This is an awesome box

“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?

+34 916 404 150

Política de Calidad y Seguridad - Política de Privacidad y Cookies

Qué son los MLOps

por Emilio Fernández Lastra | Mar 8, 2022 | Business Intelligence (BI), CDA, IPS

Qué son los MLOps

El Machine Learning Operations o MLOps se refiere al uso de aprendizaje automático por parte de los equipos de desarrollo/operaciones (DevOps) en las organizaciones de la manera más ágil y eficaz posible. El MLOps es una de las nuevas tendencias en Big Data, que se basa principalmente en ofrecer un conjunto de mejores prácticas para que las empresas ejecuten la IA con éxito. El MLOps es un campo que podríamos denominar como novedoso, sobre todo porque la inteligencia artificial en el ámbito empresarial no se ha empezado a utilizar hasta hace poco y no se ha necesitado la optimización de sus procesos hasta ahora. ¿Quieres saber qué es?, ¿por qué debes de empezar a aplicarla?, ¿qué debes de tener en cuenta y cuál es su proceso? Aquí te lo cuento todo.

Llevamos algunos años experimentando un crecimiento importante en todo lo relacionado con la recopilación de datos para su uso analítico. Este, cada vez más, se está aplicando al campo de la inteligencia artificial. Esto conlleva un cambio en los procesos tecnológicos y en las arquitecturas empresariales, ya que son necesarias nuevas tecnologías para abordar los retos que trae esta nueva tendencia.

El crecimiento del volumen de datos y la necesidad de utilizar nuevas tecnologías para el desarrollo de modelos analíticos está haciendo que existan ineficiencias en la gestión del ciclo de vida del dato y de los modelos analíticos, así como en el desarrollo de aplicaciones relacionadas, como por ejemplo la dependencia que tienen los equipos de analytics de los de data para que les pasen los datos necesarios; la falta de capacidad y arquitectura empresarial para abordar todo el ciclo de vida del dato; la dificultad de encontrar el dato apropiado ante tal repositorio; y la baja calidad de los datos por norma general, entre muchas otras.

Para poder agilizar el desarrollo de aplicaciones que sirvan para solventar estos problemas, es necesario trabajar sobre tres pilares básicos que son:

Los datos. Cómo los gestionamos y gobernamos.
Los modelos analíticos. El desarrollo, gobierno y gestión de estos modelos.
Las aplicaciones. El modo tradicional de implementar funcionalidades dentro de las arquitecturas empresariales.

MLOps se presenta como un enfoque importantísimo para solucionar todos estos problemas que te he mencionado anteriormente, además de ser una manera de ayudar en el desarrollo de aplicaciones de inteligencia artificial ágil y que aporten valor al negocio de manera rápida, siendo las bases de una compañía Data & AI Driven.

Vamos a ver qué es exactamente MLOps.

Qué es MLOps.

Qué es MLOps

Tras el ‘boom’ de la IA en el año 2012, al ganar un concurso un investigador que logró el reconocimiento de imágenes mediante el machine learning, esta disciplina se extendió rápidamente. En la actualidad, su uso es mucho más generalizado, llegando la inteligencia artificial a nuestro día a día, como el traducir al instante una página web, enrutar automáticamente las llamadas del servicio de atención al cliente de una empresa, e incluso, ayudar a leer las radiografías en los hospitales, entre otras muchas cosas más.

La gran utilidad que tiene el ML en cualquier campo de la vida y los negocios va a hacer que se convierta en algo tan común como una aplicación de software. Es por eso, que será necesario que su ejecución sea lo más simple posible.

Hace una década, como ya te adelanté, DevOps se creó como una forma de que pudieran trabajar de manera conjunta los desarrolladores de software (los Devs) y los equipos de operaciones de IT (los Ops). Ahora, lo que se incorpora es el machine learning y por tanto, un nuevo equipo de trabajo: los data scientists.

MLOps permite la colaboración y comunicación entre todos los implicados en el ciclo de vida del desarrollo de analítica avanzada. Aquí se incluiría desde los usuarios de negocio, hasta los Data Scientists y las personas de operaciones de IT necesarias para el desarrollo de los modelos analíticos, provocando la agilización del proceso completo.

Estos, seleccionan conjuntos de datos y crean modelos de inteligencia artificial que los analizan, para luego ejecutarlos a través de los modelos creados, de manera disciplinada y automatizada.

MLOps combina machine learning con desarrollo de aplicaciones y operaciones – Fuente: Neil Analytics

El MLOps origina, sobre todo, un enfoque útil para la creación y la calidad de las soluciones de inteligencia artificial y machine learning. Al adoptar un enfoque de MLOps, los data scientists y los ingenieros de machine learning pueden colaborar y aumentar el ritmo de desarrollo y producción de modelos, mediante la implementación de prácticas de integración continuas, con la monitorización, la validación y la gobernanza adecuados de los modelos de ML.

Ya tienes una idea de qué es, pero seguro que te preguntarás por qué son necesarios. Pues no te muevas que te lo explico.

Por qué son necesarios los MLOps.

Por qué son necesarios los MLOps

Muy sencillo, porque llevar a cabo un proceso de machine learning conlleva muchos pasos muy complejos, como la ingesta de datos, su preparación, el entrenamiento de modelos y su ajuste e implementación, la supervisión de estos modelos, su explicabilidad y mucho más. Además, tienen que coordinarse especialistas en ciencia de datos e ingenieros de ML. Por último, todo ello requiere de un severo rigor operativo para mantener todos estos procesos sincronizados y trabajando a la par. MLOps abarca todo este ciclo con el fin de que el proyecto llegue a buen puerto lo más rápidamente posible.

Puedo resumirte por qué debes desarrollar esta práctica a través de estos dos motivos:

El número de modelos de analítica avanzada está en continuo crecimiento. Desde hace unos años la mayoría de las compañías han empezado a desarrollar modelos cuyo retorno de inversión se ha demostrado, lo que ha llevado a que cada vez se quieran aplicar técnicas avanzadas de análisis de datos a más ámbitos de negocio. Esto conlleva a que sea necesario desarrollar cada vez más modelos.
Los modelos, una vez puestos en producción, suelen perder precisión. Esto es debido a que se han entrenado con un conjunto de datos que representaban el estado de la realidad pasada. Según va evolucionando ésta, los datos van cambiando lo que hace que el acierto del modelo vaya reduciéndose. Esta situación se soluciona reentrenando el modelo con nuevos datos.

