¿Cómo extraer valor de los datos?

Para muchos se trata del “nuevo oro”, por algo algunas de las empresas más valiosas del mundo basan su modelo de negocios en datos.

En las últimas décadas ha habido una explosión en la cantidad de datos generados por los consumidores.

Pensemos en todas las transacciones diarias registradas por Amazon, las reservas hechas en Uber o los mensajes enviados por WhatsApp. La disponibilidad de grandes cantidades de datos es una oportunidad para que las empresas puedan conocer mejor a sus clientes. Hay tanto valor en los datos, que algunos analistas están comenzando a llamarlos el “nuevo oro”. Dos de las empresas más valiosas del mundo (Alphabet y Facebook) basan su principal modelo de negocios (publicidad dirigida) en los datos generados por sus bases de clientes.

El uso efectivo de los datos también puede servir para enviar e-mails con recomendaciones relevantes, para seleccionar el precio adecuado de un producto, para conocer qué piensan los clientes de productos o servicios, o para identificar a los clientes que tienen una probabilidad alta de cancelar una suscripción y tratar de retenerlos, entre muchos otros.

Para obtener valor de los datos es necesario implementar un proceso que genere resultados útiles para la toma de decisiones.

Pasos fundamentales

Los pasos fundamentales para extraer valor de los datos son los siguientes:

1. Identificación del problema: Qué se desea mejorar es el paso más importante del proceso. Permite saber qué datos recolectar, cómo analizarlos y cómo utilizar los resultados del análisis.

2. Datos: Los datos puede que ya estén almacenados, o quizás habrá que diseñar procesos para la recolección y almacenamiento. Estos se clasifican en estructurados y no estructurados. Los datos estructurados son aquellos que son fáciles de identificar en una base de datos (monto de compra, número de productos comprados, nombre del cliente), mientras que los no estructurados se refieren a todo lo demás (información contenida en textos, audios o videos).

3. Modelos de respuesta de mercado: Los modelos permiten identificar relaciones entre variables o patrones en los datos. Tradicionalmente las empresas han utilizado datos estructurados para sus análisis, porque hay muchas herramientas para esto. Bien sabemos que herramientas tales como regresiones lineales, series de tiempo, análisis de clústeres o redes neuronales, han estado disponibles desde hace bastante tiempo.

Hoy vemos como muchas industrias almacenan todas las transacciones de sus clientes con un nivel de detalle que permite modelar e inferir con bastante precisión el comportamiento futuro que ellos podrían tener. Antes podíamos inferir lo que harán “los clientes”, hoy lo que hará “cada cliente”.

Nuevos avances están facilitando el análisis de texto, audio y video. Las empresas ahora pueden analizar grandes cantidades de comentarios sobre sus productos para entender las preferencias de los clientes, identificar el porqué los clientes opinan positiva o negativamente de la marca en las redes sociales, tratar de entender cuáles son los principales competidores según los clientes, identificar problemas con atributos específicos del producto, etc.

Extracción de los datos disponibles en Trustpilot, Google Maps, TripAdvisor, Booking.com, o en los e-mails o llamadas telefónicas recibidas directamente de los clientes, pueden ser muy valiosos para entender sistemáticamente sus preocupaciones y así identificar el cómo mejorar.

4. Resultados: Los modelos nos permiten entender relaciones (p.ej. cómo un atributo del producto impacta la demanda) o predecir un resultado (p.ej. probabilidad de que el cliente compre dada una recomendación por e-mail).

Cuando el objetivo es entender, generalmente el modelo requiere de un número de variables bastante inferior que cuando el objetivo es predecir.

5. Decisión: Finalmente, una vez que hemos identificado las relaciones de importancia en los datos, podemos tomar decisiones informadas, ya sea porque identificamos las razones del problema, porque entendemos mejor qué factores influencian las decisiones de los clientes, o porque tenemos una herramienta que nos permite cuantificar el impacto de una decisión en el comportamiento de los clientes. En este último caso es posible utilizar modelos de optimización para identificar la mejor decisión que induce al comportamiento deseado.

Este artículo es un extracto de la página del curso online “Marketing Operacional” de Clase Ejecutiva UC que fue publicada en el diario El Mercurio de Santiago, en 2019. Descarga aquí el PDF de la página, luego de indicar unos datos.

Lee aquí sobre el curso online “Marketing Operacional” de Clase Ejecutiva UC.





Artículos más recientes del autor