer el futuro de manera bastante precisa. Pero no pienses que es un adivino. Para que veas un ejemplo, este, podría identificar qué clientes probablemente son mujeres y están embarazadas (algo que ya habías definido en tu estrategia que es fundamental en tu target), o identificar qué clientes potenciales en una canalización de ventas, tienen más probabilidades de generar conversiones y en qué niveles. Interesante, ¿verdad?
  • Correlación de datos. Un científico de datos puede ayudarte también, a descubrir las preguntas correctas que debes hacerte sobre tus datos. Por ejemplo, podría sugerir que se correlacionen los datos de marketing con los datos de registro web y los datos transaccionales, para identificar el ROI detrás de las campañas de marketing.

Productos basados en datos o data driven.

La otra cara del uso de los datos para impulsar los procesos comerciales, es usar datos para mejorar la funcionalidad de los productos que fabricas (me refiero sobre todo a productos digitales, no cepillos de dientes). Hay empresas que lo que hacen es recoger una excelente cantidad de datos que les sirve para crear un producto útil y revelador, el cual acaban vendiendo a otras empresas.

Twitter, aunque no es un producto de datos en sí mismo, otorga licencias de sus datos a proveedores, quienes luego crean un producto de datos que las empresas devoran por la información que les brinda. Algunas empresas de medios, empaquetan los datos de audiencia de sus usuarios, en productos que comercializan y venden a planificadores de medios y creadores de contenido.

Sin embargo, la mayoría de las empresas que crean productos basados ​​en datos no crean ni venden productos de datos puros. Más bien, utilizan datos para hacer que sus productos existentes sean más eficientes, más inteligentes o más reveladores, y así que puedan generar ingresos adicionales, directa o indirectamente.

A continuación, te muestro algunos ejemplos sobre cómo se utilizan los datos para impulsar funciones inteligentes y reveladoras dentro de los productos existentes:

  • Una plataforma publicitaria que elige qué anuncio mostrar a qué individuo. Este es un tipo de publicidad que busca la optimización de la respuesta del receptor, basándose en lo que se sabe sobre la ubicación del anuncio, el anuncio en sí y el usuario al que se le muestra el anuncio. Esto determinará de manera automatizada el anuncio a mostrar a cada usuario, para maximizar la probabilidad de un clic u otra acción de este que genere ingresos.
  • Un recomendador. Por ejemplo, una aplicación de comercio electrónico que recomienda productos de manera inteligente para maximizar la probabilidad de que los consumidores compren, tanto lo que vinieron a comprar, como muchas cosas que no vinieron a comprar.
  • Personalización web. Un editor que personaliza inteligentemente cada página para cada usuario, basándose en lo que se sabe sobre el usuario (historial de navegación y datos del CRM), para maximizar las posibilidades de que los usuarios permanezcan en el sitio del editor, en el caso de ser un medio online, y por lo tanto, genere más ingresos publicitarios; o en el caso de ser una empresa, para que tenga una navegación más personalizada y por tanto convierta con mayor facilidad.
  • Una plataforma de video que captura todas las interacciones del usuario y proporciona a los creadores de contenido análisis detallados que los ayudan a optimizar métricas importantes (participación, reproducciones, conversiones). Este es un ejemplo de monetización indirecta. Agregar una función impulsada por datos (análisis) ayuda a que la plataforma sea más atractiva para los usuarios.

Cómo empezar a trabajar basándose en los datos.

Si las descripciones de procesos basados ​​en datos y productos basados ​​en datos que te acabo de contar te han dejado con ganas de más y te preguntas cómo puedes pasar de montañas de datos sin sentido a montones de clientes que te generen importantes ingresos, estas recomendaciones van a ayudarte.


#1. Captura todos los datos de forma centralizada.

Hoy día, el coste de almacenamiento de datos, está en su mínimo histórico. Si en tu empresa no recoges y guardas cada dato que llega a tu poder, es que estás haciendo algo mal. Porque una cosa es que obvies los datos de los que dispones, y otra es que no tengas datos que analizar.

No hay excusa para no almacenar transacciones, interacciones, datos de comportamiento, datos de sensores, contenido generado por el usuario, archivos de registro y cualquier otra cosa que puedas tener en tus manos.


#2. Consigue un científico de datos.

Si eres una startup, necesitas al menos un Data Scientist en tu equipo, o alguien que pueda funcionar como científico de datos. Si eres una empresa más grande, necesitas un equipo completo que a su vez vaya formando poco a poco desde dentro, para no tener la necesidad de seguir contratando afuera. A veces, los científicos de datos pueden salir de perfiles de analistas comerciales o de personas con una excelente experiencia en BI y SQL.

Los Data Scientists deben de disponer de las herramientas adecuadas y el acceso a los datos de toda la empresa para que puedan responder preguntas ad hoc, realizar minería de datos exploratoria, respaldar a los equipos de BI y ayudar con la producción de datos.

Este perfil, te ayudará a resolver las preguntas que debes hacerte en tu negocio para avanzar. Esta persona, también buscará nuevas formas de aprovechar todos los datos a los que tiene acceso tu empresa.

Otra opción, más sencilla, es externalizar estos servicios en una empresa especializada en datos, que cuenta ya con perfiles de científicos de datos con amplia experiencia, y que han vivido tu misma problemática más de una vez. En ese caso, una empresa como artyco, puede ayudarte.


#3. Pon a trabajar tus datos al servicio de tu empresa.

Cualquier empresa con datos, debería considerar seriamente la posibilidad de utilizar esos datos para crear nuevos productos, o impulsar funciones basadas en datos dentro de los productos existentes.

Cualquier empresa que tenga una aplicación de escritorio, móvil, web, servidor o basada en medios, tiene datos de propiedad o 1st party data.

Si eres un proveedor de SaaS B2B, proporcionar a tus clientes informes de autoservicio es una forma sencilla de convertir los datos en una función de producto que genera ingresos adicionales indirectamente.

Si tienes un eCommerce, usar todos los datos que tienes a tu disposición para recomendaciones y personalizaciones, puede generar ingresos incrementales sustanciales.

Si eres una aplicación B2C, el uso de datos para hacer que tu aplicación sea más inteligente puede generar una mayor usabilidad y una mayor fidelización.

Tener a alguien en la empresa que piense en los tipos de características y productos que puede crear a partir de sus activos de datos, es el primer paso hacia la producción de datos, pero en última instancia, necesitarás recursos de ingeniería que puedan convertir esos datos en características y productos.


#4. Impulsa al usuario a través de los datos.

