This is an awesome box

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

¿Te ha parecido interesante lo que has leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

+34 916 404 150

Política de Calidad y Seguridad - Política de Privacidad y Cookies

¿Big Data sin ser Data Driven? Para qué…

por Paloma Royo | 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

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

¿Te ha parecido interesante lo que has leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

+34 916 404 150

Política de Calidad y Seguridad - Política de Privacidad y Cookies

Cómo justificar una estrategia de datos a tu CEO

por Paloma Royo | Feb 16, 2021 | DCS

Cómo justificar una estrategia de datos a tu CEO

Como sabes, para que una empresa sea Data Driven, todos los componentes de esta deben de tener una cultura relacionada con la adquisición de datos y su aprovechamiento para poder tomar decisiones válidas. Pero no sólo eso, una empresa Data Driven, debe de disponer de tecnología y metodologías de trabajo que ayuden a los empleados a convertir esos datos en insights de valor para el negocio. Todos sabemos que a través de esa cultura Data Driven, se pueden obtener muchos beneficios, pero pasar de una empresa normal a una compañía que dispone de una estrategia de datos, puede generar cierto vértigo en cualquier Ceo. Aquí te contamos de una manera rápida y directa, cómo convencerle. ¿Interesante verdad? Vamos allá.

Sin duda, los datos están siendo los protagonistas en los últimos años. La mentalidad de los directores ha pasado de ver los datos como una herramienta táctica a adoptar los datos como “el camino hacia una ventaja estratégica y competitiva”. De hecho, el Instituto Internacional de Analítica predijo que, para 2020, las empresas que utilizaran datos de forma eficaz obtendrían 430.000 millones de dólares en beneficios de productividad sobre aquellas que no utilizaran datos. Una vez finalizado el año, se ha podido comprobar que esa cifra ha sido mucho mayor.

Y es que, aquellos que aprovechen los datos estratégicamente serán los líderes del mercado del mañana. Debido a ello, muchas empresas están siendo pioneras en la adopción de los datos como parte de su cultura.

Pero ¿cómo justificar la inversión en una estrategia de datos en términos «objetivos» para el CEO?

Lo primero que debemos de tener en cuenta es qué significa “aprovechar los datos estratégicamente”, y es que muchas empresas piensan que, con contratar a un analista de datos y un estratega de datos, ya es suficiente, y no tiene nada que ver con la realidad. Eso no es otra cosa que una táctica.

Un enfoque estratégico consiste en extraer información valiosa de los datos y aprovecharlos de forma proactiva, en todas las áreas funcionales, para crear experiencias de cliente fluidas y una ventaja competitiva real y sostenible.

Una vez que se tiene claro ese aspecto, es cuando se puede comenzar a diseñar un plan en el que los datos tengan un peso estratégico real, en el negocio de la compañía.

Sin embargo, antes debes de ponerte en el lugar de tu CEO.

En términos simples, recuerda que una estrategia de datos es el plan de toda la empresa sobre cómo optimizarlos: desde la adquisición, el almacenamiento, la limpieza, el enriquecimiento, el análisis, la gestión, el intercambio y el uso de los datos.

No obstante, antes de entrar en los componentes clave de una estrategia de datos, debemos hacernos estas dos preguntas:

¿Qué desafío está tratando de resolver el CEO de la empresa?
¿Cómo nos ayudaría una estrategia de datos integral a abordar y resolver ese desafío?

Una comprensión clara de la visión y los objetivos de la empresa, así como de las prioridades del CEO, establecerán el contexto para convencerle de la necesidad de poner en marcha este tipo de estrategias.

Últimamente uno de los factores que más está dirigiendo a las compañías hacia el Data Driven, es el conocer al detalle el verdadero recorrido del cliente con la marca. Este es uno de los retos que más CEOs están poniendo sobre la mesa hoy día, y el cual resuelve a la perfección una estrategia de datos.

Hewlett Packard por ejemplo, hace algunos años implementó una estrategia de datos holística en un esfuerzo por rastrear a sus clientes a lo largo de todo su customer journey. Una de las cosas importantes que hicieron fue unificar los datos en toda la empresa, pudiendo así obtener información sobre los comportamientos y preferencias únicos de sus clientes, lo que resultó todo un éxito para la empresa. Quizás tu empresa tenga esta misma necesidad…

Ahora que ya estamos metidos en situación, vamos a ver de qué manera podemos justificar ante el CEO este cambio.

