Categorías
Analítica

Ver los datos para tomar decisiones

Los reportes adquieren un valor exponencial cuando se grafican. Conozca el Smart Visual para que no se pierda en un mar de datos.

1

¿Qué es el Smart Visual Data? Es una herramienta que reinterpreta los software empresariales para cambiar la presentación de datos, tomando información de diversas fuentes para plasmar en una pantalla o en varias (videowall) un panorama completo del negocio y del sector en tiempo real y con gráficas atractivas, simples e intuitivas.

2

¿Cómo puede ayudar el Smart Visual Data a mi negocio?

  • Ordena, jerarquiza y prioriza los datos más importantes.
  • Cruza diversas fuentes de información para acelerar la toma de decisiones.
  • Visualiza el cumplimiento de los objetivos comerciales o estratégicos.
  • Mantiene a los equipos de trabajo informados, motivados e integrados.
  • Proyecta una imagen de transparencia e innovación.
  • Genera información confiable y en tiempo real.
  • Aporta capacidad de predicción de futuros problemas.
  • Es el paso siguiente y lógico del Big Data y el Smart Data.

“Con el Smart Visual Data las empresas tienen un mayor control y tienen el dato constantemente a la vista, por lo que, de manera consciente o inconsciente, siempre lo están analizando. Y, lo que es más importante, lo están entendiendo”.

Majo Castillo,
directora de Operaciones de la empresa Zeus, pioneros en la creación, desarrollo e implementación de este sistema en España.
3

¿Cómo impacta mi gestión empresarial? El impacto del Smart Visual Data varía mucho y depende de varios factores. Hay clientes que lo instalan para mejorar la gestión comercial, incrementar sus ventas en un área territorial concreta, aumentar los indicadores de conversión con clientes u optimizar la organización de tareas y proyectos en un departamento concreto. Sin embargo y como ejemplo, se estima que un negocio puede reducir los tiempos de control de su stock, pasando de 3 horas a 10 minutos.

El Smart Visual Data transmite emoción y facilita la toma de decisiones correctas en el momento oportuno.
4

¿Qué requisitos debo cumplir para instalar esta herramienta en mi negocio? El Smart Visual Data es la evolución natural de la analítica hacia procesos donde priman las personas. Crea un sistema de gestión que, lejos de crear tediosos informes y complejos gráficos, facilita la toma de decisiones. El único requisito para tenerlo es generar los suficientes datos en un software o hasta en un archivo de Excel, ERP (sistemas de planificación de recursos) o CRM’s para ‘pintarlos’ en un cuadro de mando, de tal forma que muestren la historia viva de la compañía.

5

¿Cuáles son las fases de implementación? Se realiza a medida luego de definir qué indicadores son más importantes de mostrar. Parte de una etapa de conocimiento para conocer bien el negocio y los flujos de comunicación; posteriormente se establecen los KPI’s (key performance indicator), se realiza la conexión tecnológica a las fuentes y finalmente o en paralelo se adelantan la programación y diseño de los gráficos o dashboards.

 
 
 

Para saber más de Smart Visual, vea este video

Categorías
Analítica

Big data, lo que nos entregan los datos

Las mejores estrategias hoy de big data empiezan a emprender acciones en tiempo real. Los resultados son sorprendentes.

Los más recientes avances en el área del big data no dejan de sorprendernos: optimización de procesos industriales, toma de decisiones eficientes en el gobierno y un profundo nivel de conocimiento de los hábitos de compras de los consumidores sin precedentes. Cadenas de almacenes como Macy´s, Kohls y Target están usando modelos de análisis en tiempo real para predecir y monitorear los hábitos de compra de sus clientes.

Este monitoreo se extiende desde redes sociales hasta las visitas a los puntos de venta. Por ejemplo Kohls realizó una prueba piloto en varias de sus tiendas, donde envió ofertas personalizadas usando mensajes de texto y emails a los clientes que se encontraban dentro de la tienda, con excelentes resultados. Está claro que este tipo de promociones estimulan la compra en el momento en que el consumidor se halla en el punto de venta. Macy’s también tiene una estrategia en tiempo real mediante la cual envía cupones y promociones a sus clientes que deciden no ejecutar una compra al final de la visita a su sitio web. De esta manera, el consumidor es invitado por la tienda para conocer el producto físicamente y así estimular y cerrar la compra. Por otro lado, Target usa el análisis de “Datos emocionales en redes sociales” para entender las reacciones de sus consumidores a nuevos productos y predecir el éxito de los mismos.

Uno de los torneos más importantes de tenis, el Grand Slam de Wimbledon junto con IBM, desarrolló un sistema de seguimiento en tiempo real que analiza desde la velocidad de la pelota hasta comparación de datos históricos de cada partido, además de comentarios en redes sociales y observaciones de expertos en el deporte. De esta manera, aunque al torneo asisten unos cuantos cientos de personas, los más de 800 millones de seguidores del Grand Slam reciben información enriquecida en tiempo real vía internet y televisión. Según IBM, durante el torneo se analizan más de 850.000 puntos de datos que incluyen 600 partidos y que son interpretados por un equipo de 48 analistas de datos.

Categorías
Analítica

Inteligencia artificial y datos: los retos

¿Hacia dónde van los datos? En la capacidad de captarlos, procesarlos y entenderlos están muchas claves del futuro. La inteligencia artificial es una herramienta predictiva y ya está aquí.

A medida que los sistemas de aprendizaje inteligente (machine learning) se hacen más sofisticados y precisos, estos se convierten en grandes aliados para el procesamiento de datos. Los procesos de Business Intelligence (BI) han pasado de ser reportes estéticos y poco flexibles a sistemas interactivos en los cuales la información se puede filtrar, y entender por qué y cómo suceden ciertos eventos. Estos sistemas aún están en desarrollo, y actualmente compañías como Google, Microsoft o IBM trabajan en varios retos para llevarlos al próximo nivel. Aquí te presentamos algunos de ellos.

Costo: los sistemas de inteligencia artificial (IA) han empezado a generar reportes automatizados que incluyen el análisis de los datos. Según Yseop, una empresa que desarrolla sistemas de IA, el costo de los mismos se reducirá en un 77% una vez su uso se masifique.

Falta de expertos: solo en EE. UU. se necesitan casi 200.000 profesionales capaces de analizar datos y cerca de un 1.500.000 de analistas que sean capaces de tomar decisiones con base en datos analizados. Los sistemas de inteligencia artificial reemplazarán a estos profesionales y tomarán papeles más activos en las empresas.

Predecir: los sistemas de IA se enfocan principalmente en predecir basados en patrones analizados. Aunque algoritmos de este tipo ya se encuentran en el mercado, Magic Quadrant prevé que para el 2018 esos sistemas estarán activos en más del 50% de las grandes compañías y conglomerados del mundo.

Recomendar: según Herain Oberoi, del equipo de Analytics de Microsoft, la frontera final de la IA y el Business Intelligence es la capacidad de hacer recomendaciones con base en predicciones. Esto no solo se hará de una manera proactiva por parte del sistema, sino a través de interacciones naturales entre el usuario y la máquina.

Categorías
Analítica

El contenido de valor para la persona correcta

Mazda, Anthropologie y Red Bull utilizan, en estos casos de éxito únicos, el conocimiento y la comunicación segmentada como factor ganador en su estrategia de mercadeo. Descubre lo que ellos hicieron y que transforma la relación convencional clientes-marcas.

En el mundo del mercadeo el reto no consiste solo en llegar al mercado objetivo, sino al público objetivo; en la segmentación radica el éxito de una propuesta de valor relevante para su cliente, y en el conocimiento de este, de sus datos no solo demográficos, sino de sus hábitos de consumo, gustos y comportamiento, está la efectividad de la comunicación y en últimas de la venta.

Bajo esa lógica, la filial de Mazda en el Reino Unido desarrolló una estrategia de publicidad inteligente en internet que sugería el test-drive de uno de sus modelos de acuerdo con el perfil del usuario cuando hacia una búsqueda en Google. Esta perfilación permitió además a Mazda cruzar compradores potenciales con el inventario real de sus concesionarios en un radio cercano al usuario. Esto significó el aumento de las ventas en un 98% más comparado con ventas regulares, al igual que un incremento del 20% en la tasa de participación de su publicidad.

Por su parte, la cadena Anthropologie publica en su blog una serie de recetas de cocteles sencillas de preparar. Estas recetas se comparten de acuerdo con la temporada, por ejemplo refrescos en verano y bebidas calientes en invierno. Esto se efectúa no solo con la intención de enganchar a la audiencia, sino de perfilarse como una marca cercana, cotidiana, que sabe tanto de bebidas como de moda y que se mantiene al tanto de las tendencias de estilo de vida de sus consumidores.

Redbull también nos da muchas lecciones. Esta es una de las marcas pioneras en crear contenido relevante para sus consumidores y lo hace desde un canal de TV (Red Bull TV) hasta llevar su patrocinio a actividades relacionadas con deportes extremos, competencias, conciertos e incluso llega a tener revistas digitales como The Red Bulletin. Gracias a una estrategia completa de contenidos, la marca se posiciona hoy como líder en grandes mercados logrando ventas tres veces más grandes que su competidor más cercano. De hecho, en 2007 Red Bull fundó Red Bull Media House, una agencia de contenido que se encarga de vender a otras marcas contenido original creado por Red Bull.

Categorías
Analítica

Ciencia de datos, un rol que transforma

El mundo se mueve a gran velocidad y las empresas están llamadas a caminar al mismo ritmo. La ciencia de datos es la disciplina que hace de las cifras y algoritmos un insumo para conocer a la audiencia, innovar y optimizar gastos.

¿Qué deben hacer las compañías para conocer mejor a sus clientes?, ¿Para qué sirven las cifras que arrojan las redes sociales y los sitios web?, ¿Puede una tirilla de compras convertirse en una fuente de información? La ciencia de datos es capaz de responder a estos y otros interrogantes relacionados con el análisis de la información como insumo para tomar decisiones.

Esta ciencia une disciplinas que se han desarrollado desde décadas atrás con nuevas formas de leer el entorno. Toma conocimientos y técnicas de las matemáticas, entre ellas la estadística, la ingeniería de sistemas y la inteligencia de negocios para darle soporte al análisis de datos con algoritmos más avanzados como Inteligencia artificial, Machine learning Big Data. Esta mirada multidisciplinaria rompe el esquema de que las cifras únicamente son datos puros y duros que conciernen a determinadas áreas de la compañía, para volverlos blandos, útiles y fáciles de interpretar.

Uno de los grandes retos del científico de datos es que su labor tenga como marco a la ética y que la información recolectada no ponga en riesgo la privacidad de los usuarios.

De acuerdo con Roberto Carlos Hincapié Reyes, PhD en ingeniería y décano de la escuela de Ingenierías de la Universidad Pontificia Bolivariana, la ciencia de datos “permite analizar combinaciones de una gran cantidad de información y encontrar patrones y relaciones que no son visibles de manera simple. La ciencia de datos es la que logra que de ese conocimiento se puedan extraer nuevos datos e información para que las empresas tomen decisiones con base en ellos”.

En las organizaciones la ciencia de datos tiene un campo de aplicación muy amplio que se enfoca en ir más allá de una correlación para hallar una causalidad. Para entenderlo mejor, un científico de datos tiene la formación y el criterio para comprender y explicar, por ejemplo, por qué cuando el dólar sube, cae el precio del petróleo y viceversa o por qué si alguien compra unas latas de cerveza, quesos y jamones madurados, posibemente esté interesado en adquirir un televisor de última tecnología para ver un buen partido de fútbol. En ambos casos las cifras permiten entender comportamientos derivados de ellas.

¿Por qué las compañías deben incorporar a su fuerza laboral a un científico de datos?

  • Para tener una mayor eficiencia financiera, optimizar recursos y encontrar nuevas alternativas de inversión.
  • Porque permite entender que los datos almacenados históricamente en una organización, más que archivos, son un intangible que pueden convertirse en un valor monetizable.
  • Permite conocer y acercarse a los clientes, ofrecerles soluciones a la medida de sus gustos y necesidades. Lo anterior representa mayores ingresos y fidelización.
  • Para convertir los datos en información clara y comprensible para una organización.
  • Es fundamental para identificar hábitos y tendencias de consumo y crear estrategias que respondan a ellos.

El mundo ha comprendido que las funciones del científico de datos pueden escribir un antes y un después en las organizaciones. El reto de quienes se ven atraídos por esta disciplina es formarse no solo en áreas de fundamentación, es decir, matemáticas, algoritmos, computación y procesamiento de datos, sino también en humanismo, como un llamado ético.

Fuente: Roberto Caros Hincapié Reyes.
Ingeniero electrónico, PhD en Ingeniería
Decano de la escuela de Ingeniería de la Universidad Pontifica Bolivariana