¿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.