Cómo defender y justificar un cambio hacia una estrategia de datos

justificar un cambio hacia una estrategia de datos

Cuando defiendas un cambio, justifica el cambio. En otras palabras, debes estar preparado para identificar los gastos ocultos y los puntos ciegos que existen en el ‘status quo’ actual.

Puede que las métricas financieras sean saludables, sin embargo, seguro que existe la probabilidad de que haya espacio para hacerlas todavía mucho más saludables y sostenibles a través de una gestión de datos optimizada.

Sería interesante, siguiendo la metodología anterior de preguntas ante tu CEO, que lograras responder a estas otras, las cuales te beneficiarán a la hora de articular y justificar mejor los cambios que solicitas:

¿Por qué es este cambio mejor que el estado actual?
¿Cómo de mejor es?
¿Cómo ayudará esto a satisfacer mejor las necesidades nuevas y emergentes de los actuales clientes?
¿Cuál podría ser el grado de preocupación de los clientes actuales si la empresa lleva a cabo ese cambio?
¿Por qué este caso es más importante que otras prioridades que pudiera haber en la lista de la compañía?

Estas respuestas establecerán un caso objetivo para el cambio de manera proactiva, ya que el cambio, aunque vital, es simultáneamente un desafío.

Para todo ello, como ya te he comentado antes, un excelente ejercicio sería el ponerse en el lugar del propietario del negocio. Si lo logras, es necesario que te sitúes en el nivel más básico del negocio, es decir, es necesario que pienses en cada uno de los elementos clave del negocio.

De esa forma, en la que vas analizando uno a uno cada elemento clave del negocio, podrás ir justificando paso a paso la implantación de un enfoque totalmente diferente y nuevo.

Se trata de crear una hoja de ruta claramente definida para diseñar estrategias basadas en datos, e implementarlas, así como administrarlas.

A continuación, te describo uno a uno cuáles podrían ser esos elementos y cómo abordarlos, con un ejemplo de estrategia de datos para que nos sirva de referencia. Vamos a verlo.

Elementos para abordar la justificación del cambio de la empresa hacia una estrategia de datos

Antes de meternos con ello, vamos a ver un ejemplo de lo que podría ser una estrategia de datos.

datos

En el centro tendríamos a los DATOS: el blanco de la estrategia. Estos, están rodeados por el valor comercial principal que los datos brindan a la organización: reducir costos y optimizar las operaciones en la mitad superior, y aumentar los ingresos, la lealtad del cliente y la satisfacción en la mitad inferior.

Los dos objetivos principales de un programa de datos son gestionar el negocio y hacer crecer el negocio. Cada objetivo se alinea con los beneficios correspondientes en el círculo interno y consta de cuatro componentes. La función «gestionar el negocio» utiliza informes, dashboards, automatización y flujos de trabajo para optimizar los procesos y el rendimiento del negocio. La función «hacer crecer el negocio» utiliza analítica, exploración, predicción y monetización de datos para generar nuevos conocimientos e innovaciones.

Alrededor del círculo hay cuatro iniciativas de apoyo. Comenzando desde arriba, un programa impulsado por la empresa dirigido por un alto ejecutivo, como, por ejemplo, el CDO, quien es el propietario y ejecuta la estrategia de datos. A la izquierda, un programa de gobierno de datos mantiene la integridad, consistencia y calidad de los activos de datos. A la derecha, el autoservicio adapta el acceso a los datos y la funcionalidad analítica para las personas, los roles y los grupos en función de sus necesidades y permisos. Y en la parte inferior, una infraestructura de datos y servicios gestionan la captura, almacenamiento, transformación y seguridad de los datos a medida que se mueven entre aplicaciones, sistemas y usuarios, tanto dentro como fuera de la organización.

Conociendo esto, ya podemos tener una visión mucho más clara de porqué cada paso y cómo abordarlo.

#1. Justificación y análisis de mercado.

