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

¿Big Data sin ser Data Driven? Para qué…

por | May 4, 2021 | DMG

¿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

Únete

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad - Política de Privacidad y Cookies

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad

Política de Privacidad y Cookies

El comercio minorista del futuro pasa por la Data y la Tecnología

El comercio minorista del futuro pasa por la Data y la Tecnología

por | Mar 11, 2020 | Big Data

Data y Tecnología. El futuro del comercio minorista

Los datos están revolucionando el mundo empresarial, propiciado por un avance tecnológico sin precedentes. Ya son muchos los sectores que están comenzando a trabajar con ellos, obteniendo como consecuencia, un mayor conocimiento de sus clientes y el lanzamiento de acciones más personalizadas y por tanto, más eficaces. El comercio minorista está viviendo un momento muy especial, originado por ese cambio de hábitos de compra protagonizados por generaciones como la milenial y la Z, la cual les está obligando a reformular su negocio. Sin embargo, ¿por qué no aprovecharse precisamente de los datos que son capaces de recoger, así como de la tecnología existente? En este post intento ponerte en situación para que, si te dedicas a este sector y aún no te has puesto manos a la obra, lo hagas cuanto antes. ¿Comenzamos?

Tras el crecimiento del comercio online, y el cierre de aquellas tiendas que no han sabido o podido adaptarse a las nuevas exigencias del consumidor, llega un estado de O2O bidireccional, es decir, el paso de tiendas online al offline y al revés.

Esta estrategia no es otra que poner al alcance del consumidor su oferta, pero a través de diferentes canales, eligiendo este el que más le convenga en el momento de hacer la compra.

Ante este hecho, el comercio minorista tradicional, necesita “ponerse las pilas” y la tecnología podría ayudarle a dar un impulso importante.

Según los últimos estudios, aproximadamente el 82% de los consumidores afirma haber comprado de manera online en los últimos 3 meses, utilizando sus smartphones para buscar información sobre la compra.

Las generaciones más jóvenes, del mismo modo, afirman que prefieren la experiencia de compra online a la física, sobre todo porque con esta primera evitan colas y aglomeraciones de gente, evitando las tiendas siempre que puedan.

Leyendo esto, puedes pensar que el comercio minorista tiene los días contados, sin embargo, nada más lejos de la realidad, ya que los datos nos dicen que se abren más tiendas de las que se cierran.

En Estados Unidos, por ejemplo, se prevé que para el 2023 el comercio online sólo representará el 21% de las ventas totales, siendo sólo un 5% de estas para bienes comestibles. Estos datos vienen a reforzar la idea de que el futuro del retail estará en aquellos negocios que sepan crear verdaderas estrategias omnicanales – “Qué es una estrategia omnicanal”.

Pero esta estrategia omnicanal no es tan sencilla de llevar a cabo, ya que para ello se hace necesario el uso adecuado de tecnología emergente, así como la recogida y procesamiento de datos que ayuden a los comercios a conocer mejor a sus clientes y así poder ofrecerles una experiencia de compra CX acorde con sus expectativas.

La recompensa para aquellos comercios minoristas que sepan hacer esto, puede ser significativa. Piensa que el 83% de los clientes dicen que desean que su experiencia de compra sea personalizada de alguna manera, y según diversas investigaciones, la personalización efectiva puede aumentar los ingresos de la tienda entre un 20 y un 30%.

Entre las tecnologías de las cuales se puede sacar partido desde ya, estarían el machine learning y las técnicas de análisis de Big Data. Estas, pueden ayudar hoy, a cualquier comercio minorista, a procesar las grandes cantidades de datos de clientes que ya acumulan.

Por otro lado, los robots y los sistemas de automatización se están mudando de las fábricas a los almacenes y centros de distribución. El Internet de las Cosas (IoT) permite rastrear los productos a través de cajas o en estantes, con precisión milimétrica.

Por todo esto, podemos decir que, ahora es un buen momento para que los minoristas acepten el desafío de reunir tecnología y datos en el mundo offline.

 

La evolución del customer journey en el Retail

Journey comercio minorista del futuro

No hay duda de que, al final, esta tecnología va a provocar una evolución del journey del consumidor tradicional, ya que la aparición de estas nuevas tecnologías provoca a su vez, un cambio en la experiencia de compra.

Imaginemos el journey de la tienda del futuro.

En esta tienda del futuro, cualquier consumidor al llegar se le reconocería al instante. La tienda, a través de un sistema específico, alertaría de la presencia del cliente. Esto lo haría, bien cuando su teléfono inteligente se conectara al WiFi gratuito, bien a través de una tecnología de reconocimiento facial, si el punto de venta lo tuviera, o bien a través de otra tecnología similar.

El consumidor, aceptaría sesión a través de su dispositivo móvil (Smarthphone, Smartwatch…), y el establecimiento accedería a la lista de la compra creada previamente por el consumidor. Esta lista, la construiría el cliente tranquilamente desde su domicilio el día anterior, a través del escaneo de artículos.

Una vez dentro del establecimiento, al comenzar a pasear por los pasillos de la tienda, se irían iluminando las pantallas de las estanterías inteligentes, mostrando los artículos que corresponden con esa lista de la compra, así como productos en promoción u ofertas que puedan resultar como consecuencia de las preferencias del consumidor. Además, destacaría productos que ha comprado de manera regular en otras circunstancias, así como complementarios de estos.

Imagina que el consumidor se siente tentado por alguna promoción personalizada que le ha aparecido en su teléfono al acercarse por el pasillo. Este, podría compararlo con su compra habitual. Para ello, escanea con su móvil los productos correspondientes, y gracias a la realidad aumentada descubriría toda la información de cada uno de ellos, de una manera atractiva y amplia. Gracias a ella, se decantaría por uno de ellos en concreto y lo metería en su carro de la compra.

Con el carro ya lleno, el consumidor saldría de la tienda, no siendo necesario verificar nada, ya que los escáneres RFID y los sistemas de visión artificial ya han identificado cada artículo que metió en la bolsa, así como su tarjeta de crédito, la cual tienen guardada en los archivos del comercio minorista, cargándose automáticamente al pasar por la puerta.

Sin embargo, la experiencia de cliente no será la única que se verá alterada con los avances tecnológicos y de análisis de datos. Los empleados son otros de los que notarán un profundo cambio en su trabajo. Vamos a verlo.

 

La evolución del employee journey en el comercio minorista

Futuro del empleado comercio minorista

La tecnología no solo reconfigurará la experiencia del cliente en las tiendas del mañana: trabajar en el comercio minorista también será muy diferente.

Una de las grandes novedades, podría ser la autoselección de horario, turnos… a través de una aplicación móvil del empleado del comercio minorista en cuestión. A través de esta, por ejemplo, cualquier empleado podría seleccionar con una semana de antelación, qué turnos le interesaría más cubrir, incluso, ganar primas al ofrecerse como voluntario para turnos difíciles de llenar. Del mismo modo, el empleado podría intercambiar turnos si tuviera la necesidad a través de dicha aplicación.

Una vez el empleado tiene seleccionado y claro sus turnos de trabajo, es hora de ponerse manos a la obra. Uno de los principales y fundamentales trabajos en todo reatil es mantener siempre a punto los lineales del establecimiento. Gracias a tecnología de monitorización basada en sensores, el empleado sabe en todo momento el estado de las existencias en los estantes de la tienda. A través del machine learning, se planificaría el cronograma de reabastecimiento, y los artículos serían entregados o retirados por carros robot que se deslizan silenciosamente y con seguridad por la tienda.

De este modo y gracias a la tecnología, los empleados podrían dedicar la mayor parte de su tiempo a interactuar con los clientes ofreciendo consejos sobre nuevos productos y formas de uso, o respondiendo sus preguntas.

Para hacer más personal el trato con el cliente, el empleado dispondría de un terminal portátil el cual le permitiría acceder a las preferencias del cliente, así como sus hábitos de compra. Además, podrá acceder en tiempo real al nivel de stock y ubicación de un producto concreto. De este modo, ofrecería una experiencia mucho más satisfactoria.

Por otro lado, esta tecnología permitiría a los responsables de tienda, dedicar mucho más tiempo a planificar acciones promocionales y ajustar ofertas en colaboración con otros colegas de otros puntos de venta. Además, algunos trabajos que les llevaban mucho tiempo como la creación de informes asociados, ahora saldrían de manera automatizada mediante herramientas de inteligencia artificial.

Del mismo modo, el responsable de tienda tendría un aviso de alerta automatizado en su dispositivo móvil cuando una situación necesitara de atención en tiempo real. Por ejemplo, que una promoción estuviera funcionando peor que en el resto de las tiendas. Todo esto implica que el responsable de tienda podría concentrar sus esfuerzos en mejoras de rendimiento y servicio. Mucho más valioso para la firma que las tediosas labores habituales de hoy día.

Por último, una de las grandes ventajas que tendrán aquellos establecimientos que abracen a tiempo la tecnología y los datos, está en poder lanzar promociones, ‘sabiendo’ qué pasará con ellas, gracias a haberlas probado con anterioridad a través de realidad virtual, y haber utilizado un gemelo digital interactivo de la tienda.

Sin embargo, los cambios no quedan sólo en el cliente y el empleado. También se verán importantes avances y modificaciones al nivel de finanzas. ¿Quieres saber de qué te hablo? Pues vamos a por ello.

 

La evolución al nivel financiero en el Retail

Futuro comercio minorista ventas

Otro aspecto que variará y evolucionará de manera significativa en el sector retail es todo lo relacionado con la cuenta de resultados.

Las ofertas personalizadas y los surtidos optimizados probablemente aumentarán las ventas y reducirán el desperdicio. Del mismo modo, las oportunidades de aumentar las ventas y la venta cruzada, ya sea de forma automática o en persona a través de los empleados, aumentarían el tamaño de las cestas de la compra, y a su vez, las tasas de conversión.

El perfil de los empleados en el comercio minorista también cambiará. Los trabajadores tendrán que estar más cualificados y más próximos a las nuevas tecnologías, y por tanto, esperarán ganar más, lo que elevará sueldos en aproximadamente un 20%. Sin embargo, es probable que los salarios totales disminuyan, ya que la automatización y la tecnología ayudarían a cambiar el equilibrio del gasto laboral hacia un trabajo con valor agregado y orientado al cliente, mucho más eficaz.

Consultoras como McKinsey, estiman que la Tienda del Futuro logrará márgenes el doble superiores a los actuales, con los beneficios adicionales de una mejor experiencia del cliente, una mejor participación de los empleados y una tienda más fácil de manejar.

 

Este tipo de comercio minorista está en su fase inicial. Sin embargo, toda la tecnología que he descrito está accesible hoy día para cualquier retail. Los líderes minoristas deben actuar ahora para preparar a sus organizaciones para una revolución tecnológica en la experiencia y eficiencia del cliente, como he comentado a lo largo de todo este post, a través de la tecnología, pero también de los datos y su análisis.

Desde artyco tenemos los mejores profesionales, expertos en gestión del dato y transformación de este en conocimiento y valor de negocio. Además, contamos con un equipo de IT capaz de integrar cualquier tecnología a las necesidades de información de cualquier Retail. ¿Quieres que te ayudemos?

 

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

Únete

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad - Política de Privacidad y Cookies

© Artyco comunicación y servicios - Todos los derechos reservados

Política de Calidad y Seguridad

Política de Privacidad y Cookies

Big Data y automoción: un matrimonio de conveniencia.

Big Data y automoción: un matrimonio de conveniencia.

por | Ene 30, 2019 | Big Data

Según un informe de McKinsey, de hace ya tiempo, en el año 2030 los coches conectados podrían generar un negocio cercano a los 750.000 millones de dólares. En su día no entusiasmó a todos los fabricantes por igual, sin embargo, la tecnología ha evolucionado, el coche conectado es una realidad, y el uso y tratamiento de altas cantidades de datos es ahora posible gracias a esa evolución tecnológica, propiciando nuevos negocios. Ya son muchas las marcas que están utilizando el Big Data para su negocio, como para, por ejemplo, acercar más a los gustos reales de las personas, las configuraciones de los nuevos modelos. ¿Quieres saber cómo se puede utilizar el Big Data en un sector tan complejo como el de la automoción? Aquí te lo cuento.

Ya no tenemos dudas de que los vehículos se van a convertir en los próximos años, en grandes contenedores de datos. La información que recogerán, almacenarán y enviarán, además, no será nada despreciable, ya que servirá, por ejemplo, no sólo para evitar y reducir la siniestralidad de los vehículos, sino también para crear diferentes tipologías de los conductores en función de determinados patrones de conducta en su día a día como conductores. Esta información, será utilizada por la marca o por terceros, para ofrecer a dichos usuarios, productos o servicios nuevos o más personalizados.

El coche conectado generará millones de datos, pero hay otras muchas fuentes que harán crecer y crecer esa base de datos. Esta gran cantidad de información sería inútil para cualquiera, si no fuera por las tecnologías de Big Data y los expertos en tecnología que ayudan a clasificar, extraer y analizar esos grandísimos volúmenes de información. ¡Y muchos de ellos en tiempo real!

Como entenderás, el coche conectado interesa y mucho al sector de la automoción, sin embargo, se enfrentarán a un importante reto, ya que “las marcas están acostumbradas a ciclos de producción de siete años, a tener un control sobre toda la cadena de valor y a tener poca interacción con el cliente final. Además, suelen entregar productos y servicios con capacidades digitales limitadas”, según dice McKinsey en su informe.

Para solucionar todo ello, el Big Data puede ser un poderoso aliado. Antes de continuar, hablemos de lo que es el Big Data y cuáles son sus usos y aplicaciones. Breve y directo. Allá va.

 

Big Data: usos y aplicaciones

Usos y aplicaciones del Big Data en Automoción

Big Data es el conjunto de datos, tanto estructurados como no estructurados, y la combinación del conjunto de estos, cuyo volumen, complejidad y velocidad de crecimiento dificultan no sólo su procesamiento, sino también su almacenamiento y su recogida. Para hacer esto de manera eficaz, se hace imprescindible disponer de tecnología específica diseñada para ello.

Entre los ejemplos de uso del Big Data más conocidos, podríamos citar la optimización de la distribución, el establecimiento de políticas de precios, el análisis de riesgo, la detección de fraude, o el análisis de campañas y retención de clientes. Sin embargo, todo esto va mucho más allá.

Gracias al Big Data y toda la gran cantidad de datos de la que se puede disponer, es posible crear modelos predictivos, de por ejemplo catástrofes como tsunamis, o modelos para otras más habituales, como la predicción de congestiones de tráfico.

En el caso de Big Data y automoción, este puede ayudar a las marcas a comparar los modelos actuales con los anteriores similares, así como los diferentes colores, complementos, etc. Esta información se puede cruzar con las ventas de los concesionarios por zonas geográficas, tanto al nivel nacional como internacional. Para continuar, deberíamos incluir el análisis de la evolución de esas ventas, con el fin de determinar qué tipo de vehículos, de qué características y con qué complementos se venden más en unos sitios u otros y así asignar la comunicación y la logística, así como la estrategia comercial en función de ello. Este simple ejemplo, sólo se podría llevar a cabo a través del Big Data.

Sin embargo, el Big Data puede tener otras muchas aplicaciones, basadas en otras variables más complejas como pueden ser la conducta de los consumidores. Dos de los usos más importantes respecto a esto serían para:

  • La detección y prevención del fraude.
  • La creación de modelos predictivos relacionados con el abandono de clientes.

Para trabajar sobre ellas, es necesario manejar un alto nivel de datos no estructurados, los cuales sólo se pueden controlar a través de tecnología de Big Data.

Ahora que ya nos podemos hacer una idea de qué es y qué nos puede aportar, vamos a centrarnos más en el sector que nos ocupa: el de la automoción.

 

El Big Data en el sector de la automoción

Usos del Big Data en Automoción

Está claro que las nuevas tecnologías han propiciado y ayudado a la recogida de datos. La implantación de robots y sistemas digitalizados, a su vez, han potenciado también la posibilidad de obtener más información, más precisa y en tiempo real, creando ese entorno de Big Data del que estamos hablando.

El sector del automóvil, además, por sus características no es sólo una industria más que se podrá aprovechar del Big Data, sino que es una industria que puede ser referente en cuanto a la explotación y aprovechamiento de esta información.

Entre las principales aplicaciones de uso del Big Data y automoción, destacan los siguientes:

 

#1. En el proceso industrial.

El proceso industrial en la automoción ha alcanzado unos niveles óptimos de automatización, los cuales son la antesala del almacenamiento de datos, no solo por su inmenso volumen, sino por la capacidad para integrar conocimiento de modo fiable y sistemático. Los robots de las plantas de montaje llevan años almacenando datos relacionados con el control de calidad y utilizando el Big Data para prever la durabilidad de las distintas piezas que componen el automóvil. Según el Instituto Fraunhofer IFA, la industria automovilística podría ahorrar hasta un 20% de sus costes de mantenimiento si utilizara modelos predictivos para anticipar el desgaste de las piezas.

 

#2. En el proceso de diseño de nuevos modelos.

Internet es uno de los grandes generadores de datos, y los medios sociales la gran fuente inacabable de datos no estructurados. Sabiendo recoger la información plasmada por los consumidores en dichos medios, almacenándola y sabiéndola analizar, a través de sistemas de Big Data, se podría ordenar correctamente dicha información de manera que sea útil para poder determinar a través de modelos predictivos que utilicen dicha información, qué acabados se venderían más, qué complementos demanda más el usuario, qué tipo de vehículo puede ser el más vendido, en función del segmento, etc.

 

#3. En el proceso de fidelización de clientes.

En esta fase Big Data y automoción tienen mucho que ver, ya que gestionando grandes cantidades de información relacionadas con nuestros clientes, y cruzándola con información geográfica, social, de estilo de vida o incluso emocional, podemos crear modelos que nos ayuden a conocer en qué momento cambiará de vehículo y cuál es el tipo de coche más probable que busque, incluso de qué color y características, con el objetivo de anticiparnos a ello y lanzarle al usuario una comunicación que haga que se plantee repetir con nuestra marca.

 

#4. En el servicio posventa.

Todos somos conscientes de que cuanto más conoces a tu cliente, más posibilidades tienes de satisfacerle. En este caso, la tecnología aplicada a la economía de servicios puede dar un importante salto hacia una experiencia positiva, gracias al conocimiento preciso de las exigencias de los consumidores. Además, gracias al Big Data se podrá prever los fallos del coche, ya que este permanecerá conectado con el taller, pudiendo concertar una cita, incluso antes de que ocurra dicho fallo, ayudando a reducir significativamente la siniestralidad.

 

#5. En la creación de nuevos servicios.

Los coches conectados, así como los coches autónomos propiciarán un aumento en el número de datos. Se estima que los vehículos conectados podrían emitir cerca de 5 TB en datos en una sola hora, según Automotive World. Esa cantidad de información va a propiciar su utilización no sólo por las marcas, sino también por terceros, llegando a decirse que un usuario acabará consumiendo un servicio en lugar de un coche.

Por ejemplo, los seguros de coche se aprovecharían de toda esta data de cara a ofrecer un producto personalizado a cada conductor en función de su estilo de conducción. Todos estos datos serían lógicamente recogidos por el vehículo.

Lo cierto es que está más cerca de lo que pensamos. Se estima que para el 2020 el 90% de los coches serán conectados. En este sentido, la marca Tesla ya está creando alianzas estratégicas con empresas como Telefónica, con el fin de poder gestionar toda esta información. Otras, sin embargo, lo que han hecho es inscribirse a la CNMC (Comisión Nacional de los Mercados y la Competencia) con el objetivo de poder prestar, en este sentido, servicios telemáticos en España. En lo relativo a todo este tema, tendremos que ver cómo evoluciona paralelamente el marco legal relacionado con la protección de datos, y el nuevo reglamento e-privacy. Este no es otra cosa que una nueva propuesta que ha sido impulsada por los organismos europeos y que tiene por objeto, proteger el contenido de las comunicaciones electrónicas y por lo tanto de la privacidad en Internet.

 

Como conclusión, podemos apuntar que los usuarios cada vez dejamos más rastros de todo lo que hacemos en forma de datos. Por dónde navegamos, qué nos interesa, qué nos gusta hacer en nuestro tiempo libre, qué grado de emotividad tenemos, además de los clásicos datos socio demográficos y de clase social. A todo ello, en un corto plazo uniremos datos sobre estilo de conducción, cuánto solemos tardar en llegar al trabajo, por qué gasolineras pasamos habitualmente, o por qué centros comerciales, así como otra mucha información más.

Como decía el famoso claim de la marca Pirelli, “La potencia sin control no sirve de nada”, y es que en el mundo de los datos, la cantidad de datos no sirven de nada, si no tenemos una tecnología de Big Data con la que sacarle provecho.

Hoy día el reto es precisamente este, disponer de la tecnología, que la hay, de los profesionales y expertos en data que puedan trabajarla, que los hay, de los algoritmos y métodos que permitan analizar los datos, que los hay, y las ganas de sacar provecho de verdad del Big Data en la industria del automóvil, lo cual creo que está comenzando a haberlo.

En Artyco llevamos dos décadas trabajando para Mercedes Benz España, más de 12 años para FCA, así como muchos años para el retail de Renault en España. Todos y cada uno de nuestros clientes saben de la importancia de esos datos para su negocio, y nosotros se lo reafirmamos día a día con nuestro trabajo. ¿Hablamos?

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

Data Warehouse y Data Lake. Qué son y para qué sirven

Data Warehouse y Data Lake. Qué son y para qué sirven

por | Oct 10, 2018 | Big Data

Internet y las nuevas tecnologías han provocado el acceso y el almacenamiento desmesurado de información de los clientes y potenciales. Las empresas son cada vez más conscientes de la importancia que tienen esos datos para conocer mejor a los usuarios y así poder ofrecerles aquello que realmente piden, y no lo que nosotros pensamos que necesitan. Esto es lo que se llama, aplicar estrategias customer centric. Para ello se necesita gestionar altos volúmenes de datos, tanto en tiempo real como organizados. Para ello, no hay nada mejor que un Data Warehouse o un Data Lake. Si no sabes exactamente en qué consisten, no te preocupes, en este post te cuento de una manera sencilla, qué son, para qué sirven y las principales ventajas, ¿vamos a por ello?

El término de Data Warehouse fue acuñado por Bill Inmon, traduciéndose literalmente como Almacén de Datos. Sin embargo, si fuera meramente un almacén de datos, no solucionaría el principal problema por el que se creó, estructurar de una manera lógica la información, con el objetivo de poder construir consultas que aporten información de valor al analista de datos.

Según lo definió el propio Bill Inmon, el Data Warehouse se compone de las siguientes características:

  • Los datos almacenados en el Data Warehouse deben integrarse en una estructura consistente. La información, además, debe estructurarse en diferentes niveles, adecuándose a las necesidades de cada uno de los usuarios.
  • Los datos se deben de organizar por temas para facilitar su acceso y entendimiento por parte de los usuarios. Por ejemplo, todos los datos sobre ventas, deben de estar almacenados en el mismo sitio, de tal modo que al realizar la consulta sobre ventas, sea más sencillo.
  • Los datos suelen representar una situación en un momento presente, sin embargo, el Data Warehouse debe de cargarse con los distintos valores que toma una variable en el tiempo para permitir analizar las tendencias y crear un histórico.
  • La información que se almacena en un Data Warehouse es permanente y no debe ser modificada. Se deben de incorporar nuevos valores de las mismas variables, sin realizar ninguna acción sobre las ya existentes. De este modo podemos sacar conclusiones.

Sin embargo, el objetivo último del Data Warehouse, no es otro que facilitar el procesamiento de datos, con el fin de analizar dicha información desde diferentes puntos de vista y a gran velocidad.

Para ello, es fundamental poder realizar un análisis multidimensional. De este modo, si queremos conocer el número de ventas del modelo de zapatillas X, color azul, de la tienda de la calle Real, en La Coruña, del año 2016 al año 2018, disponiendo de un Data Warehouse, el proceso es sencillo, ya que previamente hemos realizado una jerarquización de la información y creado diferentes dimensiones.

Otra característica importante del Data Warehouse, son los metadatos, ¿qué es esto? Muy sencillo. Imagínate que tienes una serie de datos almacenados, pero no sabes de dónde proceden, cuándo se incluyeron, su fiabilidad, la forma de calcularlos… Con los metadatos tienes toda esa información. Estos metadatos son también los responsables de que se puedan construir consultas, informes o análisis.

Ahora que sabes qué es un Data Warehouse, vamos a ver cuáles son sus principales ventajas.

 

Principales ventajas del uso de un Data Warehouse

Ventajas del Data Warehouse

Estas son las principales ventajas que se pueden encontrar en la implantación de un Data Warehouse en el proceso de gestión del dato en tu negocio:

  • Facilita la toma de decisiones basadas en datos, en cualquier área funcional de la empresa, ya que te proporciona información integrada y global del negocio.
  • La información se convierte en un valor añadido para cualquier negocio, gracias a que permite aplicar técnicas estadísticas de análisis y modelización que ayudan a encontrar relaciones ocultas entre los datos almacenados.
  • Te permite de manera sencilla aprender de los datos del pasado y predecir situaciones futuras para diferentes escenarios.
  • Simplifica la implantación de sistemas de gestión integral de la relación con el cliente, dentro de la empresa.
  • Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión espectaculares.
  • Es un sistema especialmente útil para el medio y el largo plazo.
  • Aumenta la productividad de las empresas de manera muy sustancial.
  • Te permite realizar planes de una manera mucho más efectiva.
  • Permite la integración de todas las herramientas corporativas. Por ejemplo, nosotros en Artyco integramos toda la información que recogemos a través de todas nuestras aplicaciones (monitorización web, crm, wifi tracking, campañas…) en un Data Warehouse, de donde sacar la información necesaria ante consultas determinadas.
  • Para trabajar de manera correcta un Data Warehouse, es preciso que todos los componentes de la organización hablen el mismo lenguaje, es decir, que todos llamen a las cosas por su nombre. De este modo, gracias al Data Warehouse se pueden unificar conceptos.

 

Qué es un Data Lake y para qué sirve

Que es un data lake

Un Data Lake no es otra cosa que un gran almacén de datos en bruto, los cuales se mantienen tal cual han llegado, y hasta que se necesitan para su uso. La principal diferencia con el Data Warehouse, está en la jerarquía y el almacenamiento de los datos en ficheros y carpetas que utiliza este, frente a la arquitectura plana del Data Lake. Podríamos decir que el Data Lake se nutre de Big Data y datos en tiempo real, tanto estructurados como no estructurados, en una amalgama plana, sobre la cual puedes recoger aquella información que necesites.

Las principales características de un Data Lake son estas:

  • Permite una fácil y rápida búsqueda de datos. El Data Lake está asociado al Big Data, en el sentido de que es el recipiente donde descansan todos esos datos. Al no estar organizados como en el Data Warehouse, se hace necesaria una búsqueda eficiente de la información que en este se contiene. Esta búsqueda se realiza básicamente a través de machine learning
  • Un Data Lake inteligente permite analizar eficazmente el grado de protección de la información que se guarda en los diferentes silos. Con la nueva normativa europea GDPR, esta seguridad en la privacidad de los datos se ve asegurada.
  • El Data Lake te permite ser rápido y disponer de datos en tiempo real. Además, te permite preparar y compartir rápidamente datos que son fundamentales para ofrecer analíticas competitivas.
  • Te permite guardar pasos de preparación de datos y luego reproducir rápidamente esos pasos dentro de procesos automatizados. Es decir, muchas veces los analistas repiten las mismas actividades en la preparación de datos. Con un Data Lake inteligente, puedes acceder a esos procesos y reducir tiempos y esfuerzos.

¿Vamos bien? Pues veamos cuáles son los principales beneficios que tiene el implantar un Data Lake en tu empresa.

 

Principales beneficios de un Data Lake

Ventajas de un Data Lake

Un Data Lake tiene muchas ventajas. Las más destacables son estas:

  • El Data Lake permite centralizar todos los datos en un mismo lugar, vengan de la fuente que vengan. Una vez incluidas en su silo correspondiente de información, pueden ser procesadas a través de herramientas de Big Data. Muchas veces, en esa disparidad de información, habrá datos que requieran un tratamiento especial en cuanto a seguridad. Gracias al Data Lake, este aspecto se puede solventar.
  • Puede que la fuente original del dato esté obsoleta o se haya desactivado, sin embargo, su contenido puede que siga siendo valioso para el análisis. A través del Data Lake, puedes acceder a dicha información.
  • Todo dato que llegue al Data Lake puede ser normalizado y enriquecido.
  • Los datos se preparan en función de la necesidad del momento. Esto permite reducir considerablemente los costes y los tiempos. En el Data Warehouse, por ejemplo, es necesaria dicha preparación.
  • Se puede acceder a la información y enriquecerla desde cualquier punto del planeta, por cualquier usuario autorizado por el Data Lake. Esto ayuda a la organización a recopilar más fácilmente los datos necesarios para la toma de decisiones.
  • Un Data Lake pone la información en manos de un mayor número de personas dentro de cualquier organización, aprovechándose mejor la empresa de ese conocimiento que adquieren dichos individuos.

 

Diferencias entre Data Warehouse y Data Lake

Diferencias Data Warehouse Data Lake

Podemos resumirlas en cinco grandes diferencias.

  • Un Data Lake conserva todos los datos, no sólo los que podrían utilizarse actualmente, sino también aquello que podrían necesitarse en un futuro. En frente, está el Data Warehouse que estudia muy bien qué datos incluir, cuáles son las fuentes de los datos. Además, se necesita dedicar tiempo para entender el negocio y así perfilar los datos. El Data Warehouse al final, contiene un modelo de datos altamente estructurado, diseñado para la generación de informes. El Data Lake utiliza un hardware muy diferente al del Data Warehouse. En el Data Lake, la ampliación a terabytes y petabytes es mucho más económico que en el caso del Data Warehouse. Es por eso, que en este último se mira tanto qué datos son necesarios para conservar, y cuales eliminar, ya que supone un costoso almacenamiento.
  • Un Data Lake soporta todos los tipos de datos, es decir, en este se guardan todos los datos, independientemente de la fuente y la estructura, y además, se mantienen en su forma bruta, transformándolos sólo cuando van a ser utilizados. En el Data Warehouse los datos almacenados son muchos más críticos para el negocio y la realización de informes. Por ejemplo, los datos de imágenes, comentarios en redes sociales, textos, etc, no suelen ser tenidos en cuenta, ya que, como he comentado, su almacenamiento es muy costoso.
  • Los Data Lakes son más flexibles que los Data Warehouses. Uno de los mayores problemas que presenta un Data Warehouse, está en el momento que se necesita realizar un cambio importante. Todo cambio se convierte en una tarea realmente difícil, ya que adaptar un Data Warehouse supone invertir mucho tiempo en el desarrollo de la estructura del almacén. Hoy día, las organizaciones demandan respuestas rápidas a sus preguntas comerciales, y en muchos casos, no pueden esperar a que el Data Warehouse se adapte. En cambio, el Data Lake, al almacenar todos los datos en bruto, permite el acceso de cualquier usuario para que los explote y analice en función de sus necesidades, encontrando la manera de responder a sus preguntas a su ritmo.
  • El Data Warehouse te proporciona unos resultados más limpios, estructurados y fiables. Sin embargo, en el Data Lake, al disponer de datos en bruto y sin estructurar, al hacer las consultas, usuarios no demasiado cualificados, recibirán información rápida, pero no del todo precisa, tal y como la obtendrían de un Data Warehouse. Normalmente, para usuarios de perfil Data scientist, este problema no existe en el Data Lake, ya que ellos crean sus reglas y estructuran la información para preparar sus análisis y modelos. El verdadero problema reside en el 80% del resto de usuarios, quienes simplemente buscan tener acceso a ciertos kpis diarios.

Tanto los Data Warehouses como los Data Lakes están destinados a convivir en las empresas que deseen basar sus decisiones en datos. Como habrás podido entender, ambos son complementarios, no sustitutivos, pudiendo ayudar a cualquier negocio a conocer mejor el mercado y el consumidor, de cara a poder realizar estrategias basadas en el conocimiento de estos, con comunicaciones cada vez más personalizadas, es decir, ser más customer centric.

En Artyco trabajamos con estos sistemas de cuidado, almacenamiento y análisis de datos, apoyado por desarrolladores especialistas y un equipo de data scientists y data analysts que ayudan a nuestros clientes a tomar las decisiones adecuadas. ¿Quieres que hagamos lo mismo con tu empresa?, ¿hablamos?

¿Ves que necesitas un Data Warehouse?

Ponte en contacto con nosotros y te explicaremos cómo sacar valor a toda aquella información que tienes de tus clientes y potenciales.

MAS INFORMACIÓN AHORA
Qué es el Small Data y por qué deberías empezar a utilizarlo

Qué es el Small Data y por qué deberías empezar a utilizarlo

por | Jul 11, 2018 | Customer Centric

Internet y las nuevas tecnologías han facilitado a las empresas el acceso a cantidades ingentes de información. Este hecho fue el que originó a lo que hoy conocemos como Big Data, o proceso de recolección de grandes cantidades de datos para analizarlos de manera inmediata con el fin de encontrar patrones, información útil o correlaciones. Sin embargo, las empresas se ahogan ante tanta información, en la mayoría de los casos, inabarcable. Para dar solución a esta problemática, surge el Small Data. ¿No puedes con el Big Data y crees que el Small Data puede ayudarte? Entonces sigue leyendo este post.

Nuestros perfiles sociales, la actividad que realizamos con estos, nuestro comportamiento de navegación online, información sobre las apps que utilizamos a través de nuestro Smartphone… Las empresas disponen hoy día de una gran cantidad de información sobre los usuarios, pero a la mayoría se les escapa cómo sacar provecho de dicha información para conocer mejor a sus clientes y tomar decisiones que favorezcan la experiencia de cliente con la marca.

Las empresas que están utilizando el Big Data, lo hacen precisamente para eso, para convertir el dato en información que les ayude a entender mejor el perfil de sus clientes, sus necesidades y el sentir de estos hacia sus productos y servicios. Para poder manejar esta gran cantidad de datos, las empresas llevan años valiéndose de Datawarehouses y potentes herramientas analíticas que les ayuden a manejar y analizar tan gran magnitud de datos.

Sin embargo, muchas veces nos perdemos en la gran maraña de datos y no nos focalizamos en lo realmente importante, que es utilizarlos para sacar conclusiones, así como sacar información relevante para la empresa. El Small Data es un conjunto de datos con un formato y un volumen que los hace accesibles, informativos y procesables.

Por tanto, el objetivo del Small Data es hacer entendible el Big Data, conectando, organizando y empaquetando los datos para que estén disponibles para todos los miembros de la organización, siendo fáciles de aplicar en su día a día, y se centren en la tarea en cuestión que se desea abordar.

La diferencia entre el Big Data y el Small Data está en que el primero atiende a las 3 uves: volumen de datos, variedad de los tipos de datos y velocidad a la que se procesan; mientras que el Small Data se compone de porciones utilizables.

No hay dudas que el Big Data ayuda y mucho a las empresas a poder predecir comportamientos de los clientes, o dónde centrar el gasto publicitario para que el impacto sea más rentable, entre otras muchas cosas. Pero en la mayor parte de los casos, esta información sólo es de fácil lectura por parte de los expertos en el análisis de datos o Data Analysts y Data Scientists. A no ser que tengas un gran departamento de customer intelligence con estos perfiles en tu negocio, difícilmente podrás sacar conclusiones válidas para este, a través de los datos. En muchos casos el Big Data resulta excesivo, y en la mayoría de los casos sólo es útil si los que no somos científicos de datos podemos hacer algo con esa información en nuestro trabajo diario. Es aquí donde entra en juego el Small Data.

Los más puristas del Small Data sostienen que, es importante para las empresas utilizar mejor sus recursos, y de una manera más eficiente, con el objetivo último de gastar menos en grandes tecnologías que te ayuden a manejar un exceso de datos, los cuales luego no consigues descifrar de la manera adecuada, y por tanto no llegas a utilizarlos de manera óptima para tu negocio.

Por qué debes utilizar ya el Small Data

Por qué utilizar Small Data

Ahora que ya tienes una idea de qué es el Small Data y sobre todo cuál es la diferencia con el Big Data, quiero enumerarte 9 motivos que te harán convencerte de la necesidad de empezar a utilizarlo. Son estos:

1. El análisis del Big Data es complicado. Como habrás podido suponer tras lo que te he contado anteriormente, el análisis del Big Data requiere tecnología y perfiles específicos de Datos y Data Science que sepan leer entre los miles de datos, utilizando algoritmos y modelos matemáticos difíciles de comprender para los expertos en marketing e internet. Si unes a esto que la mayoría de responsables de marketing sólo necesitan una parte muy pequeña de esos datos para saber cómo enfocar sus campañas, así como que no necesitan toda esa información para ofrecer experiencias personalizadas a sus clientes, hace que el Small Data sea más lógico.

2. Analizar el Small Data es sencillo porque lo tenemos a nuestro alrededor. Es el caso de los datos sociales de los que disponemos a través de las redes sociales. Estos datos se pueden recoger fácilmente, estando ya listos para poder tomar decisiones o sacar conclusiones válidas. Las personas estamos continuamente generando información a través de las redes sociales, como por ejemplo el estado físico en el que estamos, el tipo de comida que nos gusta, nuestro deporte favorito… sólo hace falta observar y sacar nuestras conclusiones. Si además utilizamos herramientas que nos ayuden en ello, mejor que mejor.

3. El Small Data será el núcleo de cualquier CRM. En este sentido, lo que se llama Social CRM y toda aquella información accesible y útil sobre tus clientes, te servirán para crear segmentos, definir cuáles de ellos son influyentes, o determinar cuáles tienen más probabilidades de recomendarte a su red. Sabiendo combinar la información de los canales sociales y los que registra tu página web, podrás crear perfiles y definir mejor tus Buyer Personas, de cara a diseñar estrategias de marketing más efectivas.

4. Ayuda a mejorar el ROI. La inversión en Small Data comparado con el retorno que te ofrece al poder plantear campañas más eficaces en menos tiempo es mínima. Es por eso que, utilizando Small Data aumentarás tu ROI.

5. Basa tu marketing en datos y no en suposiciones. No hace falta que te diga que la época en la que te dirigías a segmentos por intuición o publicabas en ciertos medios campañas de un tipo porque te daba el pálpito de que iba a generar un buen retorno, ha acabado. El Small Data te ayudará a interactuar con tus clientes de una manera más real y personalizada, pudiendo basar tus decisiones en datos y no en suposiciones. La diferencia del Small Data es que usarás datos útiles y muy concretos que te permitirán ver rápidamente la relación que tienes con tus clientes.

6. Tiene una grandísima aplicación en el sector consumo. Los mismos consumidores ya están sirviéndose sin darse cuenta, del Small Data. Por ejemplo, cada vez que optimizan sus compras, potencian su rutina de actividad física con una app, o recomiendan el mejor precio de un vuelo. Ya existen webs y aplicaciones que ayudan a los consumidores a elegir y optimizar sus procesos, bien sean financieros, de salud o de compras. La tendencia es que estos se incrementen ofreciendo resultados ajustados a los consumidores en función de unos datos previamente guardados, y aquello que recoja del entorno y el mercado.

7. Se están empezando a diseñar plataformas de Small Data. La conciencia de intentar hacer entendible y manejable el Big Data, ha sido recogida por las grandes compañías tecnológicas, las cuales están empezando a desarrollar aplicaciones y plataformas que hagan aún más sencilla la interpretación de datos y la creación de cuadros de mando realmente entendibles. Gigantes como SAP o Oracle están trabajando ya en ello.

8. Es información Customer Centric dirigida a conocer al consumidor. El Small Data busca ayudarte a que conozcas realmente al usuario final, sus necesidades y de qué manera puedes interactuar con ellos. Conociendo mejor al usuario, podremos hacer campañas más personalizadas y afines a sus gustos y necesidades, redundando por tanto en un incremento de la efectividad publicitaria.

9. Es sencillo. El Small Data se basa en hacer sencillos los datos, analizando sólo los adecuados para conseguir las conclusiones que te interesan para tu negocio. Ni más, ni menos. Lógicamente, en muchos casos, el Small Data comenzará con Big Data, del cual rechazaremos toda aquella información que nos pueda estorbar, recogiendo y atendiendo únicamente aquella que nos aclare la situación de lo que queremos medir. En el Small Data, menos es más.

 

Lo cierto es que cada vez más empresas se están dando cuenta que pequeños conjuntos de datos son suficientes para resolver muchos problemas y responder a muchas de las preguntas que nos hacemos en el entorno empresarial. Si queremos ampliar información con más datos, la solución sería crear e integrar paquetes pequeños de datos que nos ayuden en esa necesidad, pero nunca ir acumulando más y más datos sin sentido en un mismo lugar.

Todos conocemos el caso de LEGO y cómo el testimonio de un único niño salvó a la compañía de la quiebra en el año 2004. En esa época LEGO había aumentado el tamaño de sus piezas bajando por tanto el nivel de dificultad. Analizaron el caso visitando varias casas donde se utilizaba el juego y fue en la casa de un niño de 11 años donde encontraron la solución. Cuando le preguntaron por la posesión que tenía el niño de la cual se sintiera más orgulloso, este se refirió a unas zapatillas Adidas destrozadas, las cuales guardaba en un lugar preferente de su habitación. Al preguntar cuál era el motivo, el niño les argumentó que era porque con ellas consiguió hacer piruetas y mejorar muchísimo con su Skateboard. Los responsables del estudio se dieron cuenta que cuando tienes un reto difícil y lo consigues, lo valoras. ¿Cuál fue la solución para LEGO? Volver a piezas más pequeñas y juegos más complejos. Hoy día LEGO sigue siendo la compañía que era.

Te recomiendo que leas uno de nuestros posts en el que te descubrimos cómo diseñar un customer journey map. Una forma de utilizar el Small Data y detectar insights útiles para las empresas.

Gurús como Rufus Pollock, de la Open Knowledge Foundation, dice que nos hemos dado cuenta de la poca operatividad que nos permitía el Big Data, siendo el Small Data el modelo más adecuado, ya que sólo pequeños conjuntos de datos son los que nos acaban aportando el verdadero valor. Además, vaticina que la verdadera revolución será la democratización de los medios de acceso, almacenamiento y procesamiento de datos. Se trata de que haya personas colaborando de forma eficaz entorno a un ecosistema de información distribuido, un ecosistema de Small Data. ¿Hablamos sobre Small Data?

¿Quieres conocer mejor a tus clientes?

Agrupamos tus datos, les damos valor y los convertimos en útiles y prácticos, ofreciéndote las mejores conclusiones posibles para ofrecer a tus clientes lo que necesitan.

MAS INFORMACIÓN AHORA