Bigdata y su poder para los negocios en una economía digital

11:34 26 Diciembre, 2020

Todos afirman que la data está en todos lados, que producimos más data en los últimos años de lo que alguna vez hemos tenido. Esto es irrefutable, pero la parte relevante de esta afirmación es que no implica que toda esa data sea útil para los objetivos del objetivo. De hecho, la mayoría de la data no es útil.

Carlo Rodriguez, CEO en Attach, compartió algunos trucos que se deben tener en cuenta a la hora de incorporar big data en la organización.

Por dónde empezar un proyecto de big data

Rodriguez refirió que el primer paso para iniciar un proyecto de big data en una compañía es definir los objetivos. Es fundamental tener claro lo que quiere alcanzar la compañía, ya sea eficiencia, mejorar experiencia del cliente o mayor rendimiento.

 

El segundo paso es establecer un diccionario de datos. Debe ser claro qué información tienen y en qué sistemas están. Muchas veces hay áreas que tienen la misma información, pero en sistemas diferentes.

El tercer paso es empezar en pequeño. Es importante comenzar proyectos pequeños que no demoren más de 12 semanas.

¿Qué datos se pueden juntar?

Al momento de empezar, se debe pensar en qué datos se pueden juntar. Los datos demográficos on y offline (CRM) -que permiten entender mejor a los clientes- podrían unirse con analytics PII Data -que son las acciones de usuarios identificados. A ello, podría adicionarse data del call center, así como los datos de productos comprados (ERP).

 

Pero, ¿Qué brinda la unificación estos datos? Tener una vista 360 del cliente. Así, a través de la nube, se puede adquirir, almacenar y analizar información de los clientes y prospectos para lograr una mejor interacción, incrementar su lealtad y mejorar su experiencia, señaló Rodriguez en el Summit Perú Digital 2020 organizado por la Cámara de Comercio de Lima.

Cinco niveles de big data

Básico. En este nivel elemental se unifica la data del CRM con analytics. Qué hace: mejora el performance de la publicidad digital conociendo su aporte a las ventas y el lifetime value en el caso de ventas directas.

Básico II. Aquí se unifica el CRM con analytics usando machine learning. Qué hace: Mejora la publicidad creando segmentos y generando perfiles “look a like” a fin de buscar usuarios similares para mejorar la perfomance.

Intermedio. Al CRM y analytics, se le suman otros sistemas. Qué hace: enriquecer la data para mejorar la experiencia del cliente en todos los puntos de contacto sean digitales o no.

Intermedio II. A la combinación anterior se le agrega machine learning. Qué hace: predecir el abandono de los clientes antes que suceda, así como enviar ofertas personalizadas.

Avanzado. Aquí se usa data no estructurada para enriquecer los perfiles con información en redes sociales, etc.

 

¿Qué puede predecir?

Por un lado, el uso del big data puede predecir qué usuarios son los más propensos a comprar utilizando estadística en base al comportamiento del usuario sobre el contenido que ve, la fidelidad y qué productos comprar. Con dicha información, se lo coloca en una audiencia y así crear audiencias look alike.

Por otro lado, con la data de ventas del supermercado se puede predecir la demanda, evitar quiebres de stock y anticipar órdenes de clientes.

¿Qué puede identificar?

Con la utilización de tecnologías como el procesamiento del lenguaje natural y text analytics se podría mejorar el speech de ventas de call center, mientras que con computer vision se puede mejorar la colocación de productos en góndolas.

(Por Jackie Murillo)

Comparte en:

Vea también