Como hemos comentado, el cambio es difícil. Esta sección será la oportunidad de ganarse el corazón y la mente del CEO. Para ello es necesario que abordes:

¿En qué se diferencia una estrategia de datos de la forma en que la empresa utiliza los datos actualmente y por qué es importante esa distinción? Compartir ejemplos relevantes puede resultar útil.
Asegúrate de compartir las tendencias de la industria y cómo las empresas utilizan las estrategias de datos para su beneficio.
Esta es también la sección donde debes mirar las estrategias de datos de tus competidores. ¿Quién lo está haciendo bien?
No olvides incluir una explicación de cómo puedes obtener una ventaja al aprovechar los datos.

#2. Impacto empresarial.

Esta es una de las secciones más importantes del plan y es donde explicarás cómo la adopción de una estrategia de datos tendrá un impacto positivo en el negocio en todos los niveles y en todos los departamentos. Debes de obtener el apoyo interno adicional asociándote con partes interesadas clave en otros departamentos para comprender cómo están utilizando los datos actualmente y cómo una estrategia de datos puede ayudarles.

#3. Organización y gestión.

Una nueva estrategia de datos requerirá una estructura organizativa completamente nueva para respaldarla. En esta sección, describirás esa nueva estructura en detalle respondiendo las siguientes preguntas:

¿Cómo se organizará y gestionará la nueva estrategia dentro de tu departamento y en toda la empresa?
¿Quién será el responsable de cada elemento?
¿Cómo recibirán otros equipos la información que necesitan para hacer su trabajo?
¿Quiénes son los socios estratégicos en otros departamentos?

#4. Requisitos tecnológicos.

¿Cómo es la infraestructura tecnológica necesaria para respaldar esta nueva estrategia?
¿Cumplirá con las expectativas de datos de la organización en términos de velocidad y escala? Si se requieren nuevas herramientas, asegúrate de describirlas y explicar exactamente por qué son necesarias.

#5. Inversión financiera y justificación.

Hasta ahora, has presentado un caso convincente para la nueva estrategia de datos de tu empresa. Ahora es el momento de presentar un caso aún más convincente para la aceptación financiera. Cuanto más detallado pueda ser sobre cómo se te ocurrió el número que estás solicitando y cómo se asignará, mejor. ¿Cómo funcionará esa inversión en la empresa en un trimestre, dos trimestres, un año, dos años, cinco años? El uso de tablas y gráficos ayudará visualmente a contar la historia.

#6. Cronograma y conclusión.

Resume tu caso de negocio describiendo cómo implementarás la nueva estrategia de datos. Siempre es útil volver a visitar algunos de los puntos clave de justificación en esta sección.

Una estrategia de datos no es algo que se crea y se activa de hoy para mañana. Es un proceso de desarrollo de meses que requiere un apoyo de arriba hacia abajo y una inversión financiera significativa. El primer paso en el proceso es convencer al CEO y ayudarle a comprender por qué se necesita una estrategia de datos.

El siguiente paso, una vez se obtenga la aprobación, será el comenzar a hacer realidad la nueva estrategia de datos. En ese momento seguro que necesita ayuda, y en ese momento es cuando nosotros desde artyco podemos acompañarle en tan atractivo viaje. ¿Hablamos?

Emilio Fernández Lastra

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

¿Te ha parecido interesante lo que has leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

+34 916 404 150

Política de Calidad y Seguridad - Política de Privacidad y Cookies

Qué es un árbol de decisión y su importancia en el Data Driven

por Emilio Fernández Lastra | Oct 28, 2020 | CDA

Qué es un árbol de decisión y su importancia en el Data Driven

Un árbol de decisión es un diagrama en forma de árbol que muestra la probabilidad estadística o determina un curso de acción. Muestra a los analistas y, a los que toman las decisiones, qué pasos deben tomar y cómo las diferentes elecciones podrían afectar todo el proceso. Todo ello soportado en datos. Como entenderás, es una herramienta muy útil en cualquier organización regida por los datos o Data Driven. En este post, te voy a contar cómo construirlo, sus principales símbolos, sus ventajas y desventajas, así como su importancia en el Data Driven. ¿Interesante verdad? Vamos a por ello.

Un árbol de decisión es una especie de mapa en que se muestra cada una de las opciones de decisión posibles y sus resultados. Este es tremendamente útil para aquellas personas que tienen que tomar decisiones en un negocio, ya que te permite comparar diferentes decisiones y acciones según sus costos, probabilidades y beneficios.

