la oportunidad del Big data

Que nos aporta el Big data.

Se caracteriza por su volumen, velocidad, valor y variedad; se están produciendo grandes datos a un ritmo de más de 2,8 zettabytes (ZB), o 2,8 billones de gigabytes, cada año. Cada día se publican 2 millones de blogs, 172 millones de usuarios visitan Facebook (gastando un total de 4.700 millones de minutos en una sola red social), se cargan 51 millones de minutos de vídeo y se comparten 250 millones de fotos digitales. Seguimos generando 294.000 millones de correos electrónicos cada día, aunque muchos consideran que el correo electrónico es una forma de comunicación anticuada. Se espera que se dispare a más de 40 ZB por año para el 2021; y para mantenerse a la cabeza, las empresas deben empezar a abordar los grandes datos hoy mismo. Se están realizando inversiones más rápidas que nunca para mejorar la productividad, crear valor, seguir siendo competitivos, detectar nuevas tendencias empresariales y generar soluciones analíticas apasionantes. El Big Data se están convirtiendo en un sello distintivo del comienzo del siglo XXI, en el que cada vez más empresas los consumen y utilizan.

Generalmente se pueden dividir los grandes datos en dos tipos diferentes, “estructurados y no estructurados”.

Los 294 mil millones de correos electrónicos que se envían cada día pueden considerarse texto estructurado y una de las formas más simples de big data. Las transacciones financieras, incluyendo la venta de entradas de cine, la venta de gasolina, la venta de restaurantes, etc., generalmente están estructuradas y constituyen una pequeña fracción de los datos que circulan por las redes globales hoy en día.

Otras formas de datos estructurados incluyen actividad de flujo de clics, datos de registro y alertas de seguridad de la red. Los datos no estructurados son una fuente primaria de crecimiento en los grandes datos.

La música es una variedad cada vez mayor de datos y estamos transmitiendo casi 19 millones de horas de música cada día a través del servicio de música gratuito,” spotify” por ejemplo.

Los viejos programas de televisión y películas son otra fuente de variedad en el reino no estructurado. Hay más de 864.000 horas de vídeo subidas a YouTube cada día. Podemos ver si queremos la friolera de 98 años de videos de gatos sin parar, diversión o una locura!

Más allá de la tecnología en general, el big data van a requerir cambios en la mayoría de los procesos de negocios para asegurar que se tomen decisiones con los juicios analíticos adecuados.

Para que reconozcan estos requisitos, habrá que centrarse más en dos ideas principales.

  • En primer lugar, se requiere la exploración de la forma en que las empresas pueden aprovechar las soluciones tecnológicas actuales para segmentar y luego diseccionar los datos.
  • En segundo lugar, será necesario que se realice un presentación y luego la predicción de las formas en que las empresas utilizarán los datos para crear y mantener  estrategias que mejoren el flujo de ingresos.

Las empresas han estado segmentando los mercados de clientes durante décadas, pero la era de los grandes datos está haciendo que la segmentación sea más esencial y aún más sofisticada. El desafío no es sólo reunir la información, sino que se trata de una carrera para conocer a los clientes de forma intima. La segmentación es un elemento fundamental para comprender a los clientes, en su forma más simple, los clientes se agrupan en base a características similares.

A medida que los datos mejoran (demográficos, de actitud y de comportamiento), los enfoques de la segmentación se vuelven más sofisticados. En este momento, las empresas prácticamente se están ahogando en todos los datos que se están recopilando y si no tienen cuidado, pueden pasar todo el tiempo mirándolos y no darles un buen uso para tomar mejores decisiones de negocios. El tiempo de disección puede ser ilimitado sin dar resultados reales, por lo que tener un sistema de análisis probado y escalable puede reducir drásticamente este tiempo de segmentación.

Las empresas de todos los sectores afirman que conocer bien al cliente conduce a un servicio mejorado y personalizado para el comprador, lo que se traduce en un cliente más leal.

En el esfuerzo por conocer mejor a sus clientes, las empresas han empleado tradicionalmente sistemas analíticos avanzados como Google Analytics o Adobe para segmentar a sus clientes en grupos basados en la demografía, la localizacion y otros aspectos. Aunque este tipo de segmentación ayuda, a menudo no sólo no define diferencias importantes entre los clientes, sino que carece de la capacidad de ofrecer características innovadoras consistentes. Por ejemplo, una segmentación básica de viajeros de una aerolínea podría definir a un cliente como un hombre de 37 años que vive y trabaja en Madrid y que realiza frecuentes viajes de negocios a Barcelona.