Ahora ya sólo te queda utilizar esos datos para movilizar al usuario o a tu cliente para que convierta e invierta tiempo o dinero en tu negocio.

Piensa que el Big data no trata únicamente de datos, trata de encontrar formas de usar esos datos para impulsar los procesos comerciales y la funcionalidad del producto dentro de la empresa. El gran ascenso del Data Science o ciencia de datos en los últimos años, es un testimonio del hecho de que los datos son la moneda del siglo XXI. Si no haces nada con tus datos, te encontrarás ante una grave desventaja competitiva.

Pero si sigues estos sencillos pasos, como capturar todos los datos que puedas tener a tu alcance, asegurarte de tener al menos un científico de datos y trabajar hacia que tus datos produzcan, puedo asegurarte de que estarás funcionando como una empresa del futuro: una empresa Data Driven.

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Los 4 mayores desafíos de la analítica de marketing

Los 4 mayores desafíos de la analítica de marketing

Los 4 mayores desafíos de la analítica de marketing

Aumentan los datos, las herramientas que los recogen, gestionan, analizan y se sirven de esos datos. Aumentan los canales de comunicación, de venta, de acción… Uno de los mayores desafíos al que nos enfrentamos desde el marketing, es lograr unificar todo esto y facilitar su análisis para seguir tomando decisiones cada vez más optimizadas. En este post, te cuento cuáles son esos 4 desafíos más importantes en cuanto a la analítica de marketing, teniendo en cuenta todo lo anterior que te acabo de adelantar. ¿Continuas conmigo?

Como todos sabemos, lo digital se ha convertido en el corazón del marketing moderno, y la cantidad de datos y plataformas que utilizamos dentro del marketing está creciendo a un ritmo considerable. Uno de los mayores desafíos es que los datos que utilizamos para medir y mejorar nuestro desempeño de marketing se almacenan en varios canales y herramientas.

Para tomar las decisiones correctas y asegurarnos que no excedemos nuestros presupuestos, debemos centralizar y limpiar estos datos.

Este proceso suele ser manual, lento y propenso a errores humanos, pero ahora existen soluciones en el mercado que tienen como objetivo resolver ciertas partes de este problema.

Hemos pasado de almacenes de datos físicos a otros basados en la nube, los cuales pueden integrarse con casi cualquier herramienta de visualización que se te ocurra. Nunca ha sido más fácil realizar Business Intelligence.

Sin embargo, todavía tenemos algunos de los mismos desafíos a los que nos enfrentábamos en el pasado.

Y estos tienen que ver con la analítica de marketing. Vamos a verlos.

Principales desafíos a los que nos enfrentamos en la analítica de marketing.

analítica de marketing

Como sabes, gracias a la analítica de marketing, logramos evaluar el éxito de las iniciativas que se hagan desde ese área, a través de procesos y tecnologías. Los principales retos a los que se tiene que enfrentar son estos:

DESAFÍO #1. Los datos todavía permanecen aislados.

Para solucionarlo, se crearon enormes y robustos almacenes de datos, así como potentes herramientas de visualización, las cuales no llegaron a resolver el problema. Hoy día, aún se necesita encontrar una forma de recopilar datos de todas las diferentes plataformas y consolidarlas en un solo lugar.

La realidad es que cada vez es mayor el número de datos y la complejidad de estos, haciendo mucho más difícil esta labor.

nuevas herramientas ETL basadas en la nube

En un intento por resolver este problema, han aparecido nuevas herramientas ETL basadas en la nube. Estas, se utilizan para mover datos sin procesar del punto A al punto B con programación automatizada, manejando límites de API y, a veces, realizando limpieza básica de datos.

Si lograses reunir todos tus datos en un solo lugar utilizando estas herramientas, todavía estarías atascado con el tremendo trabajo de intentar preparar estos datos para el análisis. Es decir, preparar los datos para el negocio, y que se pueda comenzar a extraer valor de ellos.

DESAFÍO #2. Preparación de datos para el análisis.

Hacer que los datos estén listos para el negocio requiere recursos técnicos y una comprensión profunda de cada plataforma.

Prácticamente se necesita un equipo dedicado, equipado con SQL para limpiar, normalizar, combinar y agregar todos estos datos en un modelo que admita todas sus fuentes y su lógica comercial única.

Incluso los datos dentro de la misma categoría, requieren mucho trabajo para que estén listos para el análisis.

Tomemos un ejemplo simple de la categoría de marketing digital. Si deseamos comparar cuánto se está invirtiendo en los canales de marketing, deberemos normalizarlo en una única métrica de costo. Esto no es tan sencillo como se podría pensar, ya que en Facebook esa métrica se llama «Cantidad gastada», en Google Ads se llama «Costo», en Twitter, «Gasto», etc.

En el momento en el que consigamos crear una nomenclatura coherente para las campañas publicitarias, es posible que deseemos crear nuevas dimensiones que nos permitan profundizar en otras métricas. Por ejemplo, si incluimos el mercado objetivo en los nombres de las campañas, podemos extraerlo y mapearlo con los datos de seguimiento para crear esa segmentación.

Si logramos hacer esto, mantener este modelo de datos puede ser un desafío aún mayor.

DESAFÍO #3. Mantenerse al día con los cambios.

Echemos un vistazo a una situación común en la que terminan muchos equipos de datos.

Cambios analítica de datos

A la izquierda tienes los equipos de origen. Aquí es donde se generan los datos. Por ejemplo, cuando el equipo de marketing configura nuevas campañas en una plataforma publicitaria, el equipo de Customer Sucess envía los datos generados al CRM, o el equipo de ventas trabaja en ponerse en contacto con ese posible cliente o en llegar a acuerdos. Los formatos de datos se cambian continuamente y se agregan nuevas fuentes para resolver nuevos casos de uso.

Los equipos están bastante contentos con el uso de estos sistemas siempre que se haga el trabajo. Sin embargo, tienen pocos incentivos para asegurarse de que los cambios se reflejen bien en la plataforma de datos.

Mientras, los consumidores de datos están atascados esperando. Estos quieren usar datos para sacar insigths de valor que permitan tener una mejor información del consumidor y del mercado, para mejorar la estrategia y la toma de decisiones.

Siempre tendrán nuevos requisitos, nuevas preguntas y la necesidad de retroalimentación rápida, pero se sentirán frustrados por tener que depender de un equipo de ingeniería de datos ocupado.

Las personas responsables de los datos están en el medio, dedicando la mayor parte de su tiempo a limpiar y preparar los datos. Gestionando cambios y nuevas necesidades de ambos lados.

De este modo, les queda muy poco tiempo para hacer una labor más valiosa, como trabajar en estrecha colaboración con la empresa o realizar análisis en profundidad.

DESAFÍO #4. Las diferentes necesidades de los consumidores de datos.

Un especialista en marketing puede querer analizar datos agregados en una hoja de cálculo de Excel o una herramienta de visualización. Un analista de datos puede querer tener una interfaz SQL. Y un Data Scientist puede querer que los datos granulares completos estén disponibles en un archivo de parquet (Open-source utilizado para la serialización de datos).

Exponer los datos a los consumidores en sus formatos y herramientas preferidos puede terminar siendo una tarea enorme. Algunas de las herramientas del mercado actual solo admiten un caso de uso / destino, lo que hace que toda la solución sea rígida y difícil de cambiar. Esto se agrava si la empresa decide utilizar otra solución de almacenamiento de datos en conjunto.

En este caso, terminaría construyendo un nuevo conjunto de lógica y teniendo que repetir el proceso una y otra vez para admitir nuevos destinos, además de los 3 desafíos anteriores que te he descrito anteriormente.

Ahora que ya conoces los principales desafíos en cuanto a analítica de datos en marketing, te preguntarás, y ¿cómo los resuelvo?

Lo que debes hacer es invertir en una solución que tome datos en silos de todas tus plataformas de marketing, publicidad y ventas, y los envíe automáticamente a las ubicaciones que elijas.

La solución debe poder mapear y armonizar datos en tiempo real, al tiempo que conserva la granularidad completa y los datos sin procesar. Las canalizaciones de datos tienen dificultades en esta área, ya que aún necesitas hacer una gran cantidad de tareas de limpieza y mapeo engorrosas usando SQL, manualmente en hojas de cálculo o confiando en plantillas simples prediseñadas.

Esto liberaría tus recursos técnicos de las tediosas tareas de recopilación y manipulación de datos para centrarte en actividades de mayor valor y, al mismo tiempo, reduciría el mantenimiento de la plataforma y la cantidad de tickets de soporte.

En artyco te ayudamos a seleccionar la solución y plataforma más adecuadas, así como a implantarla y gestionarla, si así lo requieres. ¿Hablamos?

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Por qué debes comenzar a pensar en una estrategia de 1st Party Data

Por qué debes comenzar a pensar en una estrategia de 1st Party Data

Por qué debes comenzar a pensar en una estrategia de 1st Party Data


Google anunció que Chrome no admitirá cookies de terceros en dos años. Este hecho hace que, desde ya, sería recomendable empezar a pensar en una estrategia relacionada con los datos propios, que te permita seguir adquiriendo clientes nuevos, aumentar tu reconocimiento de marca y todo de acuerdo con la normativa legal vigente. En este post te voy a hablar de qué es el 1st Party Data, por qué debes empezar a prestar más atención a este, sus ventajas, así como de qué manera recopilarlos, qué datos recopilar y cómo ponerlos en uso. ¿Seguimos? Vamos allá.

Todos sabemos que las cookies de terceros se enfrentan a amenazas existenciales de los navegadores y reguladores de datos. Sin embargo, es probable que en un corto periodo de tiempo, la industria presente una alternativa a las cookies. Además, las asociaciones han comenzado a explorar diferentes métodos, así como el Iab y Google, quienes propusieron nuevos estándares publicitarios desde sus puntos de vista extremos.

No hay duda, que el año 2020 está siendo un año clave para el aumento de la relevancia de los datos propios. Pero ¿qué son exactamente?

Los 1st Party Data o datos de origen, se refieren a cualquier dato que recopile la empresa de sus fuentes propias de datos, como su página web, sus redes sociales, el CRM, su servicio de atención al cliente… Como editor o empresa, recibirás millones o cientos de visitantes a tu site, tendrás miles o decenas de suscriptores a tu boletín de correo electrónico y cientos de comentarios / encuestas. Además, cada evento y vista de página genera varios puntos de datos que puedes utilizar para orientar campañas publicitarias, comprender a tus usuarios, optimizar la experiencia del sitio y mucho más.

Por ejemplo, una vista de una sola página genera 40 puntos de datos. Ahora, imagina cuántos puntos de datos se generarían en un día o en un mes. Muchísimos, ¿verdad?

Los datos son exactamente lo que buscan tanto los anunciantes como las marcas mientras ejecutan sus campañas. Por lo tanto, es importante tener una estrategia eficiente para recopilar, almacenar y utilizar los datos, bien seas un medio online o un eCommerce que busca mejorar la experiencia de usuario, con el fin de convertir a esos potenciales clientes.

Si quieres profundizar en qué son los datos propios, te recomiendo que eches un vistazo a este post sobre “Qué es el 1st Party Data y qué ventajas aporta a tu estrategia de marketing”.

Si prefieres ir al grano, vamos con los motivos de por qué debes empezar a prestar más atención a este tipo de datos.

Por qué debo priorizar los 1st Party Data

Como te he comentado, este año 2020 es un año clave en cuanto a la importancia de este tipo de datos en la transformación digital de las empresas. Y es que tu empresa, si quiere seguir creciendo o comenzar a crecer como te gustaría, debe de alejarse lo máximo posible de los datos de terceros, o al menos no centrarse en ellos.

Los principales motivos de este argumento son estos:

  • Se van a producir cambios en los navegadores web, no sólo por parte de Chrome, sino de todos los demás.
  • Las Leyes de privacidad de datos ya golpearon fuerte sobre los 3rd Party Data, pero sólo acaba de comenzar. Se estima que cada vez serán más restrictivas.
  • La posibilidad de personalizar sin datos de terceros.

Y es que no sólo los motivos son decisivos, sino que, además, el centrar tu estrategia en la recopilación de datos propios, te puede aportar una serie de ventajas. Te las puedo resumir en estas tres:

  1. Te permite generar ingresos, gracias a la adquisición escalable de clientes.
  2. Reducción del tiempo en la obtención de conocimiento, a través de los datos.
  3. Tener un control de los datos, de acuerdo con el consentimiento del cliente.

Pero ojo, que se diga que se debe de priorizar el uso de datos propios, no quiere decir que se sustituyan unos por otros. De lo que se trata, es de poder complementarlos, disponiendo así de datos más ricos y estratégicamente alineados que encajen con los objetivos del negocio.

Disponer de una estrategia de 1st party data, requiere de una estrategia de recopilación y uso de esos datos, que además de ser sólida, sea adaptable.