Este diagrama acaba teniendo una forma similar a la de un árbol, de ahí su nombre de “diagrama de árbol de decisión”.

Los árboles de decisión comienzan con un nodo, del cual salen otros en función de las opciones que se presenten, y de cada una de estas, otros. Existen tres tipos diferentes de nodos:

Nodos de decisión.
Se le representa con un cuadrado y muestra una decisión que se tomará.
Nodos de probabilidad.
Está representado por un círculo y muestra las probabilidades de ciertos resultados.
Nodos terminales.
Son de forma triangular, y muestra el resultado definitivo de una ruta de decisión.

Una vez que ya sabes qué es un árbol de decisión y el significado de sus figuras, vamos a ver cómo dibujar uno.

Cómo dibujar un árbol de decisiones

dibujar árbol de decisiones
Para dibujar un árbol de decisión puedes optar por hacerlo manualmente o bien a través de una aplicación. De cualquiera de las formas, su desarrollo es el mismo.

Empieza por la decisión principal. Dibuja un cuadrado pequeño y traza hacia la derecha, a través de líneas, las posibles soluciones o acciones. Estas deben de estar correctamente etiquetadas y ofrecer el coste que supone tomar un camino u otro.
Es el momento de añadir nodos de decisión y probabilidad, los cuales harán crecer el árbol. Para ello, debes de seguir el siguiente razonamiento:
- Si otra decisión es necesaria, dibuja otro cuadrado.
- Si el resultado es incierto, dibuja un círculo (los círculos representan nodos de probabilidad).
- Si el problema está resuelto, déjalo en blanco (por ahora).
Como ves, desde cada nódulo de decisión, debes de poner soluciones posibles, mientras que desde cada nódulo de probabilidad, debes de incluir los resultados posibles. Para poder basarte en datos, lo ideal es que incluyas en cada línea de decisión, el coste de esa acción, o el ingreso. De igual forma, en cada nódulo de probabilidad, debes de incluir tus opciones de forma numérica, a través de la probabilidad.
Continúa expandiendo tu árbol hasta que no haya más decisiones que tomar, y este llegue a su fin. El final representa que no hay más decisiones posibles o resultados probables que considerar. Una vez hayas asignado un valor a cada resultado posible, bien a través de una puntuación abstracta o un valor financiero, agrega triángulos que determinen los extremos.

final árbol de decisiones
Ahora, con el árbol listo, ya estás preparado para analizar la decisión a la que te enfrentas.

Cómo realizar un análisis en un árbol de decisión

analisis arbol de decisiones
Diseñar el árbol de decisión es útil sobre todo para plasmar sobre el papel las alternativas y para visualizar todas las opciones que tienes. Sin embargo, no está completo hasta que no realizas un análisis como tal.

Para ello, tienes que realizar el cálculo final esperado de cada decisión. Este cálculo te aportará una minimización del riesgo y una maximización de la probabilidad de obtener el resultado esperado.

Para sacar ese dato, sólo tienes que restar el costo de esa decisión a los beneficios esperados. Así de fácil. Ten en cuenta que los beneficios esperados son iguales al valor total de todos los resultados que puedan derivar de esa decisión, y cada valor se multiplica por la probabilidad de que ocurra. A continuación, te muestro cómo se calcularían estos valores para el ejemplo descrito anteriormente.
analisis árbol decisiones

Al identificar cuál es el resultado más deseable, es importante tener en cuenta las preferencias de utilidad del encargado de tomar la decisión. Por ejemplo, algunos prefieren opciones de bajo riesgo, mientras que otros están dispuestos a correr riesgos si el beneficio es mayor.

Al usar tu árbol de decisión acompañado por un modelo de probabilidad, puedes emplearlo para calcular la probabilidad condicional de un evento o la probabilidad de que suceda, en el caso de que otro evento ocurra. Para hacerlo, simplemente empieza con el evento inicial, luego sigue la ruta desde ese evento hasta el evento objetivo, y multiplica la probabilidad de cada uno de esos eventos juntos.

De este modo, un árbol de decisión se puede emplear como un diagrama de árbol tradicional, que traza las probabilidades de determinados eventos, como lanzar una moneda dos veces.

probabilidad evento árbol de decisiones

Como puedes suponer, los árboles de decisión ofrecen muchas ventajas, pero también alguna que otra desventaja. Vamos a verlas.

Ventajas y desventajas del uso del árbol de decisión

ventajas y desventajas árbol de decisiones
Las principales ventajas de utilizar en tu proceso de decisión, este tipo de diagrama, son evidentes y seguro que la mayoría de ellas ya se te han pasado por la cabeza:

Los árboles de decisión son simples de entender y de interpretar.
Si el diagrama no es demasiado grande, puede visualizarse de un vistazo y eso facilita mucho el entendimiento del proceso.
No requiere que prepares unos datos excesivamente complejos.
Es válido tanto para variables cuantitativas como para cualitativas.
Se pueden agregar nuevas opciones a los árboles existentes.
Son fácilmente combinables con otras herramientas de tomas de decisiones.
Utiliza un modelo de caja blanca: la respuesta del algoritmo es fácilmente justificable a partir de la lógica booleana implementada en él.

Por otro lado, hay una serie de desventajas, las cuales quizás no sean tan evidentes, aunque seguro que muchas de ellas se te hayan pasado por la cabeza. Principalmente son estas:

Son inestables: cualquier pequeño cambio en los datos de entrada puede suponer un árbol de decisión completamente diferente.
No se puede garantizar que el árbol generado sea el óptimo.
Hay conceptos que no son fácilmente aprendidos pues los árboles de decisión no son capaces de expresarlos con facilidad (como el operador XOR).
Los principiantes crean árboles sesgados, sobre todo si una de las personas que interviene es dominante respecto al resto.
Un árbol de decisión puede llegar a ser demasiado complejo con facilidad, perdiendo su utilidad.

Por lo que puedes suponer, esta herramienta es muy útil en las empresas Data Driven, las cuales, sólo toman decisiones en base a los datos. A continuación, paso a contarte por qué es tan útil para este tipo de empresas.

Los diagramas de árbol de decisión en el Data Driven

árbol de decisiones y data driven

Hoy día, las empresas más modernas están siendo regidas por los datos. Los años en los que se tomaban las decisiones en función de la experiencia personal del más veterano, o la intuición del empleado de más éxito, terminaron.

Gracias a los datos, una empresa Data Driven es capaz de multiplicar el número de ventas fácilmente, así como de fidelizar a sus clientes y de ahorrar costes, entre otras muchas cosas.

Para lograrlo, es necesario crear una cultura y una filosofía entorno al dato, pero también entorno a la mejor manera de tomar decisiones basadas en estos.

En este sentido, el diagrama de árbol de decisión es una excelente herramienta para lograr tomar decisiones basadas en datos.

Pero no sólo eso, los árboles de decisión son, además, potentes herramientas de visualización que ayudan a los responsables precisamente en esa toma de decisiones, realizando los movimientos correctos en el momento adecuado.

Cada vez más sectores los utilizan hoy en día con el fin de sacarles todo el provecho y aumentar su negocio, utilizándolos para optimizar estrategias, predecir los resultados o la probabilidad de eventos.

En próximos posts profundizaremos más en esta herramienta, hablando de árboles más avanzados como el de regresión o el de clasificación y cómo pueden entrar en juego en la Inteligencia artificial, a través del machine learning. No te lo pierdas.

¿Quieres convertir tu empresa en una compañía Data Driven?

Emilio Fernández Lastra

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

¿Te ha parecido interesante lo que has leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

+34 916 404 150

Política de Calidad y Seguridad - Política de Privacidad y Cookies

¿Por qué tu empresa no es Data Driven?

por Emilio Fernández Lastra | Oct 14, 2020 | DCS

¿Por qué tu empresa no es Data Driven?

Tras la situación sanitaria y económica que estamos viviendo, todas las compañías intentan rentabilizar al máximo cada una de sus inversiones, así como optimizar cada una de las decisiones corporativas que se toman. Saben que la mejor manera de hacerlo con éxito es a través de los datos, y eso es lo que consigue una cultura Data Driven. Es por eso, que todas las compañías con visión de futuro están adoptando esa filosofía empresarial. ¿Quieres saber en qué momento estás? Aquí te cuento por qué tu empresa no es Data Driven y cuáles son las fases por las que pasan todas aquellas empresas que se adentran en el camino de conseguirlo. Vamos allá.