Un mejor enfoque es clasificar por las elecciones, preferencias y gustos del cliente en función de todas sus interacciones con el negocio. Pero para microsegmentar con precisión a sus clientes, las empresas deben reconocer una gama más amplia de características de los clientes, muchas de las cuales se encuentran más allá de la información estructurada en los sistemas de reservación, control de salidas  de una aerolínea. Un buen numero de información adicional sobre los clientes se puede conseguir con  la interacción directa con el clientes, con correos electrónicos, encuestas, chat, SMS, redes sociales, etc.

Las empresas deben tener la capacidad de entender el significado en el diálogo con los clientes, y pueden hacerlo automáticamente a través de nuevos tipos de sistemas de análisis.

Los grandes datos tienen el potencial de cambiar fundamentalmente la forma en que las empresas se relacionan con sus clientes “con todos”, no sólo el pequeño porcentaje que participa activamente en un programa de fidelización. Las empresas pueden aprovechar la gran cantidad de información disponible en sus interacciones con los clientes y en las vías de comercialización online (como los medios sociales, los blogs y los sitios web) para segmentar finamente, mantener y hacer crecer las relaciones con sus clientes.

Debemos asumir que los grandes datos son a la vez un desafío crítico y una oportunidad para las empresas. Contar con tecnologías diseñadas para hacer frente al crecimiento explosivo del volumen, la variedad y la velocidad de la información es fundamental para su éxito.

Afortunadamente, los actuales modelos alternativos de entrega de hardware, las arquitecturas en nube y el software de código abierto ponen al alcance el procesamiento de grandes datos. Al final, la gran historia detrás de los grandes datos puede ser muy pequeña “la capacidad de crear y servir a micro segmentos muy pequeños de clientes” con una precisión significativamente mayor y logrando más con menos.

La segmentación es la mera punta del gran iceberg de los datos, y las estrategias que las empresas ya han formado y continuarán formando para aprovecharlo son increíbles.

Hoy en día se recurre a cuatro estrategias que las empresas utilizan para aprovechar el big data en su beneficio: “la gestión de resultados, la ciencia de la decisión, el análisis social y la exploración de datos”.

La gestión de resultados es donde todas las cosas comienzan. Al comprender el significado del big data  en las bases de datos de las empresas mediante consultas predeterminadas, los stakeholders pueden hacer preguntas como dónde están los segmentos de mercado más rentables. Puede ser extremadamente complejo y requerir muchos recursos; sin embargo, las cosas empiezan a ser más fáciles.

La mayoría de las herramientas de inteligencia empresarial o business intelligence hoy en día proporcionan una gran cantidad de dashboard con todos los kpi´s relevantes.

El usuario, a menudo los stakeholders  o analista de negocio, puede elegir qué consultas ejecutar, y puede filtrar y clasificar la salida del informe por determinadas dimensiones (por ejemplo, la región), así como desglosar los datos.

Los múltiples tipos de informes y gráficos facilitan a los directivos las tendencias mas relevantes. Con dashboard funcionales y “fáciles” de usar, las empresas están empezando a ser capaces de hacer más con menos; pero todavía no hemos visto una solución que ofrezca un diseño limpio con una funcionalidad sencilla, que ofrezca una visión aún más amplia que la que existe actualmente.

La exploración de datos es la segunda estrategia que actualmente está en juego en las empresas. Esta estrategia hace un uso intensivo de las estadísticas para experimentar y obtener respuestas a preguntas que los stakeholders podrían no haber pensado antes. Este enfoque aprovecha las técnicas de modelado predictivo para predecir el comportamiento de los usuarios en base a sus transacciones y preferencias previas.

El análisis de conglomerados se puede utilizar para segmentar a los clientes en grupos basados en atributos similares que pueden no haber sido planeados originalmente. Una vez que estos grupos son descubiertos, se pueden realizar acciones dirigidas como la personalización de los mensajes de marketing, la mejora del servicio y la venta cruzada/up-selling a cada grupo único.

Otro caso de uso popular es el de predecir qué grupo de usuarios puede “abandonar su carro sin comprar”. Con esta información, los administradores pueden elaborar proactivamente estrategias para retener a este segmento de usuarios y reducir la tasa de abandono.
La próxima estrategia que las empresas utilizan es aprovechar las redes sociales como Facebook, Twitter, tiktok o Instagram. El análisis social mide la gran cantidad de datos no transaccionales que existen hoy en día. Muchos de estos datos existen en plataformas de las redes sociales, como conversaciones y reseñas en Facebook, Twitter.

La analítica social mide tres grandes categorías: conciencia, compromiso, y boca a boca o alcance.

La concienciación se centra en la exposición o las menciones de contenido social y a menudo implica métricas como el número de visitas a los vídeos y el número de seguidores o miembros de la comunidad. La participación mide el nivel de actividad e interacción entre los miembros de la plataforma, como la frecuencia del contenido generado por los usuarios. Por último, el alcance mide el grado en que el contenido se difunde a otros usuarios a través de las plataformas sociales. El alcance puede medirse con variables como el número de retweets en Twitter y los gustos compartidos en Facebook.

Los analistas de redes sociales necesitan enteder claramente lo que están midiendo. Por ejemplo, un vídeo viral que ha sido visto 10 millones de veces es un buen indicador de alta conciencia, pero no es necesariamente una buena medida de compromiso e interacción.

Además, las mediciones sociales consisten en medidas intermedias, no financieras. Para determinar un impacto comercial, los analistas a menudo tienen que recopilar el tráfico en la web y las métricas comerciales, además de las métricas sociales, y luego buscar correlaciones. En el caso de los vídeos virales, los analistas necesitan determinar si, después de ver los vídeos de YouTube, hay tráfico hacia el sitio web de la empresa seguido de eventuales compras de productos.

La estrategia final que utilizan las empresas es ” Tomar decisiones”. Por lo general, implica experimentos y análisis de datos no transaccionales, como ideas de productos generadas por los consumidores y revisiones de productos, para mejorar el proceso de toma de decisiones. A diferencia de los analistas sociales que se centran en el análisis social para medir los objetivos conocidos, los científicos de datos que toman  las decisiones exploran los grandes datos sociales como una forma de realizar “investigaciones de campo” y probar hipótesis.

El crowdsourcing, que incluye la generación de ideas y la realización de encuestas, permite a las empresas plantear preguntas a la comunidad sobre sus productos y marcas. Los científicos de datos, junto con la retroalimentación de la comunidad, determinan el valor, la validez, la viabilidad y la adecuación de estas ideas y finalmente informan sobre si o cómo planean poner estas ideas en acción.

Por ejemplo, el programa “My Starbucks Idea” permite a los consumidores compartir, votar y presentar ideas sobre los productos de Starbuck, la experiencia de los clientes y la participación de la comunidad. Hasta la fecha se han recogido más de 100.000 ideas. Starbucks tiene una sección de “Ideas en acción” para discutir dónde se encuentran las ideas en el proceso de revisión.

Muchas de las técnicas utilizadas los analistas de datos  implican herramientas de escucha que realizan análisis de textos y sentimientos. Aprovechando estas herramientas, las empresas pueden medir los temas específicos de interés en torno a sus productos, así como quién dice qué sobre estos temas. Por ejemplo, antes del lanzamiento de un nuevo producto, los responsables de la comercialización pueden medir cómo se sienten los consumidores con respecto al precio, el impacto que la demografía puede tener en el sentimiento y cómo cambia el sentimiento del precio a lo largo del tiempo. Los stakeholders pueden entonces ajustar los precios en base a estas pruebas.

El futuro de las estrategias  a realizar es difícil de predecir, sin embargo, en base a cómo están desarrollando las cosas, las empresas apuestan por los  nuevos tipos de tecnología apalancada dentro de los sistemas de análisis con un enfoque en los grandes datos o big data.

En Hivadamarketing como empresa que se centra en la web y la analítica de datos, estamos apostando en los procesos de “Big Data.

Big Data está cambiando la forma en que vivimos nuestras vidas, desde como dirigir tu negocio a comprar en el supermercado a comprar entradas de cine. Cada trozo de información recopilada está siendo segmentada y utilizada para analizar la forma en que los consumidores piensan y se comportan.

Para poder aprovechar esta oportunidad, necesitamos alejarnos de las soluciones anticuadas y menos innovadoras. En su lugar, podemos aprovechar la tecnología emergente que ofrecen las nuevas empresas que cambian la forma en que podemos identificar las tendencias en los datos y la comprensión de los procesos de pensamiento de los consumidores. Conociendo las estrategias actuales que utilizan las empresas para aprovechar esta enorme cantidad de datos, podemos utilizar esa información para hacer predicciones mejor informadas sobre adónde nos lleva este fenómeno.

 

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Ir arriba
Te enviamos información

Subcribete y recibiras actualizaciones