Estos dos motivos hacen que sea totalmente necesario agilizar el ciclo de vida de los modelos analíticos, el cual va desde la concepción del modelo a través de la toma de requisitos de negocio, hasta el despliegue y monitorización de este modelo en producción. Vamos ahora a ver cuáles son sus principales beneficios.

Cuáles son los beneficios de MLOps.

Beneficios MLOps

Los principales beneficios son:

Eficiencia. MLOps permite lograr un desarrollo de modelos de ML más rápido, de mayor calidad y una implementación y producción más ágiles.
Escalabilidad. Se pueden supervisar, controlar, administrar y monitorizar miles de modelos para la integración, la entrega y la implementación continua. Específicamente, MLOps brinda reproducibilidad de las canalizaciones de ML, lo que permite una colaboración más estrecha entre los equipos de datos, reduce los conflictos con los desarrolladores e IT, y acelera la velocidad de lanzamiento.
Reducción de riesgos durante la validación de modelos (reducir la inversión en tiempo y dinero en modelos que no van a ser útiles).
Constante evolución de los modelos. A través de la monitorización y los datos, se consigue que los modelos evolucionen de forma continua, mejorando la eficacia de los sistemas de IA.

Sin embargo, debes de tener en cuenta una serie de cosas antes de ponerte a usar MLOps:

Debes de cuidar mucho la calidad de tus datos, es decir, tener muy presente de dónde vienen, su calidad, si son fiables, etc.
Entender que al cabo del tiempo los modelos van perdiendo calidad y se degradan.
La localidad de los datos en el momento que se están entrenando.

Como has visto, el desarrollo de modelos analíticos requiere muchas tareas y dependencias que añaden complejidad y retraso. El objetivo de MLOps no es otro que eliminar todas esas complejidades, con el fin de que el Data Scientist pueda trabajar de forma más eficiente, aportando valor real al negocio en un periodo de tiempo más corto. Todo ello, a través de automatizaciones de procesos y/o simplemente, organizando los procesos de manera más ágil.

Las automatizaciones están ayudando a cambiar los procesos empresariales, y en algo tan complejo como es la inteligencia artificial, estas son la clave para que dicha IA sea realmente útil. La mejor opción; apoyarse en profesionales con experiencia y compañías que te acompañen en el complicado camino que supone el machine learning y la inteligencia artificial. ¿Hablamos?

Emilio Fernández Lastra

“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?

+34 916 404 150

Política de Calidad y Seguridad - Política de Privacidad y Cookies

Tengo un CRM de última generación, pero ¿cómo puedo aprovecharlo del todo?

por Paloma Royo | Feb 8, 2022 | IPS

Tengo un CRM de última generación, pero ¿cómo puedo aprovecharlo del todo?

El tamaño del mercado global de CRM se valoró en USD 43.700 millones en el año 2020, y se espera que en los próximos 8 años se expanda en más de un 10,6% según Grand View Research. El uso de los mejores CRMs por parte de las empresas es imparable, sin embargo ¿están sacando estas empresas todo el provecho que deberían a software que son cada vez más completos y a la vez complejos? En este post hablaremos del mercado del CRM, los principales software, los más usados, pero también os contaré por qué se suelen abandonar, qué perfiles se necesita para que sean una herramienta estratégica óptima y qué puede hacer tu empresa para que su utilización correcta no sea un problema. ¿Es justo lo que quieres saber? Vamos a ello.

Según los últimos datos de la Oficina Europea de Estadística, Eurostat, el 28% de las empresas españolas utilizan sistemas de CRM, siendo solamente superados por Bélgica, Irlanda, Malta, Países bajos y Finlandia.

Para poder analizar mejor estas cifras, vamos a dividir las empresas en función de su tamaño como: grandes empresas, medianas y pequeñas empresas (PYMES).

El segmento de las grandes empresas representó la participación de mercado más alta de CRM, superando el 56 % en 2020. Debido a la presencia de múltiples departamentos operativos en las grandes organizaciones, las soluciones de CRM se utilizan para ayudar a integrar los datos del comprador con las funciones de gestión de procesos comerciales y permitir que los usuarios se coordinen con sus ventas, marketing y procesos de atención al cliente, sin esfuerzo.

La introducción de aplicaciones de big data, inteligencia artificial y machine learning está haciendo que cada vez más grandes empresas se inicien en este tipo de software, sin embargo, hace que tengan que disponer de nuevos perfiles capaces de aprovechar al 100% todo lo que se puede hacer con estos nuevos CRM de última generación.

Estos perfiles escasean y la curva de aprendizaje es un tanto larga, lo cual hace que sea una tarea muy difícil disponer de ellos, para poder sacar todo el partido al CRM.

A pesar de esta barrera que surge una vez se tiene implantada la herramienta, los últimos años se ha incrementado notablemente la demanda de aplicaciones que permitan automatizar la relación de las empresas con sus clientes, impulsando el mercado de las soluciones CRM. Los avances en la tecnología, con la IA por delante de todos, así como el surgimiento de la nube o los sistemas más híbridos, han posibilitado modelos SaaS que lo han hecho mucho más escalable.

Otro hecho significativo es que los consumidores cada vez utilizan más canales digitales para comunicarse con las marcas, provocando por parte de las empresas, la necesidad de un control y conocimiento de los datos, y las comunicaciones que se generan de manera online, necesitando una herramienta que les aporte conocimiento en cuanto a journeys y automatización. De hecho, una encuesta reciente sobre el comportamiento del consumidor indicó que más del 67% de los clientes realizan interacciones comerciales con marcas en plataformas de redes sociales como Twitter, Facebook, Snapchat y Reddit.

Una mejor comprensión del comportamiento del comprador y sus preferencias permite a las marcas y empresas adoptar estrategias de servicio al cliente adecuadas y brindar el mejor rendimiento de servicio en tiempo real. Este hecho es el que está impulsando el mayor uso de CRMs avanzados como Salesforce, Dynamics o HubSpot entre otros. Estos CRMs atienden a la demanda, cada vez más creciente de las empresas, que necesitan un CRM en el que se pueda realizar analítica de datos cada vez más compleja, así como poder acumular datos estructurados y no estructurados que se están recogiendo de los diferentes canales digitales, para más tarde accionarlos.

Las estimaciones indican que, en pocos años, al menos un 91% de las empresas de más de diez empleados utilizarán sistemas CRM, siendo los departamentos de marketing, atención al cliente y comercial, los más interesados en utilizar estos sistemas, bien para mejorar la experiencia de cliente, o bien para optimizar los procesos comerciales.

Según el Informe de la encuesta sobre la nube de CRM dirigido por SoftClouds en Estados Unidos, alrededor del 82% de las empresas encuestadas en este informe utilizan sistemas de CRM para la generación de informes de ventas y la automatización de procesos. La alta dirección a su vez busca cada vez más herramientas eficientes, para manejar los datos que recogen de sus clientes y adquirir conocimientos prácticos derivados de conjuntos de datos no estructurados para tomar decisiones data driven.

En el mercado existen una gran variedad de sistemas con sus particularidades. Los más utilizados son estos:

Salesforce
HubSpot
Microsoft Dynamics.
Salesnet
Netsuit
Sugar

Aunque hay una gran variedad de software de CRM, la gran mayoría tienen una complejidad y necesitan un compromiso por parte de los empleados, que haga que la inversión merezca la pena porque se aprovecha lo máximo posible la herramienta. Pero ¿cuánto se llega a aprovechar este tipo de aplicaciones?

En muchos casos el aprovechamiento es mínimo, frustrándose los empleados y abandonando la aplicación. Vamos a ver por qué sucede esto.

Por qué se abandona el uso de un CRM

Hay muchos motivos por los que una compañía abandona un SaaS como un CRM, los principales podrían ser estos:

#1. El tipo de empresa.

Las empresas de nueva creación o con un índice de crecimiento pequeño tienen muchas más probabilidades de acabar abandonando el uso del CRM. La mayoría de las empresas de bajo crecimiento, casi el 42%, experimentan una mayor rotación de herramientas que las empresas de alto crecimiento.

#2. El tamaño o facturación de la empresa SaaS de CRM.

Según los estudios, las empresas de CRM con ingresos inferiores a los 10M de dólares tienen una tasa de abandono promedio de un 20%. Las empresas medianas de CRM, por el contrario, se mueven en una tasa de abandono de un 5%-7%.

#3. El servicio al cliente.

Se suele decir que, si una empresa realiza una buena atención al cliente, este recomienda a otras personas la empresa en un 47% de los casos. Sin embargo, si ese servicio al cliente no es el correcto, la tasa de abandono suele estar entorno al 42%. Esto está comprobado en el entorno de los CRM, quienes manejan estas cifras ante un deficiente servicio a sus clientes.

#4. El CRM tiene más funcionalidades de las que necesita la empresa.

Cuando te vas a CRM avanzados, es lógico que tengan una gran variedad de funcionalidades. Aquí, la implantación es crítica, ya que, si no lo ajustas a las necesidades de tu empresa, es muy probable que sientas al utilizarlo, que no lo estás aprovechando, y eso sin tener en cuenta que te puedes perder entre tal amplitud de posibilidades. Cuando sucede esto, al final la satisfacción de usuario se ve afectada y se acaba abandonando la herramienta.

#5. No existe una cultura del dato en la empresa.

La empresa no está acostumbrada a manejar datos, y sus empleados no tienen una verdadera conciencia de la importancia de estos de cara a la toma de decisiones más acertadas. En estos casos, suele pasar que, por ejemplo, a los comerciales se les pasa reflejar ciertos contactos con clientes potenciales en el CRM, o la persona de atención al cliente no refleja una necesidad por teléfono. El CRM de esta forma, acaba muriendo y llevando al abandono de la herramienta por parte de los empleados.

#6. La empresa no dispone de los perfiles adecuados para poder manejarlo con éxito.

Uno de los motivos más comunes de abandono de una herramienta CRM avanzada, es la no disposición de perfiles que puedan sacar todo el potencial de la aplicación. Hoy día, hay muy pocos perfiles especializados, y estos están tremendamente demandados, tanto por empresas como por agencias que se dedican a ofrecer el servicio de gestión de CRM, como es el caso de artyco.

Algunos de estos motivos son coyunturales de cada negocio, otros de cultura empresarial, pero otros son técnicos.

Quizás el más importante, a mi modo de ver, es el de conseguir aprovechar todo lo que te puede ofrecer el CRM, ya que, si lo consigues, los resultados van a venir de la mano a corto plazo. De hecho, así lo reflejan los últimos estudios.

Perspectivas de mercado relacionadas con el servicio de gestión de CRM.

perspectivas de mercado relacionadas con servicios de gestión de CRM

Las perspectivas que se manejan en diferentes estudios al nivel internacional en cuanto al mercado del CRM dicen que, en lo referente a los servicios, es decir, en la conexión efectiva entre proveedores de software y los clientes de software de CRM, registrará la tasa de crecimiento más alta.

Estos servicios implican desde la capacitación, la implementación y los servicios de consultoría, hasta servicios de administración del software.

Al final, una empresa que ha invertido una importante cantidad económica en un software tan avanzado quiere ver el retorno lo antes posible, y a través de servicios de terceros que les ayuden a manejar el software de forma correcta, es lo ideal.

Este mercado de servicios relacionados con el uso del CRM se puede dividir en función de su aplicación. Donde existe una mayor demanda según los estudios es en:

Servicio al cliente.
Gestión de la experiencia del cliente.
Análisis de CRM.
Automatización de marketing.
Automatización de Salesforce.

De todos, el relacionado con el servicio al cliente fue el que mayor participación adquirió en el año 2020. Factores como la creciente importancia entre las empresas sobre el comportamiento y la preferencia de sus clientes, y la creciente adopción de las estrategias de servicio al cliente por parte de las empresas para ofrecer el mejor rendimiento del servicio en tiempo real, son responsables de este crecimiento masivo.

Esta amplia demanda de servicios de gestión de CRM no se corresponde con la oferta de profesionales verdaderamente capacitados para atenderla. Como ya he comentado, las pocas personas capacitadas que existen están en manos de consultoras y agencias especializadas en estos servicios, así como en grandes empresas que han abrazado de verdad la transformación digital.

Existen principalmente 5 tipos de perfiles de trabajo con certificación en el CRM avanzado habitual, como podría ser un Salesforce. Serían estos:

Administrador.
Consultor.
Desarrollador.
Analista de negocio.
Arquitecto de soluciones.

El disponer de estos perfiles tan especializados es muy complejo para cualquier empresa, por eso, lo más rentable es externalizar los servicios de gestión a una empresa con experiencia.

Este tipo de agencias disponen de una experiencia superior a la que podrías conseguir creando un equipo de personas con diversas certificaciones. El haber trabajado en diferentes proyectos, haber vivido ya los principales problemas y saber qué funciona y qué no, a parte de tener siempre a disposición del cliente de expertos manejando su cuenta, hacen que sea la opción más factible para la mayoría de las compañías que se embarcan en el mundo del CRM avanzado. Te voy a poner un ejemplo real.

Caso real de Outsourcing del servicio de CRM avanzado con Mercedes-Benz España.

Desde artyco siempre hemos creído que la gestión de un CRM avanzado es una tarea muy dificultosa para cualquier empresa, sea del tamaño que sea.

Si una empresa quiere gestionarlo internamente, debe de disponer de un importante equipo multidisciplinar (técnicos, marketing, analistas…), que sean expertos en CRM, y que además sean fieles a la empresa, es decir, que no se vayan a los pocos años perdiendo todo el conocimiento y expertise.

Hay que tener en cuenta que, un CRM no es sólo un lugar en el que volcar información y datos de tus clientes y acciones, sino también, una herramienta con la que analizar a tus clientes, segmentarlos estratégicamente, diseñar journeys, automatizar acciones… Todo eso requiere de perfiles muy potentes, como ya he comentado anteriormente, pero sobre todo, perfiles que tengan experiencia y no dejen el proyecto estancado cuando ya está funcionando. Algo que sucede desgraciadamente muy a menudo.

Todo esto lo sabía Mercedes-Benz España hace más de dos décadas y buscó un proveedor que le pudiera asegurar este tipo de servicios de CRM, a través de expertos en la disciplina, de una manera continuada, y con unos resultados de primera.

El éxito del trabajo con la marca alemana de automóviles fue el ir evolucionando poco a poco la herramienta en función de sus necesidades. Para lograr esto, un equipo de IT es fundamental y ahí artyco disponía de una gran experiencia.

Pero también lo es, un equipo que entienda el negocio. Para ello, perfiles de consultoría de negocio con experiencia en relación con los clientes son básicos a la hora de conseguir ese alineamiento con la marca y convertirse en un socio más que en un proveedor. Este perfil escaso en el mercado laboral se centra en las metodologías, así como necesidades y problemáticas habituales del cliente, adaptando el CRM a esa idiosincrasia particular. Gracias a esto, la herramienta iba incorporando funciones que de verdad se necesitaban, siendo mucho más eficiente.

A continuación, viene la gestión: creación de journeys, segmentaciones, lanzamiento de campañas por diferentes canales… Este trabajo implica otro perfil más operativo, el cual tenga experiencia en marketing relacional y esté certificado en el CRM concreto. El grado de comunicaciones de Mercedes-Benz España con sus clientes es vertiginoso, así como la personalización del mensaje, el cual se logra con unas segmentaciones muy trabajadas. Gracias a ello, la marca alemana se comenzó a caracterizar rápidamente por una comunicación con sus clientes precisa, útil y eficaz.

Por último, todo lo que se hace con el CRM hay que medirlo y analizarlo. Para ello, es necesario disponer de Data Analysts, perfiles experimentados en saber sacar insights de grandes cantidades de datos de clientes. Todo este trabajo, permitía a los CRM Managers, ir mejorando las comunicaciones y haciéndolas más eficientes.

Desde artyco contamos con expertos profesionales en el mundo CRM. Más de dos décadas de trabajo, tanto con CRM propio como externo (Salesforce, Dynamics…) nos capacitan para poner al primer nivel en cuanto a manejo y aprovechamiento de estos software, hacia nuestros clientes. No dejes morir una herramienta tan potente e importante para tu negocio. ¿Hablamos?

Emilio Fernández Lastra

“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?

+34 916 404 150

Política de Calidad y Seguridad - Política de Privacidad y Cookies

Por qué debes implantar ya, un CDP o Customer Data Platform

por Paloma Royo | Sep 27, 2021 | IPS

Por qué debes implantar ya, un CDP o Customer Data Platform

Como sabrás, un CDP es un sistema que permite crear una base de datos unificada con fichas únicas de clientes, y persistente, a la que otras tecnologías pueden acceder para poder lanzar acciones automatizadas. En el último año se ha hablado mucho de ellas, pero es en este cuando las principales compañías internacionales se han lanzado a utilizarlas y sacarlas provecho en favor de la experiencia de sus clientes y la eficacia de sus acciones. En este post te voy a contar por qué debes comenzar a utilizarla y te voy a convencer con datos. ¿Vamos allá?

Si tenemos que marcar un hito en el mercado del CDP o Customer Data Platform, este ha sido el inicio de la pandemia mundial. Este hecho, a pesar de la incertidumbre económica o los recortes presupuestarios en tecnología, provocó un crecimiento del CDP, debido principalmente a la aceleración digital de las empresas.

Las compañías, incluso las más resistentes o desatendidas digitalmente, se han visto obligadas a hacer que la mayoría de sus interacciones con los clientes sean digitales, ya sean compras por comercio electrónico, fitness bajo demanda o citas con médicos virtuales.

La consecuencia ha sido un cambio en el comportamiento de los consumidores, yendo a lo digital, y por tanto, dejando tras de sí una mayor cantidad de datos. Esto ha supuesto que las plataformas de datos de clientes (CDP) se hayan convertido en una pieza tecnológica esencial.

Esta mayor adopción de canales digitales por parte de los usuarios y de las empresas, ha hecho que el 73% de las empresas norteamericanas consideren un CDP como fundamental para lograr una CX exitosa, según el último informe sobre CDP elaborado en Estados Unidos.

cdp status

Según el CDP Institute, la industria de los CDPs ha pasado de un mercado de miles de millones a billones en un solo año.