Una empresa data driven basa su cultura en el empleo eficiente de los datos, convirtiéndolos en auténtico valor para la organización.

Según los resultados de una encuesta realizada por McKinsey, las empresas data driven tienen 23 veces más probabilidades de adquirir clientes, seis veces más probabilidades de retener a esos clientes y 19 veces más probabilidades de ser rentables.

A pesar de todo, según otro informe, esta vez realizado por EY y Nimbus Ninety, a pesar de que el 81% de las empresas piensan que los datos deben de estar en el centro de su organización, la mayoría usa la analítica de datos sólo para resolver problemas esporádicos.

De estos informes, se desprendieron unas conclusiones que evidenciaban los porqués de no llegar a convertirse en empresas data driven. Estas conclusiones se pueden resumir en estos 4 puntos:

#1. Las empresas necesitan crear una organización respecto al dato, teniendo en cuenta la gobernanza de este, con el objetivo de que se puedan llegar a tomar decisiones basadas en estos.

#2. Las empresas deben de tener el hábito de recoger datos de diferentes fuentes, pero vigilando la veracidad de los mismos, así como su calidad y consistencia. Con estos, se deben de crear insights que sean valiosos para todos los empleados de la organización. Ya que, gracias a estos, podrán tomar sus decisiones diarias.

#3. Una empresa que quiera ser Data Driven, debe de disponer del talento necesario para ello y formar a los empleados actuales, para que sean capaces de trabajar en base a los datos. Además, deben de contar con organizaciones especializadas en Big Data, que les acompañen en el viaje.

#4. El mayor riesgo de manejar datos, está en que te los roben. Por ello, es necesario que una empresa Data Driven se aproveche de la analítica Big Data para aumentar la ciberseguridad y mejorar el cumplimiento normativo. Con la GDPR actual, el usuario tiene derecho a elegir qué empresas tienen acceso a sus datos y para qué los utilizan.

Ahora ya sabes más o menos cómo debe de ser una empresa Data Driven. Supongo que habrás hecho la introspección de analizar si tu compañía cumple con alguno de estos puntos, ¿verdad? Para que no te quede más dudas, a continuación, voy a contarte definitivamente por qué tu empresa no es Data Driven.

5 motivos por las que tu empresa no es Data Driven

Creo que lo tienes claro. Tu empresa no es Data Driven, pero por si te queda alguna sospecha, aquí te presento cinco puntos que terminarán por sacarte de dudas.

Muchas empresas dicen que son Data Driven simplemente porque trabajan con datos, pero no es así. Ser Data Driven va mucho más allá.

Si tu empresa cumple alguno de estos puntos, piensa que no es Data Driven.

#1. Mantenéis la información guardada por departamentos, sin posibilidad de poder compartirla con el resto de los equipos, o al menos, no es tarea sencilla. Trabajáis en lo que se denomina dentro del sector, en silos independientes de información, en los que cada responsable de departamento es dueño y señor de su silo.

#2. Sí, trabajas con datos a diario, pero ¿te preocupas de la calidad de estos? Muchas compañías presumen de disponer de una gran cantidad de datos, incluso de tenerlos en cuenta a la hora de trabajar y tomar decisiones. Lo que ya no tienen tan en cuenta es el trabajo previo a esos datos, es decir, la calidad de ellos en su fiabilidad en la recogida, su normalización, limpieza y correcto tratamiento. El impacto del Dirty Data en España, supone un total de 321 millones de euros de pérdidas, ya que se toman decisiones erróneas. ¿Quieres saber más sobre ello? Echa un ojo a este post sobre Dirty Data.

#3. Utilizas herramientas de analítica de datos, sin embargo, es dudosa su eficacia en cuanto a la toma de decisiones. Piensas que estas herramientas están siendo infrautilizadas en tu empresa, y realmente no están ayudando a tomar más y mejores decisiones empresariales y de negocio. Piensa que una de las mayores dificultades a las que se enfrentan las empresas hoy día, es la toma de decisiones respecto a qué herramienta utilizar, que sea adecuada a las necesidades de cada empresa o negocio. Aquí te dejo una guía de cómo elegir la herramienta más adecuada en sólo 5 pasos.

#4. ¿Una de tus mayores preocupaciones es disponer de suficientes datos? Sin embargo, no los utilizas de forma correcta y no sabes extraer el verdadero valor de estos. Muchas empresas pierden mucho tiempo en la adquisición de más y más datos, sin pararse a pesar cuáles de estos son verdaderamente necesarios para sus objetivos de negocio. Este hecho les hace perder la perspectiva de para qué se necesitan esos datos.

#5. En la empresa sólo unos pocos están verdaderamente capacitados para trabajar con datos. Uno de los mayores problemas y hándicaps a los que se enfrentan las compañías hoy día, es la falta de personal formado respecto a la cultura del dato, así como en el trabajo entorno al dato.

¿Verdad que te ves reflejado en más de uno? Si es así, lo siento, pero tu empresa no es Data Driven. Sin embargo, conseguirlo no está sólo al alcance de la mano de grandísimas compañías. Convertir un negocio en Data Driven o basado en los datos, no es sencillo, pero es posible retocando ciertos elementos. El camino para conseguirlo conlleva habitualmente una serie de fases. Te las cuento.

Fases de evolución hacia el Data Driven

Según Christopher S. Penn (autor de uno de los libros más vendidos ‘Marketing White Belt: Basics for the Digital Marketer’, y autoridad líder en nuevos medios y marketing en Wall Street Journal, Washington Post, New York Times , BusinessWeek y US News and World Report , PBS, CNN, CNBC, Fox News y ABC News, entre otras) todas las empresas que desean transformarse en una compañía basada en datos, deben de pasar por una serie de etapas hacia su evolución. Las etapas son estas:

Fase de resistencia a los datos.
Normalmente las empresas que se resisten a los datos suelen decir esto: «Siempre lo hemos hecho de esta manera», una frase dolorosa para cualquiera con mentalidad de progreso. Es por eso por lo que, dirigirse hacia el Data Driven en una organización que está en esta fase de resistencia, el esfuerzo debe de venir desde dentro de la organización.
Consciencia de datos.
Son las empresas que saben de la existencia de los datos, los recogen y sienten curiosidad por ellos, pero aún no saben cómo sacarles partido. La transición de la detección de datos a la guiada por datos proviene del deseo de desbloquear el valor de los datos que una empresa ha recopilado.
Empresa guiada por los datos.
Las empresas guiadas por datos se centran en el análisis, en lo que sucedió en los datos. ¿Qué dicen los datos? ¿Qué ocurrió? Y entran en una fase de contratación y cambio cada dos por tres de proveedor tecnológico y de herramientas. Muchas empresas se quedan estancadas en esta fase, ya que tiene repercusión sobre la parte más táctica de la empresa, bastándoles a muchas de ellas.
Experta en datos.
La empresa experta en datos se da cuenta de que el valor de los datos no es solo táctico; los datos pueden ser un activo estratégico. Para desarrollar ese valor estratégico, una empresa experta en datos continúa invirtiendo en el qué, pero luego dirige su atención al por qué, y al desarrollo de conocimientos.
Basada en datos.
La empresa basada en datos combina datos, análisis y conocimientos para responder a la pregunta ¿qué sigue? Las decisiones que toman las organizaciones basadas en datos encapsulan los datos, lo que sucedió, por qué y qué sigue en declaraciones claras y concisas que indican la próxima acción a tomar. Para estas, los datos son un activo estratégico que impulsa todas las decisiones importantes que se toman.
En una organización verdaderamente basada en datos, cada reunión de planificación comienza con datos y no se ejecuta ninguna decisión sin una estructura de gobierno para recopilar y medir la decisión.

Como ves, convertirse en una empresa Data Driven no es tan sencillo como muchas empresas suponen, pero si se hace de manera acertada y con empeño, esta opción puede reportar interesantes beneficios para el negocio.

En artyco ayudamos a las compañías a ser Data Driven, a través de nuestros consultores especializados y nuestros años de experiencia con los datos, ¿hablamos?

Emilio Fernández Lastra

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

¿Te ha parecido interesante lo que has leído?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

+34 916 404 150

Política de Calidad y Seguridad - Política de Privacidad y Cookies