Recopilación de datos de origen

recopilación de datos de origen

Esta es la primera fase, y por tanto, es crítica. Si esto lo definimos mal, el resto del proceso será inexacto.

Podemos categorizar este proceso en dos partes:

1 Datos a recopilar.

Antes de comenzar en este aspecto, se debe de tener muy claro el propósito que existe detrás de la recopilación de datos, es decir, por qué recopilamos datos, para así poder concentrarnos en qué datos recopilar.

De todo lo que se puede hacer, quizás un ejemplo muy sencillo es el relacionado con la publicidad. De este modo, nos centraremos en dos temas generales. Así, por ejemplo, el primer propósito podría ser el conocimiento de la audiencia y el segundo la publicidad.

Una vez tenemos claro el propósito, lo siguiente que deberíamos hacer es determinar cuáles serán los puntos de datos. Para los dos propósitos que he mencionado anteriormente, los puntos de datos podrían ser estos:

  • Clics en toda la página.
  • Cualquier descarga o suscripción al boletín dentro de la web.
  • Medios en la página.
  • Consultas de búsqueda.
  • Comentarios, temas y publicaciones en foros de la empresa.
  • Metadatos de la página.
  • URL.

Además, puedes acceder a otros puntos de datos como:

  • Años.
  • Género.
  • Ubicación.
  • Ingresos del hogar.
  • Estado civil y tamaño de la familia.
  • Intereses.
  • Preferencias.
  • Historial de navegación.
  • Historial de compras.
  • Uso de las RRSS…

Si además, haces encuestas, puedes añadir toda esa información a tu CRM y tener así un perfil bastante completo de cliente.

2 Cómo recopilar.

Quizás la mayor duda que se te plantee está en cómo recopilar esos puntos de datos. Hay múltiples herramientas que pueden ayudarte a hacer muy bien este trabajo, pero quizás es mejor comenzar por las más simples y accesibles a cualquier empresa, como son:

#1. Google Analytics.

La herramienta de Google te permite monitorizar tu tráfico web para comprenderlo y sacar muchos de los puntos de datos que necesitas. Además, puedes conectarlo con Google Ads, sacándole mucha más información y conocimiento.

#2. Hotjar / Smartlook.

Ambas son herramientas de mapas de calor para la web, que pueden ayudarte a reconocer cómo los usuarios interactúan con el contenido de tu site. Puedes rastrear dónde hacen clic, los movimientos del cursor, la profundidad de desplazamiento y muchas cosas más.

#3. Los pixeles de seguimiento.

No es necesario que te cuente mucho sobre ellos, ya que seguro que los utilizas a menudo. Es probable que todas las tecnologías de marketing y plataformas publicitarias que utilizas usen píxeles en sus páginas para colocar cookies, de modo que los datos anónimos del usuario se puedan recopilar para los fines previstos.

Un ejemplo simple pueden ser los píxeles de Facebook. Cuando ejecutas anuncios de Facebook, la plataforma social te pedirá que coloques sus píxeles de seguimiento y conversión para rastrear el tráfico y las conversiones. Del mismo modo, podrás recopilar datos de usuario si utilizas píxeles en las páginas.

#4. DMP.

Por último, pero no menos importante, las plataformas de gestión de datos (DMP). Los DMP están diseñados específicamente para recopilar datos de origen y ponerlos en uso. El objetivo de estos, es generar segmentos para identificar audiencias objetivo más adecuadas a las que dirigirse en cada acción publicitaria, es decir, apuntar mejor en cada campaña al público que realmente te interesa. Surgieron a raíz de la compra programática, ya que ayuda mucho a las agencias, anunciantes y trading desk que la utilizan. Quizás sea la opción más fácil disponible para cualquiera. Si puedes pagar un DMP, te recomiendo que lo pruebes.

#5. CDP.

Quizás menos conocido, pero con un potencial muy alto de aprovechamiento del 1st party data. CDP no es otra cosa que una plataforma de gestión de datos de clientes. En estas plataformas, puedes crear fichas únicas de clientes con todos los datos propios que dispongas. Del mismo modo, puedes enriquecerlos con conexiones seguras a fuentes externas, y automatizar acciones en las plataformas de marketing con las que trabajes, en función de diferentes triggers. Si quieres saber más sobre esta tecnología, te invito a echar un vistazo este post sobre «Qué es un CDP y qué ventajas tiene«.

Pues bien, ya los tenemos recopilados, ahora toca ponerlos en uso.

Puesta en uso de los datos.

puesta en uso de datos

Esta es la parte más importante, en la que nos debemos de preguntar ¿cómo podemos aplicar los datos que hemos recopilado para mejorar la experiencia de usuario y los ingresos?

Los 1st party data, son los que definen la experiencia de tus clientes con tu marca, siendo uno de los activos más valiosos de tu empresa. Gracias a ellos, podrás tener una visión real de lo que sienten tus usuarios, pudiendo tomar decisiones al respecto, y crear estrategias que deriven en acciones para la mejora.

Pero existe un problema y es, que a medida que el volumen, la variedad y la velocidad de los datos que la empresa es capaz de recoger, aumenta, muchos equipos de trabajo se ven superados por ellos, colapsándose ante tanta información, no llegando a ponerla en uso. Si a esto le unimos que las empresas afrontan el desafío de recopilar, transformar y poner en uso los datos de clientes cumpliendo al mismo tiempo la normativa nueva y cambiante, nos damos cuenta de que no es tarea fácil.

Por ello, para poder hacer un uso adecuado de esos datos, es necesario disponer de una tecnología que te ayude y una empresa experta con know-how que sepa sacar partido a esos datos.

Por ejemplo, en el caso de buscar una adecuada experiencia de usuario, Google Analytics se suele utilizar para conocer el comportamiento del usuario y a su vez, Google Ad Manager para anuncios. Cuando los vinculas, puedes generar informes que te ayuden a evaluar cómo los anuncios afectan la experiencia del usuario y viceversa.

Ese hecho puede ser mucho más relevante disponiendo del equipo apropiado especializado en dicha analítica, el cual a su vez, sea capaz de sacar más y mejores conclusiones de negocio.

En artyco llevamos muchos años trabajando con los datos propios o 1st party data de empresas líderes como Mercedes-Benz o LG, poniendo a su disposición tanto nuestro talento como la tecnología más adecuada a sus necesidades. ¿Hablamos?

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Por qué la orquestación de datos es la clave para la personalización de marketing

Por qué la orquestación de datos es la clave para la personalización de marketing

Por qué la orquestación de datos es la clave para la personalización de marketing

En el pasado, la mayoría de los responsables de marketing recogían datos en la parte baja del funnel para identificar a los clientes y sus atributos después de la compra. Este método de recopilación de información introdujo un sesgo de confirmación bastante grande y redujo el potencial de mercado total de una marca o empresa. En otras palabras, la recopilación de información fue buena, pero la calidad de la información no lo fue. En este post voy a contarte la importancia que tiene la orquestación de los datos de cara a la personalización, así como qué estrategias llevar a cabo al respecto, tanto en B2B como en B2C, ¿te interesa? Vamos a ello.

La introducción de las cookies cambió por completo la forma en que recopilamos y accedemos a los datos, mejorando la precisión de estos respecto a la parte superior del embudo y, por extensión, la determinación del potencial de negocio de la marca.

Las cookies de terceros nos dieron un nuevo camino para observar y comprender mejor los journeys de los compradores de manera individual, los patrones de compra y otras características y atributos que antes desconocíamos. De este modo, la orquestación de datos aumentaba en complejidad, ya que estos eran cada vez mayores.

Hoy día, debido a la gran variedad y cantidad de datos que recogen las empresas, podemos decir que la orquestación de datos en la personalización de marketing es la combinación de datos, identidad e inteligencia artificial

A su vez, los proveedores de tecnología han estado ajustando los algoritmos de machine learning que mejoran los volúmenes y tipos de datos que las plataformas pueden ingerir, modelar y usar para tomar decisiones programáticas altamente específicas y personalizadas dentro de las campañas de marketing de pago.

 

El futuro de la personalización de marketing a través de la orquestación de datos

Orquestación de datos para la personalización

Gracias a los avances tecnológicos en el campo del marketing, la eficacia de los datos ha mejorado sustancialmente, tanto a la hora de desarrollar campañas, como en el conocimiento de los consumidores y clientes. Ya que antes era mucho más complejo manejar toda esa cantidad de datos.

La tendencia en el futuro está alineada precisamente con esos avances tecnológicos, los cuales, mediante integraciones y actualizaciones, logren sacar más y más partido a los datos.

Lo cierto es que los responsables de marketing siempre han tenido (y seguirán teniendo) una gran cantidad de información disponible para ayudarles en su trabajo, y como no, para crear campañas altamente personalizadas. Sin embargo, no serán como se podrán obtener en el futuro, gracias a esa tecnología.

Debido a todo esto, en la búsqueda de la personalización, la orquestación de datos juega un papel cada día más importante, ya que sin esta, todos esos datos circularían sin orden y concierto, siendo mucho menos aprovechados.

A través de la orquestación de datos se logra recopilar y modelar datos de múltiples canales, tanto online como offline, teniendo en cuenta aspectos como el aumento de ventas, el tráfico, las conversiones online o el nivel de reconocimiento de marca. Y clasifica y segmenta los datos a través de identificadores online, personales y de journeys de compra. El resultado es un enfoque de marketing basado en las personas que ayuda a los responsables de marketing a llegar al consumidor adecuado en el momento adecuado y en el contexto adecuado. 

Pero ¿cómo la orquestación de datos ayuda a generar más ingresos? Una de las principales batallas que se libran en los grandes departamentos de marketing, está relacionada con la creación de modelos de atribución de ingresos, es decir, determinar qué inversiones nos están aportando los ingresos. Y aunque no lo creas, en este aspecto la orquestación de datos tendrá mucho que decir.

Personalizar de una manera efectiva cada campaña de marketing que realizamos, exige tener una orquestación de datos efectiva que soporte ese nivel de personalización. Gracias a tener esa orquestación adecuada de datos, podremos crear modelos de atribución más eficaces, impulsando estos para conocer a la perfección cuánto me genera cada uno de los euros que invierto. Si conozco a la perfección qué inversión me genera más ingresos, podré escalar el modelo, aumentando ingresos.

En el B2B hay alguna diferencia. Los ciclos de ventas B2B suelen ser más largos y los especialistas en marketing B2B tienden a centrarse en las partes del embudo que generan directamente el ROI, como las conversiones de oportunidades y la calificación de leads. Pero una fuerte inversión en actividades de bajo embudo puede limitar la capacidad de conversión y reducir el alcance general de la campaña. La orquestación de datos en partes más altas del funnel y la creación de modelos de atribución, pueden ayudar a estos especialistas a dar un salto bastante importante en sus ingresos.

La segmentación es otro de los factores importantes que se pueden aprovechar con la orquestación de datos. En Marketing Digital, a través de la tecnología, se pueden ejecutar campañas automatizadas, con un alcance de audiencia, con contenido personalizado y realizando pruebas automatizadas A / B, todo mientras vas almacenando datos. 

Y es que la orquestación de datos no puede existir sin la recopilación de datos. Gracias a estos, la tecnología y el saber hacer, se pueden crear segmentaciones en tiempo real en función de los datos que se vayan recogiendo, las cuales sirvan para virar las campañas o crear acciones automatizadas cada vez más precisas.

 

Dónde comenzar con la orquestación de datos

Orquestación de datos

Es sencillo de entender, pero complicado de poner en marcha. Fundamentalmente los pasos a seguir podrían ser estos:

#1. Conoce y comprende a tu cliente, así como todas las formas en que puedes recopilar datos sobre ellos de una manera que cumpla con la privacidad y la legalidad.

#2. Busca una combinación de 1st party data y 3rd party data que funcione para las necesidades de tu compañía.

#3. Para obtener datos de terceros, evalúa los mejores DMP, CDP o soluciones internas según el tamaño de tu compañía.

#4. Para datos de terceros, asegúrate de hacer las preguntas correctas sobre cómo se recopilan los datos (por calidad + privacidad) y el proceso de modelado, porque todos los proveedores de datos de terceros tendrán diferentes metodologías (algunas mejores que otras).

#5. Asegúrate de que tu proveedor de datos DMP, CDP o de terceros sea capaz de transferir de manera fácil y segura los datos a todos los canales de comercialización.

#6. Por último, asegúrate de que tus proveedores de canales de marketing pueden agregar a su estrategia de orquestación de datos, elementos importantes como información de la audiencia, métricas de participación, audiencias similares, etc.

 

Estrategias de orquestación de datos

Estrategia de orquestación de datos

Vamos a verlo con un ejemplo en cada uno de los principales sectores: el B2C y el B2B. Para entenderlo bien, la orquestación de datos , la vamos a poner en un contexto en el que se cumplen cada una de las etapas en el journey de cualquier consumidor o cliente, estando orientado a estrategias relacionadas con la audiencia, usadas a través de una campaña. Vamos a ello.

En B2C.

Imaginemos una compañía de medios de cine que quiere promocionar una próxima película e impulsar a las personas a comprar entradas para ir a verla.

Lo primero que deberías de hacer es lanzar una campaña de CPM con ofertas varias, para así recoger datos y conocer qué tipo de audiencia participa en ellas.

Usando los atributos de las personas que participaron en el anuncio, dirígelos a una campaña de consideración, usando la información de interés reunida en la parte superior del embudo para agrupar a las personas en un segmento concreto.

A ese segmento concreto, dirígeles un avance de la película y utiliza las ofertas basadas en un objetivo de CPCV para reorientar a las personas que vieron el avance completo con un anuncio nativo o de display, promoviendo una venta de entradas. Esta sería la parte de acción de la campaña.

Para terminar, usando datos de atribución, analiza quién fue al cine y realmente compró una entrada, para construir la medición de la campaña.

En todo este proceso, como has podido comprobar, la recogida de datos y la orquestación a lo largo de todos los canales han sido fundamentales para lograr lanzar cada acción en función de cada etapa del journey. Vamos con un caso de B2B.

 

En B2B.

Normalmente en el B2B, se invierte mucho en la parte inferior del embudo de conversión. Sin embargo, esta estrategia realmente obstaculiza su capacidad de conversión.

Al final, si no se invierte en la parte superior del embudo, cualquier campaña que se realice, comenzará con un objetivo muy estrecho.

Para ello, comienza con una gran campaña de sensibilización, con una orientación bastante abierta para ampliar el embudo lo más posible.

Una vez lanzada, recoge los datos que te vayan saliendo: intereses, sectores, cargos… y lanza campañas de CPM más dirigidas y automatizadas en función de la respuesta. Al final del día, todos los datos recopilados a través de la campaña nutrirán el embudo. La clave es aprovechar todos esos datos para crear una estrategia de orquestación y personalización de datos.

La recompensa es una mejor integración de campañas online y offline, datos más limpios, una orientación más estricta y, en última instancia, la atribución de ingresos.

 

Estos son sólo unos pocos ejemplos sobre la importancia que tiene la orquestación de datos hoy día en cualquier negocio a la hora de personalizar los mensajes. Como ves, esta orquestación necesita de personas expertas en el manejo de los datos y la tecnología que la posibilita, siendo una gran opción encontrar el socio perfecto especializado en todo ello, el cual sepa sacar todo el beneficio a cada necesidad. ¿Hablamos?

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Tealium, el mejor CDP para conocer mejor a tus clientes. Entrevista a Marco Lembo

Tealium, el mejor CDP para conocer mejor a tus clientes. Entrevista a Marco Lembo

Tealium, el mejor CDP para conocer mejor a tus clientes – Entrevista a Marco Lembo

Un CDP o Customer Data Platform es un software paquetizado en el que se unifica toda la información sobre los clientes, provenientes de cualquier canal, creando fichas únicas las cuales pueden ser utilizadas por cualquier departamento de la empresa, generando al mismo tiempo insights para crear campañas de marketing. Dentro de los CDPs, Tealium es probablemente el líder del mercado. ¿Quieres saber de la mano de Marco Lembo, Channel Manager EMEA de Tealium qué puede hacer esta tecnología? En esta entrevista te lo contamos.

Recientemente, en artyco nos certificamos como Partners oficiales de Tealium, en nuestra ruta hacia la excelencia en la gestión y aprovechamiento del dato para los negocios.

Tras analizar profundamente el mercado tecnológico al respecto, no tuvimos duda de que Tealium era el líder indiscutible de las plataformas de Customer Data, por su tecnología, su capacidad de integración con cualquier otra tecnología ya existente en una empresa, y por su capacidad de innovación en el futuro.

La apuesta fue hacia Tealium y una vez que hemos profundizado en ella, nos hemos dado cuenta de que no nos hemos equivocado.

Sin embargo, muy pocas empresas hoy día conocen qué es un CDP, así como las múltiples ventajas que este ofrece a las marcas. Para solucionar un poco este desconocimiento, desde artyco hemos entrevistado a Marco Lembo, Channel Manager EMEA de Tealium. Marco es un apasionado del dato, como nosotros, y lo refleja en las respuestas que nos ha ofrecido en la siguiente entrevista. La mejora de la experiencia de cliente, la personalización, y en definitiva, crear acciones de marketing próximas a lo que se denomina 1-to-1 es posible gracias a este entorno tecnológico.

 

Tealium, entrevista a Marco Lembo

 

– Marco, ¿podrías contarnos rápidamente qué es Tealium?

Marco Lembo: Tealium conecta los datos de clientes (de la red, dispositivos móviles, IOT y el mundo offline) para que las marcas puedan conectarse con sus clientes. El ecosistema de integración llave en mano de Tealium apoya a más de 1.200 proveedores y tecnologías de clientes y servidores, haciendo posible que las marcas creen una infraestructura de datos de clientes unificada y de tiempo real.

 

Debido a la gran cantidad de datos, las empresas se enfrentan a una gran variedad de problemas a la hora de gestionarlos, ¿cuáles son los principales problemas y cómo los resuelve Tealium?

ML: Las diferentes tecnologías crean silos y alejan a los clientes de las empresas, ya que cada tecnología tiene una visión fragmentada del cliente. Tealium rompe estos silos y une los datos para que se tenga una visión granular del cliente, para ponerlo en el centro de las tecnologías.

 

Uno de los principales heavy users de este ecosistema son los marketers, ¿cómo puede ayudar Tealium a los responsables de marketing?

ML: A través de una experiencia de cliente única en todos los puntos de contacto; una página web, una aplicación y publicidad personalizada en tiempo real; y una experiencia tan fluida y relevante que es como si estuvieras leyendo la mente de tus clientes.

 

– Un CDP como Tealium, además es una poderosa herramienta para los Data Analysts, ¿cómo ayuda la plataforma a estos profesionales?

ML: La plataforma de datos de clientes Tealium AudienceStream ayuda a las empresas a formar un perfil unificado del cliente para orquestar su experiencia, sus acciones e información. Empleando tecnología de resolución de identidad patentada y el mayor marketplace de conectores de integración de la industria, AudienceStream permite que las empresas comprendan el comportamiento de los clientes y les brinden experiencias relevantes y personalizadas en todos los canales como nunca fue posible. Permite que las organizaciones generen información rica sobre el cliente que se puede utilizar en toda la pila de tecnologías de marketing, aprovechando la infraestructura integrada de datos de clientes.

 

– Y desde el punto de vista tecnológico, ¿qué aporta Tealium a la empresa?

ML: La libertad de poder utilizar las mejores herramientas del mercado y poder conectarlas para sacar el máximo beneficio. Tealium gracias a sus más de 1.300 conectores se adapta a la tecnología que el cliente ya tiene instalada.

 

– Hoy día, todos estamos de acuerdo en que la Experiencia de Cliente es la gran batalla que ganar por todas las marcas, ¿qué puede hacer Tealium al respecto?

ML: Con los consumidores a cargo y exigiendo una experiencia fluida y sin fricciones, las formas tradicionales de interactuar con ellos no funcionarán. Y para las marcas que pueden responder son 3 veces más propensas a lograr un crecimiento de ingresos y ganancias superior al promedio. Tealium revoluciona el negocio digital actual con un enfoque universal de la orquestación de datos de clientes que abarca la red, los dispositivos móviles, el mundo offline e IOT. Con el poder para unificar los datos de clientes en una sola fuente de verdad.

 

– ¿Cómo ve Tealium la Customer Data Orchestration y cómo puede ayudar a conseguirlo?

ML: Al igual que ocurre con una sinfonía bellamente orquestada, la orquestación de datos de clientes se convierte en la partitura con la que se puede orquestar una visión 360 grados del cliente, que permita que los datos lleguen a múltiples equipos, herramientas y tecnologías de manera coherente y fluida. Esta información (o partitura) sobre el cliente posibilita que todos trabajen a partir del mismo conjunto de datos (o notas, en el ejemplo de la sinfonía), sin importar desde qué tecnología o departamento trabajen.

 

– Tealium es una gran oportunidad para cualquier empresa que quiera sacar verdadero provecho de los datos, ¿qué tipo de empresas están utilizando su plataforma?

ML: Con más de 1.000 empresas Enterprise, Tealium se ha convertido en una solución líder al nivel global.

 

– ¿Qué significa ser Partner de Tealium?

ML: Ser Partner de Tealium, significa añadir valor y recursos locales para que de manera conjunta logren ayudar al cliente en sacar el máximo resultado de los datos de las empresas.

 

– ¿Cuál cree que puede ser el potencial de una empresa como artyco, como Partner de Tealium?

ML: Artyco es una empresa Data Driven que tiene realmente bien asentado en su ADN la importancia de los datos para generar estrategias y acciones eficaces. Desde hace años lleva trabajando muy bien toda la parte del Data Management y Data Analytics con vistas a convertir esos datos en valor de negocio para sus clientes. Con Tealium, artyco se refuerza en ese poder ante el dato, disponiendo de una plataforma que facilita la integración de datos, su orquestación y la creación de perfiles únicos de clientes, lo cual ayuda enormemente a la hora de sacar conclusiones de una manera más rápida y acertada. Todo esto repercutirá inevitablemente en sus clientes, obteniendo mejor información para generar acciones más exitosas.

 

– Tealium es una compañía con una clara visión internacional, ¿qué presencia internacional tienen?

ML: Tealium opera en todo el mundo: EEUU, EMEA y APAC.

 

– ¿Qué previsiones tiene la empresa de cara al futuro?

ML: Se trata de ofrecer a las empresas las herramientas y la experiencia que necesitan para brindar la mejor experiencia al cliente, para que puedan prosperar. Continuaremos mejorando, adaptando y desarrollando nuestras soluciones tecnológicas para satisfacer las necesidades del cliente.

 

Tealium es sin duda, una herramienta innovadora y con un alto potencial, la cual va a dar mucho que hablar. Desde artyco estamos muy contentos por nuestra certificación y estamos deseando ayudar cada día a más compañías en todo lo relacionado con el cliente.

Si te interesa saber más, ponte en contacto con artyco y uno de nuestros consultores te asesorará de cómo podríamos empezar a poner en marcha en tu negocio un Customer Data Platform de calidad, como es el de Tealium. ¿Hablamos?

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Qué es el Dirty Data

Qué es el Dirty Data

Qué es el Dirty Data

Dirty Data o datos sucios, es el término que se utiliza para denominar a aquella información que es errónea, inconsistente o incompleta. Incluso puede ser Dirty Data, todos aquellos datos mal relacionados, con campos vacíos o con información falsa. A priori podrías pensar que este tipo de datos no merecen un post, sin embargo, si te cuento que el impacto del Dirty Data en España se ha cifrado en 321 millones de euros de pérdidas, la cosa cambia, ¿verdad? En este post no sólo te ayudaré a entender mejor lo que son los datos sucios, sino que, además, te contaré cuáles son las principales causas, y su solución posible: el Data Cleaning.

Las plataformas de Big Data no tienen en cuenta el Dirty Data, es decir, funcionan incluso con datos erróneos, incompletos o inconsistentes, ofreciendo información y conclusiones equivocadas, las cuales originan desastrosas tomas de decisiones.

Sin embargo, en realidad, la gravedad depende el volumen de Dirty Data que hubiera en la plataforma. Según algunos estudios, el 82% de los datos almacenados por las organizaciones es Dirty Data. ¿Te parece demasiado? Imagina el daño que puede hacer a las conclusiones que de ellos pueda sacar tu equipo de Customer Intelligence.

Y es que según la firma Verve, el 60% de los consumidores mienten en algún dato a la hora de rellenar sus datos personales, y según la compañía Hocelot, cerca del 25% de los datos que tiene una compañía, podrían ser falsos.

¿De qué sirve disponer de las mayores fuentes de recogida de datos, así como de las infraestructuras más potentes para almacenarlos y la mejor analítica, si los datos que allí se guardan son falsos o erróneos?

Sin embargo, la solución es más compleja de lo que pueda parecer. Imagina una compañía de seguros que dispone de varias bases de datos con millones de filas en cada una de las bases, y al menos 100 columnas. Invertir tiempo y recursos en comprobar esos datos uno a uno, es imposible de realizar. Para que fuera factible, se requeriría un análisis específico con algoritmos que trataran de solventar los errores más comunes en la recogida de datos. Este algoritmo debería de contar, para ser más eficaz, con un grado de aprendizaje automático o Deep learning.

Gracias a este método se podría reducir bastante la suciedad de los datos, pero nunca se llegaría al margen de error del 0%. Para ayudar a obtener una base de datos lo más veraz posible, debemos trabajar otros aspectos, sin embargo, antes vamos a ver cuáles son las principales causas del Dirty Data, para así comprender mejor sus posibles soluciones.

 

Principales causas del Dirty Data

Causas del Dirty Data

Hay un ‘sinfín’ de causas de que aparezcan datos sucios en una base de datos o en una plataforma de Big Data, sin embargo, posiblemente los más comunes sean estos:

  • El volumen. Lógicamente, cuanto mayor volumen de datos, más probabilidades de que haya erróneos. Al aumentar el número de datos con la Era Digital, el número de datos sucios, también se ha visto incrementado en la misma proporción.
  • Fallos en el registro de los datos. La introducción de datos es clave. Al ser en muchos casos, realizado de forma manual por alguna persona, es muy posible que alguno de ellos acabe siendo grabado de manera errónea o con alguna errata o alteración. En la grabación de datos masiva, es fundamental disponer de un equipo profesional de Data Entry.
  • Existencia de silos de información. Muchas empresas aún no disponen de un único sitio en donde tener almacenada y disponer toda la información de la empresa. Este hecho hace que cuando se intenta unificar la información surjan incoherencias y datos duplicados.
  • Falta de información. Los registros con campos vacíos provocan que la información que manejamos sea parcial y por lo tanto provoquen decisiones equivocadas.
  • Datos falseados. Suele pasar con la información extraída de Internet. Muchos usuarios prefieren dar datos falsos ante el temor de poder ofrecer información verídica a una empresa, sin saber exactamente para qué los va a acabar utilizando. A continuación, te dejo un gráfico extraído de la empresa Verve, donde te muestra precisamente esto.

 

Datos falsos en Dirty Data

 

Tras leer esto, seguro que piensas que puede que dispongas de dirty data en tu base de datos, ¿verdad? Pues si es así, voy a contarte qué puede suponer esto a tu empresa.

 

Cómo afecta el Dirty Data a una empresa

Cómo afecta el Dirty Data a tu empresa

Por lo general, las empresas que más se verán afectadas por el Dirty Data, son las que ya están utilizando el Big Data. En esos casos, lo normal es que les incurra en:

  • Una pérdida de tiempo y recursos. Si dispones de demasiada información sucia en tu CRM por poner un ejemplo, a la hora de sacar conclusiones, segmentar a tus clientes o hacer previsiones, estas serán realizadas de manera más inexacta, repercutiendo en una visión errónea del cliente y una relación con ellos defectuosa. Este hecho repercutirá en que se tendrá que dedicar tiempo extra a ajustar esos mismos estudios, ya que habremos comprobado a posteriori que son falsos, dedicando a su vez, más recursos.
  • Una pérdida de ingresos netos. Si tienes pensado realizar una campaña de venta a través de tu Contact Center, disponer de unos datos falseados, erróneos o incompletos en tu base de datos, hará perder claramente clientes potenciales. Según un informe de la empresa Experian, el 77% de las empresas consideran que pierden cerca de un 12% de sus ingresos netos, por falta de datos de sus clientes.
  • Decisiones carentes de información. Uno de los mayores avances que han surgido entorno a Internet, la tecnología y los datos, es el poder realizar tomas de decisiones apoyadas en datos, o lo que se llama Data Driven. El Dirty Data puede influir de manera negativa en esa toma de decisiones, ya que estas serían desacertadas.

Y todo esto es debido a datos incompletos, duplicados, incorrectos, imprecisos, inconsistentes o incluso que incumplen las reglas de tu negocio.

Pero ¿cómo podemos solucionar este enorme problema? Vamos a ver ahora qué soluciones podemos poner en marcha para que este Dirty Data nos haga el menor daño posible.

 

Cómo solucionar el problema del Dirty Data

Soluciones para el Dirty Data

Siempre la mejor solución para cualquier problema es la prevención, sin embargo, ante este problema, la prevención es realmente complicada, debido fundamentalmente a la gran cantidad de datos o al Big Data. Este hecho, hace imposible crear un sistema fiable.

Una cierta solución, que no llega a ser de prevención, pero se le acerca bastante, es la atención a la calidad del dato. Gracias a ella, evitamos que se produzcan errores al introducir el dato en base de datos. Herramientas de Inteligencia artificial (IA) están comenzando a funcionar muy bien en estos sentidos, validando el dato en tiempo real y ayudando a la calidad de ese dato.

Sin embargo, hay un sistema que se impone sobre los otros dos: el método correctivo, a través del Data Cleaning.

Sin embargo, el sistema del Data Cleaning tiene algunas desventajas:

  • Son sistemas costosos.
  • Requiere mucho trabajo.
  • No se puede automatizar al 100%, ya que muchas veces se necesita de un equipo mixto para realizarlos (técnico y de negocio).

No obstante, lamento decirte que este es el único método para reducir al máximo el Dirty Data dentro de tu plataforma.

Vamos a ver cómo realizar un Data Cleaning exitoso a través de unas sencillas fases:

FASE #1. Detección. Lo primero que debes hacer, lógicamente, es detectar el Dirty Data, ya que no podemos limpiar, si no sabemos qué limpiar. Hay soluciones de Data Profiling que revelan campos vacíos o inconsistencias en los datos. También hay metodologías para asegurar la calidad del dato.

FASE #2. Corrección de los datos. Una vez detectados los errores, hay que subsanarlos, pero no todos son igual de fáciles de arreglar. Por ejemplo, una errata es fácil de solucionar, sin embargo, un dato falso ¿cómo lo corriges por el verdadero? En cuanto a campos vacíos, se pueden rellenar con el dato más probable, haciendo una media, si es dato es numérico, sin embargo, si se hace esto corremos es riesgo que influya en el posterior análisis.

FASE #3. Eliminación de duplicados. En estos casos nos podemos encontrar con que la información que le pudiera faltar a uno de los duplicados, está en la otra. Por tanto, es recomendable, antes de eliminar uno de ellos, juntar todos los datos en uno, y eliminar el duplicado, completando todo lo que fuera posible el uno con el otro.

 

Como has podido ver, muchas veces nos centramos en el almacenamiento, la gestión de los datos, incluso en métodos y metodologías para sacar conclusiones y conocimiento de los datos, lo cual es fundamental, pero nos olvidamos de la materia prima: el dato. Y es que, si el dato es malo, las conclusiones que saquemos de ellos, y por tanto las decisiones, serán malas. Tal y como se dice en el mundo de los datos “Garbage in, Garbage out”.

En artyco llevamos más de 25 años trabajando con los datos, sacando verdadero oro de cada uno de ellos. Te proponemos algo: “Gold in, Gold out” ¿te apuntas?

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados