customer intelligence Archivos - artyco | the data driven company
91 640 41 50 hola@artyco.com
Cómo elegir las herramientas de datos adecuadas: 5 pasos.

Cómo elegir las herramientas de datos adecuadas: 5 pasos.

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

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 leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Cómo soluciona la ciencia de datos o Data Science, problemas reales

Cómo soluciona la ciencia de datos o Data Science, problemas reales

Cómo soluciona la ciencia de datos o Data Science, problemas reales.

La ciencia de datos o Data Science, involucra métodos científicos, procesos y sistemas para extraer conocimiento o un mejor entendimiento de datos en sus diferentes formas, ya sea estructurados o no estructurados, lo cual es una continuación de algunos campos de análisis de datos como la estadística, la minería de datos, el aprendizaje automático, y la analítica predictiva. A pesar de datar de los años 60 y 70, es en los últimos años cuando más repercusión está teniendo esta disciplina, en el mundo de los negocios. En este post voy a contarte cuáles son los principales conocimientos que debe de tener un científico de datos, así como cuáles son sus aplicaciones solucionando problemas reales en diferentes industrias. ¿Te interesa? Pues vamos a por ello.

La ciencia de datos y la tecnología han ido siempre de la mano, ya que esta no puede existir sin una tecnología computacional que la apoye. De hecho, “dato” es un concepto que surge en los 40, la etapa de los primeros ordenadores, con la acepción de «información susceptible de ser transmitida y almacenada en un ordenador».

A partir de ahí, la evolución de los ordenadores y su capacidad para almacenar y procesar datos han ido modelando el concepto de análisis de datos primero y de Ciencia de Datos después, aumentando el alcance de los análisis y la fiabilidad de las predicciones.

Sin embargo, la Ciencia de Datos no solo son datos y ordenadores. Esta se encuentra centrada en una figura, la del Data Scientist.

 

Principales conocimientos que debe tener un Data Scientist.

Data Scientist

Para conocer bien qué puede hacer la ciencia de datos por los negocios, antes hay que saber qué habilidades y conocimientos tienen que dominar los científicos de datos o data scientists.

Si bien no hay una definición clara y concisa, existe una aproximación realizada en 2010 por Drew Conway en la que se llega al concepto de Ciencia de Datos a partir de las áreas de conocimiento que es necesario dominar, y son estas:

#1. Hacking Skills.

Hace referencia a habilidades adquiridas para manejar diferentes tipos de datos en formatos distintos y para los que no hay un único método de integración en un proyecto de Ciencia de Datos. Son habilidades para «buscarse la vida» manejando fuentes de datos no siempre estructuradas, en busca de relaciones, predicciones o patrones útiles en un determinado sector o área de negocio.

#2. Substantive Expertise.

Atañe al conocimiento del área de actividad o el negocio de donde provienen los datos. Los mismos datos, en áreas de negocio diferentes, se manejan también de forma diferente. Por ejemplo, los datos de conducción de los coches pueden servir para diseñar estrategias de mantenimiento predictivo en un taller o para ofrecer seguros personalizados en función de la forma de conducir.

#3. Disciplinas como Machine Learning o los métodos analíticos tradicionales.

Son subconjuntos de áreas de conocimiento, mientras que la Ciencia de Datos las engloba a todas. Son piezas de un enorme rompecabezas como la Manipulación de Datos y el Análisis.

 

Sin embargo, en los últimos tiempos, un elemento nuevo ha entrado en juego: la Inteligencia Artificial. Y es que, a medida que la potencia de cálculo de los sistemas computacionales ha ido aumentando, la IA ha ido emergiendo en paralelo. Sin ir más lejos, la IA Watson de IBM se enfrentó en 2011 a personas reales en el concurso ‘Jeopardy’ usando la tecnología DeepQA (preguntas y respuestas profundas). En ella intervienen decenas de algoritmos diferentes para procesar el lenguaje natural, clasificar, buscar relaciones o categorizar la veracidad estadística de la respuesta. La IA ganó el concurso.

La “apariencia” de inteligencia emerge a partir del hardware capaz de hacer los cálculos lo suficientemente rápido como para que pareciese que estábamos ante un concursante humano. Watson usaba computación distribuida mediante Hadoop y bases de datos que se tuvieron que almacenar en memoria RAM para que la respuesta fuera rápida.

 

9 aplicaciones de la Ciencia de Datos o Data Science en los negocios.

Data Science

Los avances tecnológicos han propiciado el manejo de grandísimas cantidades de datos en tiempos muy reducidos. Esto ha facilitado del mismo modo, el poder integrar estos métodos en interfaces de usuario, haciéndolo más accesible a las personas y por tanto, a las empresas.

Esta, llamémosla, democratización de los datos, ha supuesto que su uso se vaya extendiendo a diferentes industrias y sectores, en los que está aportando soluciones rápidas y eficaces a problemas cotidianos a los que se enfrentan en esos mercados cada día.

Las nueve aplicaciones más potentes podrían ser estas:

 

#1. Ciberseguridad: identificación de ciberamenazas

La detección se realiza a partir de los datos de acceso a los sistemas y recursos de red. Se buscan patrones y se procede a dar la alerta cuando se detectan situaciones que no respondan a un patrón predefinido.

Los datos provienen de logs de actividad, con abrumadoras cantidades de datos recopilados en archivos históricos. De ellos, se extraen patrones de actividad para usarlos como referencia.

#2. Finanzas: detección de fraudes

Un proceso similar se aplica, por ejemplo, en la detección de fraudes en pagos con tarjetas de crédito. Aquí, los sistemas pueden cruzar datos de diferentes fuentes, como la actividad habitual de un cliente, junto con los «normales» de uso.

De esta forma, es posible identificar escenarios fraudulentos (tarjetas duplicadas/robadas o cobros indebidos/duplicados), paralizando o advirtiendo sobre una actividad irregular antes de que se produzca el daño.

#3. Seguros: cálculo de primas

El sector de los seguros es otro que se beneficia de la Ciencia de Datos. Analizando los hábitos de conducción mediante sensores, una empresa aseguradora puede calcular los riesgos de accidente de un cliente y ofrecer una cuota personalizada para él. Incluso puede introducir conceptos variables que dependan del análisis de sus rutinas en diferentes épocas del año.

#4. Medicina: detección de tumores y búsqueda de tratamientos

Campos como el análisis de imagen en la identificación de enfermedades son perfectos candidatos para aplicar la Ciencia de Datos. Cuando se obtienen las imágenes en un TAC, radiografía o ecografía, los sistemas de reconocimiento empiezan a ser mejores incluso que los propios especialistas humanos.

Para conseguir una tasa de acierto tan elevada, es preciso elegir y procesar decenas de miles de exploraciones para entrenar estadísticamente los sistemas de reconocimiento de imagen basados en Machine Learning Supervisado.

Otro tanto de lo mismo se aplica para el descubrimiento de nuevos medicamentos o para ofrecer tratamientos personalizados.

#5. Industria: mantenimiento predictivo o la salud de las máquinas

El mantenimiento predictivo es un ejemplo claro de aplicación de la Ciencia de Datos en la industria. Las máquinas, sistemas logísticos y demás elementos de una planta industrial integran miles de sensores que recogen datos sobre temperaturas, horas de funcionamiento, velocidades, distancias, nivel de ruido, etc.

Se generan cantidad de información que hay que preparar, filtrar, limpiar e introducir en los modelos de Machine Learning o Deep Learning para predecir fallos con antelación. Como consecuencia, se consiguen sustanciosos ahorros en revisiones periódicas o en compra de piezas de repuesto. Por no hablar de evitar que una planta de producción se pare por sorpresa.

#6. Marketing: clasificación de los clientes y las audiencias

Actualmente, la Ciencia de Datos es capaz de usar como fuentes a las redes sociales en tiempo real. De esta manera, se puede desde predecir la demanda de un producto hasta crearla a partir de ofertas segmentadas por clase social, preferencias culturales, nivel adquisitivo, género, aficiones…

En los departamentos de marketing, estos datos ayudan a confeccionar informes previos a campañas, lanzamientos o promociones.

#7. Buscadores: reconocimiento de imágenes

Valga Google Fotos como ejemplo. En esta plataforma, las fotos que subimos se analizan y clasifican automáticamente a partir de aquellos elementos que la IA de Google es capaz de identificar, ya sean coches, aviones, personas, flores, comida, animales, paisajes o lugares singulares, entre otros.

La Ciencia de Datos interviene en la elección de los mismos (imágenes) para entrenar a los modelos de Deep Learning. Para darnos cuenta de su importancia, recordemos que, cuando se pedía a Google que buscara gorilas, devolvía como resultado fotos de personas de color. Google lo resolvió inicialmente eliminando “gorila” de la búsqueda.

#8. Automatización: coches que conducen solos

Es uno de los territorios más ambiciosos de la Ciencia de Datos. No es lo mismo automatizar el aparcamiento de un coche que automatizar la conducción completa, por lo que aún queda un largo recorrido en esta vía.

#9. Energía: asegurando el suministro

En el sector de la energía, la Ciencia de Datos se aplica a diferentes áreas, como la del mantenimiento predictivo de sus instalaciones e infraestructuras y redes de distribución, o la previsión de consumo, para programar las tareas de generación energética.

También se emplea para detectar el uso fraudulento del grid ─como pueden ser enganches ilegales─, prevenir caídas de suministro o tarificar en tiempo real.

 

Como ves, la ciencia de datos es cada vez más importante y supone una ventaja competitiva de cualquier negocio, frente a su competencia, no sólo por ser más eficientes, sino porque ofrecen en tiempo real soluciones reales a quienes importan realmente, que son los consumidores.

En artyco ayudamos a los negocios a sacar verdadero partido de los datos, utilizando el Data Science como sistema dentro de nuestra oferta de Customer Intelligence. ¿Te ayudamos?

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 leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Qué son los KPI inteligentes

Qué son los KPI inteligentes

Qué son los KPI inteligentes

Los indicadores clave de rendimiento o KPI son un elemento fundamental en toda organización, para conocer si se han logrado los objetivos acordados, así como para la toma de decisiones. En una compañía data driven, las personas, los procesos y la tecnología se organizan en torno a unas métricas y a estos KPI. Sin embargo, estos KPI tal y como los conocíamos están evolucionando. Por ello, en este tipo de empresas, las prioridades de datos y analíticas, así como la autoridad de la toma de decisiones, se están redefiniendo a lo que ahora se llaman KPI inteligentes. ¿Quieres saber lo que son? En este post te lo cuento a través de un ejemplo. ¿Te van los datos? Entonces te va este post.

Si estás leyendo este post, es porque perteneces a una empresa sofisticada o estás en proceso de convertir tu negocio en uno en el que los datos no son un elemento más, sino una herramienta con la que mejorar y optimizar procesos, ventas y beneficios.

Con la llegada de la tecnología y su aprovechamiento por parte de la inteligencia artificial, muchos procesos y herramientas de management que teníamos asumidas se han visto revueltas, renaciendo versiones 2.0 de muchas de ellas. Este es el caso del KPI.

Todos sabemos qué es un KPI, ¿quién no los usa a menudo en su negocio? Sin embargo, seguramente tal y como los estás usando en tu empresa ahora mismo, no es la manera que se usará en el futuro más próximo. Por qué no decirlo… en la manera en la que se está usando hoy día en las empresas más punteras tecnológicamente y empresas data driven.

Esta nueva manera de utilizar el KPI, es lo que se denomina como KPI inteligente. No, no lo busques en Internet, ya que no encontrarás apenas referencias a este concepto, ya que es un término extremadamente novedoso, el cual, si lo aprovechas ahora mismo, es decir, a partir de hoy, podrás adelantarte decisivamente a tu competencia.

Un KPI inteligente es ir al segundo nivel, pasar a ese ‘next level’ al que toda empresa quiere llegar.

¿Quieres saber qué es un KPI inteligente? Vamos a por ello.

Habitualmente, los KPI se utilizan como medida de control de objetivos relevantes para el negocio. Un KPI inteligente, sin embargo, en un entorno de trabajo de Big Data e Inteligencia Artificial, no se queda en el simple hecho de ayudar a entender a posteriori qué ha sucedido. Un KPI inteligente te ayuda a predecir para prevenir proactivamente.

Por tanto, podríamos decir que una empresa que comience a utilizar KPI inteligentes pasaría de ser una compañía reactiva a otra muy diferente: una empresa proactiva. ¿Verdad que te gusta?

Sin embargo, conseguir esto no es nada fácil. Para lograr un KPI más anticipatorio y prescriptivo se necesita que este “aprenda” de él mismo. Para ello es necesario formar una maquinaria de Data Management que permita a la organización llevar a cabo este proyecto.

Dentro del Data Management, el gobierno del dato se convierte en un elemento fundamental para el éxito, así como la arquitectura del dato sobre el que se soportará toda la información necesaria.

Vamos a ver un ejemplo claro de cómo conseguir un KPI inteligente. En este caso con la tasa de abandono. Vamos allá

 

Cómo convertir la tasa de abandono en un KPI inteligente

Tasa de abandono como KPI inteligente

Muchas veces en otros posts relacionados he escrito que, el coste aproximado de adquirir nuevos clientes puede resultar entre cinco y veinticinco veces más caro que mantener los actuales.

En base a este dato, se establece el objetivo vital para muchas organizaciones, de aumentar la retención de sus clientes o reducir al mínimo la tasa de abandono.

Esta retención de clientes es crítica para cualquier negocio, si quiere garantizar la rentabilidad del mismo. Sin embargo, son las empresas de suscripción SaaS, financieras o de telecomunicaciones las que son especialmente sensibles a ello, siendo una prioridad estratégica reducir esa tasa de abandono.

Vamos a ver cómo empezamos… Lo primero de todo es comenzar con el gobierno de los datos. Este es realmente clave, ya que debemos distinguir entre la supuesta tasa de cancelación de clientes, o cuando un cliente deja de interactuar con la marca, y la tasa de cancelación de clientes absoluta, es decir, cuando un cliente cierra una cuenta o deja de usar un servicio.

Como hemos hecho con esto, habría que hacerlo con otras tasas como la reactiva y la prospectiva, las cuales determinan si un cliente se ha perdido por una mala experiencia, un cargo inesperado, un mal servicio, etc. Todo esto es más complicado de predecir, no obstante, es necesario poder correlacionar las experiencias negativas de los clientes con la propensión a la tasa de cancelación de clientes. De este modo, conoceríamos cuál es el comportamiento gradual que lleva a un cliente a la deconexión definitiva con la marca.

A través de analítica, de este modo, se podrían identificar diferentes grupos y segmentos que representen un mayor riesgo de fuga y así poder invertir en acciones sobre ellos.

Es habitual en estos casos, una vez tenemos una tasa de cancelación de clientes predictiva, alinearla con el KPI de CLV (Customer Lifetime Value), ya que suele ser necesario incorporar el valor de los ingresos a largo plazo y el potencial de ganancias que ese cliente aportaría.

Con esta incorporación, conseguimos alinear la urgencia del conocimiento circunstancial con la aspiración estratégica a largo plazo.

Para lograr esto, entra en juego otro elemento de Data Management que es imprescindible: la arquitectura de datos. Estos procesos de arquitectura de datos nos ayudan a conectar digitalmente el KPI, los datos, y la toma de decisiones estratégicas. Empresas como Amazon, Google o Netflix tienen esto muy claro, utilizándolo en su día a día, gracias a la gran digitalización de su negocio.

Gracias a esa arquitectura del dato y el gobierno de los mismos (si quieres saber más sobre ello, te invito a leer el post que escribí sobre: “Qué es el Data Governance”) se logra convertir los datos en un recurso estratégico.

 

La importancia del Data Governance para generar KPI inteligentes y decisiones automatizadas

El Data Governance en los KPI inteligentes

Si has leído hasta aquí, te habrás dado cuenta de que el gobierno correcto de los datos es fundamental para poder manejar de una manera óptima un KPI inteligente, ya que este es un importante medio para facilitar el KPI final.

El gobierno de datos amplía y recoge los análisis. En otras palabras, la finalidad y calidad de los análisis (sean regresiones crudas o clasificaciones de los tipos de aprendizaje profundo más sofisticados) dependen de la calidad, la cantidad, la exactitud y el origen de los datos, entre otros factores.

Y es que, cuando disponemos de un Data Governance correcto, y funcionamos con KPI inteligentes, los cuales son dinámicos, debemos pensar en una toma de decisiones que vaya a la misma velocidad que los KPI, es decir, una toma de decisiones automatizada, a través de máquinas. Te explico un poco a qué me refiero.

Una vez entras en la Era del KPI inteligente, debes poner la mente si o si en la toma de decisiones automatizada, es decir, aspirar a optimizar los KPI otorgando derechos de decisión a los algoritmos basados en datos que, técnicamente, aprenden más rápido, mejor, más barato y con más escalabilidad que cualquier ser humano.

Es más, una toma de decisión genera a su vez más datos, cambiando de nuevo la forma de medir el rendimiento. Todo ello en un ciclo infinito y cada vez más ágil.

Volviendo al caso de ejemplo anterior de la tasa de abandono, podremos definir cuándo realizamos una acción de manera automatizada y cuando a través del factor humano, en función de los resultados que nos de ese KPI inteligente. Por ejemplo, para perfiles de alto valor potencial, se pueden personalizar de una manera más dedicada de como lo podría hacer una máquina, algo que no haríamos en el caso de un perfil de valor más bajo.

 

Como ves, el dato, la tecnología y la inteligencia artificial están generando nuevas maneras de entender los procesos de negocio. Lo que ahora mismo suena complicado, en unos pocos años estará perfectamente asumido por cualquier empresa que quiera liderar su mercado, siendo necesario contar con un socio estratégico y operativo que permita afrontar los retos del dato y las decisiones basadas en información o data driven.

Si estás buscando dar ese salto, te invitamos a que te pongas en contacto con nosotros y llevarte hacia el mundo 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 leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Qué es la visualización de datos o DataViz y qué beneficios tiene

Qué es la visualización de datos o DataViz y qué beneficios tiene

Qué es la visualización de datos o DataViz y qué beneficios tiene

Como su nombre indica, la visualización de datos es la representación gráfica de la información y los datos. Todo mediante elementos visuales, como gráficos, mapas, incluso iconos que ayude en la interpretación. Aunque parezca raro, la verdad es que muy pocas empresas tienen acceso a un DataViz óptimo, el cual les ayuden a tomar decisiones en función de lo que allí están observando. En este post, te voy a contar exactamente qué es un Data Visualization, su importancia, qué beneficios tiene para tu empresa, así como, cómo crear el DataViz ideal a través del Storytelling. ¿Empezamos?

Que hayas decidido leer este post, pone de manifiesto que eres un ‘marketiniano’ avanzado, con la mente abierta. Tarde o temprano, todas las personas que nos dedicamos al marketing nos hemos dado cuenta de la importancia que tienen los datos a la hora de tomar decisiones adecuadas. Para tomar estas decisiones, nos solemos basar en cuadros de mando o dashboards, es decir, la representación de las conclusiones de esos datos.

Sin embargo, ¿cuántas veces nos ha llegado un informe en el que nos encontramos con una maraña de gráficos sin sentido?

Comenzamos a echar un ojo, pero sólo vemos barras, líneas y números que no nos ayudan en nada. Observamos un poco más y vemos la solución a nuestro problema: una línea de texto que puede explicar qué se representa allí, pero lamentablemente cuando la leemos, tampoco nos soluciona mucho.

Cerramos el informe y seguimos con otro trabajo más apremiante.