Según este instituto, del año 2019 al 2020, el porcentaje de empresas que ya habían implantado un CDP subió en 1,5 veces el porcentaje del año anterior. Si bien, en el año 2020 muchas implantaciones se pararon, debido principalmente a la congelación de los presupuestos destinados a tecnología, a consecuencia de la COVID. Sin embargo, los estudios indican, que simplemente ha supuesto un leve retraso.

Según una encuesta realizada por la empresa Segment, sobre 4.684 tomadores de decisiones que trabajan directamente con los datos de clientes, el 47% dijo que aumentarán su presupuesto de CDP en más del 25% en los próximos cinco años.

En conclusión, 2020 vio a las empresas desplegar más y gastar más en CDP.

Pero, ¿qué es lo que verdaderamente ha impulsado su adopción?

Principalmente han sido tres factores fundamentales. Vamos a verlos.

#1. Un aumento exponencial de los datos de los clientes.

Con la pandemia, las empresas se enfrentaron a una difícil decisión: digitalizarse o seguir como siempre. La mayoría de ellas decidieron la primera opción. Tal fue así, que sólo en los 3 primeros meses de la pandemia, el eCommerce experimentó un crecimiento relativo a 10 años. ¡En sólo 90 días!

A medida que aumentaba el número de interacciones digitales, también lo hacía el volumen de datos de los clientes. Durante el 2020 aumentaron enormemente el volumen, la velocidad y la variedad de datos que se rastreaban en las compañías.

customer data growth

Y ese crecimiento de datos y variedad de los mismos, hizo que muchas compañías se lanzaran a por la mejor tecnología que hay hoy día para almacenar, gestionar y sacar provecho a esos datos: las plataformas de Customer Data.

#2. Un aumento exponencial de las expectativas de los clientes.

Al igual que crecían los datos de los clientes, debido a una mayor inmersión en el entorno digital, fueron aumentando en la misma medida sus expectativas. Según datos del CDP Institut, el 60% de los clientes tienen ahora mayores expectativas de su experiencia digital que antes de la pandemia.

El problema al que se están enfrentando muchas empresas hoy día, es que ante la gran variedad de datos de los que disponen (sobre todo de terceros) y la necesidad de diferenciarse frente a la competencia, a través del trato y la relación con sus clientes, hace que al no disponer de la tecnología adecuada, y de unos datos 3rd party data no del todo exactos, cometan ciertos errores e inexactitudes que provocan la insatisfacción de sus clientes. Esto se puede mejorar con la implantación del CDP.

Debido a esto, las empresas se están alejando del marketing basado en datos incompletos y especulativos de terceros, yendo hacia la prospección con datos propios recopilados de múltiples departamentos en toda la empresa, así como aquellos recogidos por esta a través de encuestas, formularios, etc.

El mejor lugar para almacenar esta información, no es otro que un CDP. Según “The 2030 Today Report”, para el 73% de los encuestados, un CDP será fundamental a la hora de trabajar con éxito la experiencia de sus clientes en los próximos años.

#3. Un enfoque centrado en el cliente y la empresa para la gestión de datos.

Desde siempre, una empresa iba recopilando datos de sus campañas, en función del canal. Es decir, los reportings del contact center, recogían información de lo que había sucedido ahí, sin hablar con otras campañas. Una campaña de email marketing, te ofrecía información sobre aperturas, clics, conversiones… y ahí quedaba.

Los datos que obtenías del eCommerce, no se referían a los datos de la tienda física, y los de la tienda física, no hablaban con los de tu contact center.

Esto solía ser así, hasta que en el 2020 las limitaciones de trabajar así, sacaron a la luz evidencias tremendas.

El comportamiento del cliente cambió, y este saltó de un canal a otro como nunca antes lo había hecho, multiplicándose los datos y la complejidad de estos.
El teletrabajo evidenció la dificultad de acceder a las diferentes bases de datos y sistemas de información de las compañías, siendo necesarias herramientas más complejas que mejorara el acceso a los datos.

Debido a todo esto, la visión de las organizaciones viró de centrarse en el canal, a centrarse en el cliente.

channel centric aproach vs customer centric aproach

Con el CDP, las empresas ahora disponen de fichas únicas del cliente, en las que se agrupa toda la información referente a este, proveniente de cualquier canal, ofreciendo una información más completa y exacta. Por otro lado, el cliente se ve beneficiado con ello, ya que el momento, el canal de comunicación utilizado y el mensaje, son mucho más personalizados.

Sin embargo, una plataforma de Customer Data no sólo ayuda a las empresas a recopilar y administrar datos de varias fuentes, sino que además, ayuda a enviar estos datos a una variedad de herramientas. Vamos a ver ahora a dónde suelen enviar las empresas los datos que recopilan su CDP.

¿A dónde envían las empresas los datos que recopilan con su CDP?

Una de las principales características que tiene un CDP respecto a otras herramientas de gestión de datos, es que permite dirigir esa información a otras herramientas, con las que poder hacer algo.

Con la COVID-19 y la situación de digitalización empresarial, el número de herramientas utilizadas en cualquier empresa, varió de ocho en el 2019 a once en el 2020, según la empresa Segment. Siendo de 14 el número de herramientas utilizadas por las más grandes, y 9 por las más pequeñas.

Según el “The CDP Report 2021”, las aplicaciones más populares conectadas con un CDP son estas.

app populares segment

El Customer Success, el email marketing y los mapas de calor / herramientas de grabación, experimentaron una mayor adopción, entre el 18-25%, lo que indica que muchas empresas continúan apostando por la transformación digital, a pesar de las circunstancias económicas inciertas.

En artyco somos partners de varias herramientas de CDP, ayudando a algunos de nuestros clientes a implantar esta tecnología, así como a lograr sacarle el máximo provecho, con el fin de que revierta en sus clientes y en mayores beneficios empresariales. ¿Te ayudamos?

Emilio Fernández Lastra

“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?

+34 916 404 150

Política de Calidad y Seguridad - Política de Privacidad y Cookies

Qué es la automatización inteligente de procesos (IPA) y cómo comenzar con ella

por Emilio Fernández Lastra | Dic 2, 2020 | IPS

Qué es la automatización inteligente de procesos (IPA) y cómo comenzar con ella

Desde hace algunos años, la automatización de procesos de manera inteligente o IPA, está ayudando a mejorar la productividad y la eficiencia, así como a reducir los riesgos operativos y mejorar la experiencia de cliente. En este post te cuento qué es, así como de qué manera puedes comenzar a utilizarla. ¿Te interesa mejorar? Entonces te interesa este post. No te lo pierdas, sigue leyendo.

IPA o Intelligence Process Automation, es un conjunto emergente de nuevas tecnologías que combina el rediseño de procesos fundamentales, con la automatización de procesos robóticos y el aprendizaje automático. En definitiva, es un conjunto de mejoras de procesos comerciales y herramientas de próxima generación, las cuales ayudan al trabajador al poder dedicarse al conocimiento y la creatividad, eliminando tareas repetitivas, replicables y rutinarias. Además, puede mejorar radicalmente el journey de los clientes, al simplificar las interacciones y acelerar los procesos.

Según la consultora McKinsey, las empresas que están utilizando IPA, están obteniendo resultados muy interesantes. Han logrado una media de automatización del 50-70% de las tareas, lo que se ha traducido en eficiencias de costos de tasa de ejecución anual del 20 al 35%, y una reducción del tiempo de proceso directo del 50 al 60%, con un retorno de la inversión altísimo.

Pero, ¿cómo funciona IPA? Principalmente utiliza cinco tecnologías centrales. Son estas:

- Automatización de procesos robóticos (RPA).
  Es un software que automatiza tareas rutinarias como la extracción y limpieza de datos a través de interfaces de usuario existentes. El robot tiene una identificación de usuario como una persona y puede realizar tareas basadas en reglas, como acceder al correo electrónico y a los sistemas, realizar cálculos, crear documentos e informes y verificar archivos.
- Flujo de trabajo inteligente.
  Es una herramienta de software de gestión de procesos que integra tareas realizadas por grupos de humanos y máquinas. Esto permite a los usuarios iniciar y rastrear el estado de un proceso de un extremo a otro en tiempo real. El software gestionará las transferencias entre diferentes grupos, incluso entre robots y usuarios humanos, y proporcionará datos estadísticos sobre los cuellos de botella.
- Aprendizaje automático / análisis avanzado.
  Son algoritmos que identifican patrones en datos estructurados, como datos de rendimiento diario, mediante aprendizaje «supervisado» y «no supervisado». Los algoritmos supervisados aprenden de los conjuntos de datos estructurados de entradas y salidas antes de comenzar a hacer predicciones basadas en nuevas entradas por sí mismos. Los algoritmos no supervisados observan datos estructurados y comienzan a proporcionar información sobre patrones reconocidos.
- Generación de lenguaje natural (NLG).
  Son motores de software que crean interacciones fluidas entre humanos y tecnología, siguiendo reglas para traducir las observaciones de los datos a la prosa. Las emisoras han estado usando la generación de lenguaje natural para redactar historias sobre juegos en tiempo real. Los datos de rendimiento estructurados se pueden canalizar a un motor de lenguaje natural para escribir informes de gestión internos y externos automáticamente.
- Agentes cognitivos.
  Son tecnologías que combinan el aprendizaje automático y la generación de lenguaje natural para construir una fuerza de trabajo (o «agente») completamente virtual que es capaz de ejecutar tareas, comunicarse, aprender de conjuntos de datos e incluso tomar decisiones basadas en la «detección de emociones». Los agentes cognitivos se pueden utilizar para ayudar a los empleados y clientes por teléfono o por chat.

Bien, pero ¿qué aplicaciones reales puede tener?

Según varios informes, el área dentro de las compañías que más beneficio está sacando de poner en marcha este tipo de tecnología, es el de finanzas y contabilidad. Otros serían los específicos de producción o IT, así como el área de recursos humanos.

3 ejemplos de cómo se está utilizando de manera eficaz, podrían ser estos:

EJEMPLO #1. Suscripción comercial en seguros.

Estos procesos suelen ser bastante tediosos y requieren una gran cantidad de recursos y una gran inversión de tiempo. IPA puede mejorar drásticamente todo ese proceso mediante la creación de un proceso de suscripción que se puede analizar sin problemas, lo que permite a los empleados calificar a sus clientes de manera eficiente. Eso da como resultado una reducción en el tiempo de respuesta general y una mayor precisión de la organización.

EJEMPLO #2. Incorporación de clientes en el sector Banca.

El sector bancario también se ha beneficiado mucho después de la adopción de la tecnología de automatización inteligente. En la actualidad, los bancos están aprovechando activamente la tecnología IPA para clasificar y extraer información no estructurada de los documentos de incorporación de los clientes, para hacerlos útiles para el sistema de gestión del banco. Esto implica una mayor satisfacción del cliente y una mayor rapidez en la generación de ingresos para el banco.

EJEMPLO #3. Automatización del procesamiento comercial en la gestión de inversiones.

En el caso de la gestión de inversiones, IPA puede ser de gran ayuda. A menudo se ve que la compañía de inversión recibe la información de procesamiento comercial a través de correos electrónicos y en formatos PDF. En tal caso, extraer la información vital y relevante se convierte en una tarea tediosa. Sin embargo, ese no es el caso de la API. Mientras utiliza la tecnología de automatización inteligente, puede extraer sin problemas los datos relevantes del contenido no estructurado e incluso puede integrar esos datos con sistemas de gestión de inversiones. Todo eso elimina el tiempo extra que de otro modo se habría perdido en el procesamiento manual de los datos.

Ahora que ya te has hecho a la idea de qué es IPA o la automatización inteligente de procesos, vamos a ver de qué manera puedes comenzar a implantarla en tu compañía para poder sacarle el mayor de los provechos.

Cómo comenzar a utilizar un sistema de automatización inteligente de procesos o IPA

Poner en marcha IPA no requiere de una fuerte inversión en infraestructura estratosférica. Por ejemplo, implantar un RPA no es demasiado costoso, ya que utiliza los sistemas y el back-end existentes de IT de tu compañía, ofreciendo rápidamente un retorno.

Una buena manera de comenzar a poner en marcha estos procesos, podría ser esta:

#1. Alinear rápidamente API con el modelo operativo.

Lo primero que hay que hacer, sin duda, es que la aplicación vaya en la misma dirección que la estrategia general de la compañía. Para ello, deben de compartir objetivos y recorrido para conseguirlos. En muchos casos, la API tiene un papel importante, incluso dominante, en impulsar el cambio, pero su mayor valor se obtiene cuando las empresas comprenden cómo pueden trabajar con las otras capacidades y enfoques en el modelo operativo.

#2. Diséñalo entorno a la cartera completa de soluciones IPA para maximizar el impacto.

Las organizaciones necesitan imaginar e implementar programas de optimización para maximizar el retorno de la inversión. Aunque es más fácil y rápido implementar proyectos de automatización en silos, este enfoque no es el más adecuado. Por sí mismas, las tecnologías individuales son insuficientes para conseguir un valor global tal y como se busca con IPA. En cambio, para transformar la forma en que trabaja un grupo, se requiere un rediseño fundamental del proceso.

Por tanto, se debería de crear una hoja de ruta detallada para la implementación, a fin de identificar todas las oportunidades de mejora de la automatización y permitir a la empresa secuenciar las iniciativas de IPA, equilibrando su impacto con la viabilidad de escalar las soluciones desde los casos de uso iniciales.

Se debería de comenzar el viaje de IPA creando rápidamente una descripción general de las tareas actuales y los recursos y capacidades necesarios para llevarlas a cabo. Luego, implementar un equipo de incubadoras con experiencia para rediseñar procesos y flujos de trabajo grupales basados en un conocimiento profundo de las líneas de negocio y las capacidades de IPA.

#3. Construye un producto mínimo viable (MVP) rápido.

Normalmente es bastante abrumador comenzar a trabajar directamente con todo lo que te ofrece IPA. Al igual que con otros esfuerzos de digitalización, es mejor seleccionar, teniendo en cuenta la velocidad y el impacto, un proceso de extremo a extremo o el recorrido del cliente para rediseñar y mejorar con IPA, y luego trabajar para lanzar la versión más simplificada del producto que puede realizar la tarea. De esta manera, puedes probar rápidamente qué funciona y qué no y hacer los cambios correspondientes.

#4. Genera impulso y captura valor.

Cualquier implementación de IPA debe combinar ganancias rápidas con desarrollos más grandes a más largo plazo. La hoja de ruta detallada debe basarse en un rediseño de procesos fundamentales que secuencia los módulos automatizados para la producción y reinventa la forma en que los grupos deben trabajar para capturar valor.

#5. Incorpora capacidades duraderas para lograr la sostenibilidad.

Una forma exitosa de sostener la creación de valor es creando un centro de excelencia (CoE) para gobernar la transformación y respaldar la implementación rápida de soluciones IPA a través del desarrollo de capacidades, certificación y estándares, administración de proveedores y la creación de una biblioteca de patrones de soluciones reutilizables.

Deben existir controles sistemáticos y las organizaciones deben integrar el análisis empresarial crítico y las habilidades digitales en las líneas de negocio, para que puedan apropiarse del proceso. También necesitan rediseñar las estructuras organizacionales para capturar valor, establecer un modelo operativo de estado futuro, para escalar sus iniciativas de IPA, crear planos para estructuras futuras, y capturar así el impacto.

De este modo, los procesos liberarán a los equipos para que se centren en actividades más creativas.

Es fundamental involucrar a la empresa y a los equipos funcionales en el proceso. La forma más exitosa de desarrollar capacidades IPA duraderas es a través de un enfoque de aprendizaje práctico que combina entrenamiento, capacitación en el trabajo e intercambio de conocimientos.

#6. Coordina cuidadosamente la gestión del cambio y las comunicaciones.

Como en cualquier gran programa de transformación, se requerirá un plan de comunicación sólido para ayudar a administrar la redistribución, generar entusiasmo y alinear el cambio con la estrategia corporativa. El éxito en el establecimiento del nuevo modelo de ejecución dependerá de qué tan alineado esté con la cultura de la organización y cómo de bien las personas son capaces de adaptarse a las prácticas ágiles.

Como ves, la automatización inteligente de procesos puede ofrecer muchos beneficios a cualquier compañía, sin embargo, es una tarea difícil de llevar a cabo de manera interna. ¿Hablamos?

Emilio Fernández Lastra

“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?

+34 916 404 150

Política de Calidad y Seguridad - Política de Privacidad y Cookies

Cómo elegir las herramientas de datos adecuadas: 5 pasos.

por Emilio Fernández Lastra | Oct 7, 2020 | IPS

Cómo elegir las herramientas de datos adecuadas: 5 pasos.

La tecnología es útil hoy día en multitud de áreas, entre ellas en la del dato, a través de la cual podemos manejar esa gran cantidad de información. Algo que sin ella sería totalmente imposible. Todas las empresas son conscientes de la importancia que tienen esos datos para poder ser negocios más precisos y eficientes, y por tanto, son también conscientes de lo crítico que es la elección de la tecnología adecuada para conseguir el éxito. En este post te cuento cómo elegir esas herramientas de datos, a través de 5 pasos. ¿Vamos a ello?

El aumento en el uso de la inteligencia artificial (IA) está trayendo una nueva ola de datos a las empresas, de volúmenes extremadamente grandes. Todos estos datos son muy útiles para los negocios, pero muchas compañías no saben cómo interpretar o analizar cantidades tan grandes de información.

El uso y la gestión eficaz de los datos, así como el análisis, son fundamentales para mantener a las empresas activas hasta el 2025, según un informe de NTT Data y Oxford Economics. La mayoría de los 500 ejecutivos encuestados estuvieron de acuerdo en que los datos eran necesarios para el desempeño financiero, el crecimiento, la experiencia del cliente, la experiencia del empleado y la competitividad general en la industria de una organización, según el informe.

Uno de los mayores desafíos en el análisis de datos, sin embargo, es averiguar qué herramientas analíticas utilizar. Y es que, a medida que se lanzan nuevas herramientas analíticas, las empresas tienen mayores dificultades para decidir cuál es la mejor opción para ellos. Además, hay que tener en cuenta que es muy importante que todos los equipos de una empresa usen las mismas herramientas de datos. Otro factor fundamental, es la supervisión de esas herramientas. Sin ninguna supervisión o estandarización en las herramientas analíticas, las empresas se desarticularían y los datos no se utilizarían. Por tanto, introduce la supervisión del uso de las herramientas de datos, una vez implantadas. Algo que muy pocas compañías ponen en práctica hoy día.

Muchas veces caemos en el error de centrarnos en la materia prima, es decir, el dato. Buscamos fuentes de datos, lugares donde almacenarlos, gestionarlos…, pero perdemos de vista la tecnología que pueda transformar esa materia prima en algo de valor. En este caso, transformar el dato y la información, en conocimiento para las personas.

Es en este espacio en donde la tecnología cobra importancia, siendo un medio para facilitar a los expertos en analítica, su proceso hasta convertir esa información en un verdadero activo de valor de negocio para la compañía.

Pero la dificultad también llega a la hora de poder decidir la herramienta más adecuada para unas necesidades concretas, una industria exacta o una compañía con unas especificaciones “x”. Es por eso lo importante que es crear una metodología acertada que te ayude a seleccionar de manera exitosa la herramienta más adecuada.

Estos pasos que te presento no son invención mía, ni invención de artyco. Son una metodología desarrollada por dos expertos norteamericanos llamados Levy y Wells, quienes se reunieron con un gran número de líderes empresariales, a los que les preguntaron acerca de sus necesidades de negocio. Tras ello, les llevó un tiempo crear un proceso que los ejecutivos pudieran entender, con datos empíricos para respaldar estas decisiones. Ambos querían crear una metodología que se pudiera utilizar en varias situaciones diferentes, con diferentes organizaciones, para diferentes propósitos. Y surgió esto.

Los 5 pasos para elegir las herramientas de análisis de datos adecuadas de Levy y Wells.

Levy y Wells dedicaron muchas horas, entrevistas y prototipos hasta que crearon estos cinco pasos. Fundamentales para poder decidir con éxito un elemento tan crítico para una empresa como es la herramienta de análisis de datos que aportará conocimiento a los científicos de datos a la hora de sacar conclusiones. Los 5 pasos son estos:

#1. Investigación y descubrimiento

Antes de nada, se debe determinar el estado actual de la implementación de herramientas analíticas y las capacidades analíticas dentro de la empresa. Para hacerlo, se deben realizar entrevistas en profundidad con las partes interesadas clave, incluidos los desarrolladores de Business Intelligence, los administradores y los ejecutivos de IT. Esencialmente, se debe entrevistar a las personas que usarán y se beneficiarán de las herramientas analíticas.

Estas entrevistas, ayudan a comprender los detalles de quiénes usan esas herramientas, qué están usando, cuáles son las que utilizan en ese momento para desarrollar su trabajo, qué no les permiten hacer esas herramientas de datos y si están siendo utilizadas correctamente. ¿Se están utilizando estas herramientas al máximo de sus capacidades? ¿Tienen los conocimientos internos necesarios para aprovechar al máximo su cartera de software?

2. Panorama del estado actual

El segundo paso implica hacer un inventario de las herramientas analíticas actuales del mercado y separarlas en diferentes clases. Estas clases de herramientas incluyen redactores de informes, herramientas de informes de capa semántica, herramientas de consulta MDX / Cube, herramientas de visualización y descubrimiento de datos, herramientas de informes y BI integradas, herramientas de modelado y ciencia de datos, así como herramientas basadas en casos de uso de aprendizaje automático e inteligencia artificial.

¿A dónde se dirige la próxima ola? ¿Cómo es el panorama en términos de los diversos proveedores y las herramientas de datos que ofrecen? Y según las necesidades que encontraste en el primer paso, vas detectando qué herramienta podría funcionar.

3. Árbol de capacidades

El tercer paso utiliza un árbol de capacidades para comparar los resultados del paso uno y el paso dos, de modo que se mira las clasificaciones del inventario actual de la empresa con el inventario del mercado en general.

El árbol de capacidades es útil porque las empresas pueden ver las áreas en las que les está yendo bien o en las que tienen carencias, según las herramientas de datos que son importantes en el mercado.

4. Matriz de decisiones

La matriz de decisión es dónde para cada una de estas clases o conjuntos de herramientas, o si se está haciendo una selección de proveedor específico, para cada uno de estos proveedores, se ingresa y se califica las diversas capacidades. La puntuación se basará en las necesidades de la empresa, dando más peso a las capacidades más importantes para el negocio.

Por ejemplo, ciencia de datos. Se sabe por experiencia que una herramienta de ciencia de datos es realmente buena para la creación de algoritmos avanzados, pero quizás no tan buena para mostrar cuadros de mando. Se puede utilizar la experiencia de cada uno para calificar las distintas clases según las capacidades que se definieron.

5. Herramienta de decisión

Finalmente, la empresa utiliza una herramienta de decisión para hacer coincidir la mejor herramienta con cada capacidad empresarial.

Una herramienta de decisión es una combinación del árbol de capacidades y la matriz de decisiones, en el sentido de que se sopesa cada una de las capacidades de acuerdo con lo que es más importante para la compañía o para cualquier proyecto en particular que se esté emprendiendo. Lo que se debe de hacer es sopesar las diversas capacidades, y la herramienta de decisión debería arrojar la puntuación ponderada de todas estas capacidades, diciéndote cuál es la herramienta adecuada.

Independientemente de estos pasos, los directivos de la empresa deben dedicar mucho tiempo a estudiar su propia empresa y averiguar dónde se necesita más ayuda. Ninguna de las herramientas de datos será útil si ninguna de ellas resuelve las brechas y los problemas reales dentro de la organización.
En artyco disponemos de un equipo de profesionales expertos en MarTech y aplicaciones para Business Intelligence, el cual recogemos en lo que denominamos como IPS (Infrastructure, Platform & Software), abordando las necesidades de nuestros clientes en cuanto a gestión y analítica de datos, de cara a implantarles la herramienta más adecuada a sus necesidades. ¿Hablamos?

Emilio Fernández Lastra

“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?

+34 916 404 150

Política de Calidad y Seguridad - Política de Privacidad y Cookies