Sin querer, quizás hayamos desperdiciado la ocasión de descubrir una tendencia en el mercado que podría haber originado importantes ingresos a nuestra compañía, o descubrir un patrón de comportamiento de nuestros clientes, el cual tendríamos que atender lo antes posible a través de nuestro servicio de atención al cliente, para evitar fugas. Sin embargo, hemos cerrado el informe y lo hemos dejado a un lado porque no era atractivo a nuestros ojos, y por qué no decirlo… si no estamos habituados a ello, porque no lográbamos entender nada.

Este problema ocurre en la mayoría de informes que presentan los departamentos de customer intelligence a dirección o a sus clientes. Y la verdad es que tiene todo el sentido. Te lo explico.

Un departamento de customer intelligence, suele estar integrado por estadísticos, matemáticos y expertos en Big Data, entre otros perfiles. También suele haber una figura que se llama Data Scientist, el cual dependiendo de la compañía, tiene unas bases de marketing o no.

Como entenderás, estos perfiles profesionales son auténticos cracks en crear algoritmos, realizar predicciones, prescripciones, y analizar bases de datos relacionales, sin embargo, seguramente ninguno de ellos es un crack en realizar presentaciones, armonizar un informe, y mucho menos, en crear un dashboard creativo el cual vaya contando poco a poco y sin hacer perder el interés del receptor, las conclusiones a las que ha llegado tras el análisis de los datos.

Debido a esto, salen los informes que salen.

Con la Visualización de Datos o DataViz lo que se busca es hacer representaciones gráficas de la información que han arrojado los datos, las cuales sean ante todo, atractivas al receptor. Para ello, la Data Visualization se aprovecha de elementos visuales como son los gráficos (de todo tipo), los colores, con el objetivo de dirigir la mirada a un dato en concreto, y las formas.

Por tanto, podríamos decir que la visualización de datos es una alternativa de arte visual que atrae nuestra atención y la dirige hacia el mensaje que queremos transmitir. Cuando vemos un gráfico, rápidamente identificamos las tendencias y los valores atípicos. Si podemos observar la información, nos resulta más fácil asimilarla.

Algo que muy pocas empresas entienden, es que la visualización de datos se basa en contar historias con un propósito: entender la información para poder tomar decisiones adecuadas de negocio.

 

Principales beneficios de la Visualización de Datos.

Visualización de datos Beneficios

 

Los beneficios que tiene la DataViz son evidentes, no obstante, es interesante enumerarlos y tenerlos todos al alcance de la mano para poder asimilarlos mejor. Unos son más obvios y otros no tanto. Vamos a por ellos.

#1. Ayuda a tomar decisiones de manera correcta. Esta es quizás la más evidente de todas. Con el Big Data y la cantidad de datos arrojando información valiosísima, se hace necesario una correcta visualización para poder realizar una adecuada toma de decisión por parte de profesionales ajenos a los datos.

#2. Mejora el análisis de datos ad hoc. Una visualización de datos avanzada te permite ver resultados de cualquier procesamiento algorítmico complejo, obteniendo así un análisis adecuado.

#3. Ayuda a la divulgación de la información. Disponer de la información resultante tras un análisis, en un formato claro, visual y sencillo, hace que esta sea distribuida a lo largo de la compañía, teniendo acceso a ella más gente, y por tanto, convirtiendo a tu empresa en una compañía más informada e ‘intelligence’.

#4. Aumento del ROI. Este es uno de los KPIs más importantes, ya que muestra el retorno de la inversión. Una excelente manera de conocer cuál ha sido y gracias a qué inversiones se han conseguido cuáles beneficios, es a través de la DataViz. Si conoces fácilmente ese ROI, podrás aumentarlo.

#5. Ahorro de tiempo. La Data Visualization hace más accesible la información a diferentes departamentos, tal y como he comentado antes, y esto hace que se puedan tomar decisiones interdepartamentales de manera más ágil, ya que esta es clara y sencilla de entender, sea la disciplina que sea el departamento.

Ahora que ya conoces lo que es la visualización de datos, su importancia y qué beneficios tiene, vamos a ver de qué manera podemos construir un DataViz eficaz y moderno, sirviéndonos de la técnica del storytelling.

 

Cómo crear un DataViz a través del Storytelling

Visualización de Datos con Storytelling

 

Storytelling es el arte de contar una historia. El objetivo del storytelling es conectar con el receptor del mensaje, a través de un hilo con un personaje, un planteamiento, un desarrollo y un desenlace. Pero no se queda ahí, esta debe enganchar emocionalmente con el receptor, tocándole la cabeza, el corazón y el alma.

 

“La gente olvidará lo que dijiste, la gente olvidará lo que hiciste, pero la gente nunca olvidará cómo le hiciste sentir”. Maya Angelou.

 

En la visualización de datos, lo que se busca es aprovecharse de esta técnica para contar las conclusiones a las que se ha llegado con el análisis de datos, de una manera atractiva y coherente con el negocio que se analiza, sabiendo dirigir la información como si de una historia se tratara, consiguiendo que el receptor no pierda el interés en ningún momento, y descubra poco a poco la información, desde el principio y hasta el final.

El Storytelling en el DataBiz, ayuda a las personas y a las organizaciones a crear gráficos que tengan sentido y los entrelacen en historias convincentes e inspiradoras de la acción.

 

Es llevar la Data al siguiente nivel. Las fases para crearlo serían estas:

 

#1. Entiende el contexto. Como es lógico, lo primero que hay que hacer es entender el sector, el momento económico que vive la empresa y su mercado, los cambios que vienen, fortalezas, amenazas… para así poder situar la información que se analice, dentro de ese contexto y que no quede ajena a la situación real, algo de lo que se suelen quejar las empresas al recibir los informes finales.

#2. Elige unos elementos visuales adecuados para la marca. No se pueden utilizar los mismos tipos de gráficos para una marca de automoción, que para otra de ropa de bebés. Es fundamental saber seleccionar el ambiente visual sobre el que se crearán los dashboards, los tipos de gráficos a utilizar, así como los diferentes elementos visuales de apoyo, que ayuden a entender mejor los resultados.

#3. Elimina aquella información y datos que realmente no son trascendentes para el objetivo de ese informe. Muchas veces queremos mostrar cada paso que nos ha llevado a una conclusión determinada, incluir el gráfico que muestra esa predicción que tanto trabajo nos ha costado sacar y que tan orgullosos estamos de ella. Sin embargo, es posible que, ninguno de esos datos sean importantes para quien lo tiene que leer, para la toma de decisiones, o lo que es más importante, no tenga que ver con el objeto del informe. Este exceso de información hace que pierdas foco en lo que verdaderamente importa y por lo que te están encargando dicho informe: tener una serie de datos relevantes para poder tomar una decisión estratégica o táctica de negocio. Por tanto, sigue esta premisa: menos, es más.

#4. Pon el foco en aquello que quieres destacar. La mejor manera de enfatizar un dato que queramos destacar es a través del uso del color o de las formas. No llenes tu dashboard de colores, selecciona una paleta de color monocromática (por ejemplo, diferentes tonos de azul) y un color complementario (lo ideal es que sea el corporativo de la empresa) para resaltar aquellos datos que te interesen de un gráfico, una tabla, etc. Intenta que esa paleta monocromática sea apagada y complementaria a tu color de enfoque visual. También puedes utilizar una forma diferente que haga destacar ese dato concreto.

#5. Cuenta una historia. Has analizado todos los datos, lo sabes todo acerca del mercado, el problema o el cliente. Y has dado con unas conclusiones asombrosas. Ahora debes hacerlo atractivo, y la mejor manera es a través de una historia.

Para mí, es muy difícil conseguir que mis hijos presten atención a algo, sin embargo, cuando les cuento una buena historia, abren los ojos y no dejan de escuchar hasta que esta termina. Todos los decisores han sido niños, y aunque nos cueste admitirlo, a todos nos gusta que nos cuenten una buena historia.

Crea una historia entorno a las conclusiones que quieres lanzar y apóyate con aquellos datos que consideras que demuestran esas conclusiones. Por último, cierra con lo más relevante que quieras contar. Ese resultado asombroso al que has llegado. Este será el desenlace de tu historia.

 

Se que un dashboard es relativamente fácil de hacer. De hecho, hay muchas herramientas que te ayudan a realizarlo. Lo realmente complicado es crear un verdadero DataViz atractivo, visual y que cuente una historia, que ayude a tomar decisiones. Por eso, en artyco ponemos especial mimo en la visualización de datos, ya que es la guinda del pastel de todo un trabajo de data science, análisis y business intelligence. ¿Hablamos?

 

Emilio Fernández Lastra

Chief Marketing Officer

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

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

Cómo es el consumidor actual

Cómo es el consumidor actual

Cómo es el consumidor actual

Hace décadas todos sabríamos definir de una mejor o peor manera cómo es el consumidor, cómo se comporta y qué le motiva. Sin embargo, en los últimos años todo ha cambiado. Este consumidor poco tiene que ver con el que antes era, interviniendo o entrando en juego un mayor número de canales, influencias, y creando nuevas motivaciones y procesos de compra. Esto ha originado un nuevo consumidor: el consumidor omnicanal hiperconectado. ¿Quieres saber un poco más sobre él?, pero, sobre todo, ¿quieres conocer cuáles son las tendencias de estos consumidores, las cuales están cambiando el consumo en la actualidad? Aquí te lo cuento todo.

Conocer al consumidor no tiene que ver sólo con saber qué le gusta comprar. Conocer al consumidor tiene más que ver con descubrir cuáles son las razones por las que compran un producto, dónde lo hacen, cómo, y sobre todo, con qué frecuencia. De igual modo, es interesante saber cuáles de estos consumidores influyen a su vez sobre la compra de otros, a través de sus opiniones, vertidas en las tiendas online o en las redes sociales.

Los últimos avances tecnológicos, así como el aumento de la confianza del consumidor en los medios digitales para realizar sus compras, han propiciado que el proceso de compra varíe. Todas estas variaciones, han dado origen a un nuevo estilo de hacer marketing, en el cual hay que dejar de ofrecer productos o servicios masivos, personalizando al máximo aquello que lanzas al mercado, teniendo, por tanto, una visión customer centric, en la que el estudio del consumidor, qué desea, cómo y cuándo, tienen una importancia máxima.

Por poner un ejemplo, los medios que ofrecían productos masivos a la mass media, están desapareciendo. Hoy día, el consumidor no busca productos o servicios en serie, busca experiencias, las cuales le hagan apasionarse por el producto, la marca y la empresa. Por lo general, las experiencias son memorables y esto es lo que hace que hablen positivamente de nosotros, y lo difundan a través de sus canales preferidos, y donde tienen voz, es decir, en las redes sociales.

Las experiencias por tanto facilitan el marketing de recomendación, el cual no se debe descuidar, ya que poder mantener esta estrategia en el tiempo, ayudará a tener un flujo de nuevos clientes, y clientes fieles. Para ello, es necesario trabajar el Customer Relationship Management.

Por tanto, el crear productos y servicios personalizados, así como saber comunicarte con tus clientes y potenciales a través de sus medios favoritos y cuando ellos prefieren, necesita de una capa de inteligencia de negocio enfocada en el conocimiento del consumidor.

Lo importante hoy día, en este mercado que estamos viviendo, es desarrollar estrategias que se adapten a la realidad del consumidor, y que además funcionen sin importar los cambios internos o externos que se generen, con el objetivo de fidelizar.

El mercado va a seguir creciendo y cambiando, por tanto, es responsabilidad del departamento de marketing conocer quiénes son sus clientes y potenciales, con el objetivo de poder llegar a satisfacerles en sus necesidades, tanto presentes, como futuras.

Como te he explicado, es fundamental hoy día conocer al consumidor. A continuación, te voy a dejar 10 tendencias en los consumidores, que están cambiando la manera de consumir. Creo que esta parte te va a gustar mucho…

10 tendencias que están marcando las ventas en los consumidores actuales

Tendencias consumidor actual

Según el último estudio sobre el estado del mercado global que acaba de publicar el mes pasado Euromonitor, los consumidores tienen la sensación de que hoy día las cosas están fuera de control, sobre todo por lo rápido que está cambiando todo. Esta sensación les ha hecho consumir de una manera desorganizada, la cual quieren cambiar, tomando una mayor posesión y control de sus vidas, y por tanto, también de lo que consumen y cómo.

Este hecho es el que marca estas diez tendencias que te presento.

 

#1. Un consumidor Age Agnostic.

Ya no vale la clásica segmentación de edad, en la que clasificábamos a nuestro público objetivo por este criterio, y cuánto más cerrada fuera la horquilla de edad, más definido teníamos a ese público.

Ahora, el consumidor se siente y se comporta como si fuera más joven de lo que en realidad es. Las personas de hoy día gozan en general, de una mejor salud. El deporte, la cosmética y la concienciación por una alimentación saludable ha originado que vivamos con una mejor calidad y más años.

Como tal, el consumidor ya no se auto-encasilla en una franja de edad. Por ejemplo, la tercera edad se siente joven y quiere hacer cosas y vivir experiencias de jóvenes. Además, este grupo generacional correspondiente a los Baby Boomers dispone de tiempo y dinero para consumir, pasando a ser un target fundamental para cualquier marca. Si quieres saber más sobre las oportunidades de esta generación, echa un vistazo a “Los Baby Boomers. Cómo seducir a la generación con mayor capacidad de consumo”.

El diseño de productos y las estrategias de marketing ya no pueden guiarse por los clásicos cánones de edad para llegar a los consumidores.

 

#2. Preferencia por el ‘Back to the basics’.

El consumidor está cansado de los productos hechos en serie, baratos, pero de muy mala calidad, los cuales ves en todas partes y no te ayudan a diferenciarte del resto.

Hay una tendencia clara de buscar productos básicos de calidad. Euromonitor denomina a este tipo de consumidores, como los Localovers, es decir, aquellos que se preocupan por buscar el plato regional más típico de una localidad en concreto; los que compran cosmética natural artesanal; aquellos que compran cepillos realizados con crines de caballo, siempre y cuando se haya respetado al animal en todo el proceso; etc.

Al final, todo vuelve a redundar en lo de siempre, la búsqueda de una experiencia única que te brinda el comprar o consumir un producto único, de calidad y especial.

 

#3. Un consumidor con una mayor conciencia.

El consumidor de hoy día cada vez muestra una mayor preocupación por la naturaleza y por los animales. Si disponen de la opción, en la búsqueda de un producto, hay quienes ya incorporan el término ‘animal friendly’ para acotar más sus resultados, por poner un ejemplo.

Hoy día es fundamental ser una empresa o marca sostenible, que no teste sus productos con animales o que no utilice componentes químicos que puedan dañar el medio ambiente en su composición, por poner varios ejemplos.

El consumidor de este siglo es más vigilante con el medio ambiente y los animales a la hora de consumir, y este aspecto debe de ser tenido muy en cuenta por las marcas a la hora de diseñar sus productos y comunicar.

 

#4. Es un consumidor hiperconectado.

Una de las consecuencias que ha tenido Internet en la sociedad actual, ha sido la posibilidad de conectar personas en cualquier lugar, en cualquier momento. El consumidor ya se ha adaptado a este factor y lo ha incorporado como algo intrínseco de su persona. Cuando quiere comunicarse con alguien, tiene que poder hacerlo, y una marca no es diferente.

Además, Internet está creando la conciencia de que no estamos solos. Y no me refiero a que hay vida en otros planetas, sino a que La Red nos une unos con otros, pudiendo compartir cosas, intercambiar opiniones o informarse de lo que fuera, en cualquier momento y con quien deseemos. A este hecho se le ha denominado ‘Digitally Together”, es decir, estamos juntos, aunque sea de manera digital.

Este es un hecho que debe tener en cuenta y controlar cualquier empresa, y disponer de un excelente sistema de comunicación con sus clientes y potenciales 24/7, así como información fácilmente accesible.

 

#5. El consumidor es ahora un experto.

Una de las palabras que más se utilizan en las búsquedas de Google en lo relacionado con los productos, según el mismo estudio, es ‘el mejor’, ‘los mejores’. El consumidor actual busca lo mejor, y para ello se informa, contrasta opiniones, lee artículos, fichas técnicas…

Antes, el experto de un producto era la marca. La información sobre ese producto giraba lógicamente entorno a ella. Hoy día ese epicentro ha cambiado de lugar, siendo el consumidor quien ha asumido ese rol, autodefiniéndose como un experto para él y para el resto de consumidores. Esta es una característica típica de la generación de los millennials, quienes buscan datos, filtran información y consultan múltiples fuentes para tomar la decisión de compra. Si quieres profundizar en esta generación, te recomiendo echar un ojo a “Qué buscan y cómo compran los millennials”. Este post está centrado en el sector automoción, pero te puede servir para hacerte una idea de cómo son.

 

#6. Un cliente JoMO.

JoMO o “joy of missing out” es la última tendencia de los consumidores a nivel global. Hemos pasado de no querer perdernos nada, a valorar nuestro tiempo para disfrutarlo nosotros. Ahora el placer es perderse cosas.

Esta tendencia conduce a los consumidores a poner unos límites claros e intentar dedicar más tiempo para ellos.

Es una cultura que apuesta por ser mucho más selectivo a la hora de comprar, decidiéndose por aquellos productos o servicios que no le impliquen una pérdida de tiempo o al menos, que no les consuman demasiado de su tiempo. Quieren desconectar más, y valoran los espacios sin conexión a Internet, para evitar distraerse de su experiencia de relax.

 

#7. Consumidor egocéntrico.

El consumidor, a pesar de pensar en el medio ambiente y la sostenibilidad, es un consumidor que piensa más en sí mismo. Compra con la intención de que le genere a su vez, un beneficio o un placer a él.

Se dice, que el proceso de compra se va asemejando cada vez más al proceso de cualquier producto de belleza, en el que buscas encontrarte bien contigo mismo durante la compra y una vez consumido.

 

#8. El plástico ha muerto.

Para el consumidor actual, el plástico debe desaparecer de todo packaging, envoltorio, o similar. El grado de concienciación con el problema que está ocasionando las toneladas de plástico en nuestro planeta, ha hecho que influya una compra u otra en función de la presencia o no de este material.

Si quieres saber más sobre el perfil de la generación más ecológicamente concienciada, te recomiendo echar un vistazo al post sobre “La Generación Z. Quiénes son y cómo influirles con acciones de marketing”.

 

#9. Inmediatez.

Debido a Internet, los nuevos consumidores se han vuelto más impacientes. Si adquieren algo, lo quieren para ya. Valoran los plazos de entrega super ajustados, las aplicaciones para el móvil que les ayuden a ahorrar tiempo, incluso están dispuestos a pagar más por algo, si lo tienen al momento.

 

#10. Los solteros al poder.

Según ciertos estudios, en el año 2030, teniendo en cuenta todas las generaciones, el número de hogares de solteros habrá aumentado hasta los 120 millones, un 30% más que en 2018.

Cada vez hay más gente que ha decidido vivir sola, detectando que, entre los mayores de 50 años la tendencia es a llevar una vida en soledad por diferentes motivos. A este tipo de personas se les ha denominado “solo lifestyle”, las cuales quieren sacar el máximo provecho a su vida, de manera individual.

Como es lógico, este hecho debe de tenerse muy en cuenta a la hora de definir un packaging y las cantidades de los productos, tendiendo a ser cada vez más reducidas o integradas en envoltorios individuales, ya que el consumo por unidad familiar será lógicamente menor.

Como habrás podido ver, es fundamental conocer perfectamente cómo es el consumidor, y así poder realizar estrategias acordes con lo que ellos buscan y esperan de tu marca. Si estás intentando poner en marcha estrategias customer centric, seguro que podemos ayudarte. ¿Hablamos?

Emilio Fernández Lastra

Chief Marketing Officer

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

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados