LA ANALÍTICA Y EL DATA MINING: EL IMPERIO DE LOS DATOS AL MARKETING ESTRATÉGICO O AL TÁCTICO?

Transcripción

1

2 LA ANALÍTICA Y EL DATA MINING: EL IMPERIO DE LOS DATOS AL MARKETING ESTRATÉGICO O AL TÁCTICO? Liza Leonor Pinzón Cadena Universidad de la Sabana Colombia

3 Contenido 1. La Data en los negocios y el origen de la misma. 2. Metodología del Data Mining 3. Business Analytics: Las cinco fases de la competencia analítica 4. Reflexiones 5. Conclusiones

4 El lenguaje es un medio poderoso, y lo que distingue a las personas de los animales es la habilidad de entender conceptos abstractos y de comunicar estos conceptos Entre mas información tenemos, somos mejores en procesar y retransmitir la información.

5 Dado el abaratamiento de los sistemas de almacenaje de información como el hardware y software actuales en muchas empresas, se a abusado de las bases de datos existentes ya que solo se almacena tipo dato-escritura donde tan solo se guarda en el disco duro y no se hace uso de la misma. En un canal con tanto volumen de información, las organizaciones apenas son capaces de convertirse en entidades orientadas a los datos. La necesidad de información surge como consecuencia de dos fuertes factores: la incertidumbre y el costo por asumir en caso de errar en la toma de decisiones

6 El Data Mining surge como una herramienta que ayuda a comprender el contenido de una base de datos que ingresa como una materia bruta y se transforma en información valiosa para la empresa

7 Empresas, Universidades y Organizaciones de la sociedad civil tienden a recurrir a esa metodología para desarrollar mejores investigaciones o descubrir vertientes ocultas detrás de las estadísticas.

8

9 BIG DATA, ES EL SIGUIENTE PASO DE LA ANALÍTICA DE DATOS. Big data a aliza todos esos datos cuyo volu e, velocidad y variedad supera la capacidad de manejar y procesar la i fo ació ue tie e las he a ie tas t adicio ales, co u costo y en un tiempo razonables para las compañías. Víctor Pichardo, vicepresidente para América Latina de Excelerate Systems

10 Muchas apps, redes sociales o paginas web recaban información proporcionada por sus clientes o cualquier tercero que pueda tener acceso a sus productos, de diferentes maneras, desde diferentes áreas o desde su sitio Web, donde el usuario las ingresa voluntariamente.

11 Actualmente las empresas que se centran en Analítica Web, piensan que la analítica es simplemente el arte de recopilar y analizar los datos de la secuencia de Clics, además de los datos de Yahoo! Web Analytics, Google Analytics, de Ominiture o de Mint.

12 Se calcula que del total de información que hay libre en la red, sólo es aprovechada un 10%, de manera que se desperdicia otro 90% que podría ayudar a mejorar la calidad de contenido y conseguir incrementar la satisfacción emocional del visitante.

13 Para tener éxito, las empresas deben ser proactivas y anticiparse a sus comportamientos y deseos.

14 Hoy, una empresa exitosa necesita REACCIONAR CON ANTICIPACIÓN a todas y cada una de las demandas de sus clientes. El mercado no puede esperar respuestas a largo plazo, y aquellas personas que hoy son sus clientes, mañana pueden dejar de serlo.

15 Jean Pierre Martineau estudio de la investigación motivacional + Henri Joannis pionero de la investigación motivacional describe que : Lo que cuenta en el mecanismo de compra y de selección no es lo que objetivamente son los productos, sino la idea que de ellos se forman los consumidores. Joannis, Henri (1965). Del estudio de motivación a la creación publicitaria y a la promoción de ventas. Madrid: Editorial Paraninfo. 1969, p.93

16 Encontrar los elementos representativos de la tendencia del cliente es decir el INSIGHTS La cuestión de e te de las necesidades de los clie tes parecería ser un cliché de las empresas actuales. Arrastran concepciones del marketing de los 90 que quedan obsoletas ante los desafíos y panoramas actuales en los negocios.

17 MARKETING ESTRATEGICO MARKETING TÁCTICO FUNCIÓN DEL MARKETING

18 CÉNTRESE en el comportamiento del cliente y no en datos agregados o globales. Si no segmenta, no encontrara el INSIGHT!!! El DATA MINING brinda la capacidad de caracterizar los segmentos de consumo.

19 QUE ES EL DATA MINING O MINERÍA DE DATOS? Es la extracción de patrones interesantes (no triviales, implícitos, previamente desconocidos y potencialmente útiles) de grandes cantidades de datos. Es una tecnología emergente cuya finalidad es extraer información, o conocimiento, a partir de los datos que posea una organización, que permita tomar alguna acción.

20 QUE ES EL DATA MINING O MINERÍA DE DATOS? Data Mining reúne las ventajas de varias áreas como la Estadística, la Inteligencia Artificial, la Computación Gráfica, las Bases de Datos y el Procesamiento Masivo, principalmente usando como materia prima las bases de datos.

21

22 METODOLOGÍA DEL DATA MINING Metodología de la minería de datos se clasifica en diferentes etapas que incluyen diferentes actividades y/o etapas y tiempos de ejecución para el proceso:

23 1.COMPRENSIÓN DEL NEGOCIO.

24 2.DETERMINACIÓN DE LOS OBJETIVOS. Trata de la delimitación de los objetivos que el cliente desea bajo la orientación del especialista en Data Mining.

25

26 CANASTA DE MERCADO (MARKET BASKET)

27

28

29

30 En áreas de negocio, la clave es encontrar información accionable, es decir, información que pueda ser utilizada para mejorar la rentabilidad. Analizando información histórica tal como la época del año, ubicación, indicadores económicos, comportamiento de la competencia, y otras promociones, se pueden descubrir patrones que rodean el lanzamiento de nuevos productos.

31 3.PRE-PROCESAMIENTO DE LOS DATOS Se refiere a la selección, la limpieza, el enriquecimiento, la reducción y la transformación de las bases de datos. Esta etapa consume generalmente alrededor del 70% del tiempo total de un proyecto de data mining.

32 Si los datos necesarios se encuentran correctamente almacenados en una base de datos, puede aplicarse Data Mining para reconstruir y trabajar con modelos virtuales de cualquier comportamiento del cliente.

33 4. DETERMINACIÓN DEL MODELO. Se comienza realizando unos análisis estadísticos de los datos, y después se lleva a cabo una visualización gráfica de los mismos para tener una primera aproximación. Según los objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes áreas de la Inteligencia Artificial.

34 Siempre que tengamos datos relativos a un proceso de negocio podemos utilizar Data Mining, el cual puede ser de aprendizaje supervisado o predictivo para saber qué va a ocurrir en el futuro o aprendizaje no supervisado o explicativo para comprender por qué han ocurrido las cosas de determinada manera.

35 ESTRUCTURA DEL DATA MINING

36 5.ANÁLISIS DE LOS RESULTADOS Verifica si los resultados obtenidos son coherentes y los coteja con los obtenidos por los análisis estadísticos y de visualización gráfica. El cliente determina si son novedosos y si le aportan un nuevo conocimiento que le permita considerar sus decisiones. LA CLAVE ESTÁ EN ENCONTRAR PATRONES RELEVANTES PARA RESOLVER LOS ACTUALES PROBLEMAS DE NEGOCIO DE LA EMPRESA.

37 Como Presidente, Vicepresidente, CEO, Director, Gerente, etc.. Usted debe siempre procurar formularse las preguntas adecuadas y recuerde que los resultados ( sus respuestas) podrían ser MÉTRICAS o indicadores clave de RENDIMIENTO ( ya sea de éxito o fracaso)

38 Cuando se esta tratando de ampliar y vender conocimiento, el querer mantener como algo EXCLUSIVO y RARO muchas veces lleva a la perdida de valor. Lo que importa es que se vuelva una RED y que esa RED siga creciendo. El conocimiento, por no mencionar la habilidad para usar el conocimiento es lo que IMPORTA. Solo podrá tomar decisiones acertadas si sabe como analizar e interpretar los datos

39

40 EL CUSTOMER LIFETIME VALUE, O CLV

41

42 Es en este sentido que el Data Mining constituye una herramienta fundamental para que una empresa pueda conocer mejor a sus clientes, reducir los costos de sus campañas de marketing, saber qué otros productos ofrecer como así también retener a sus clientes actuales, reducir sus riesgos crediticios y optimizar el uso de sus recursos financieros, entre muchas otras aplicaciones.

43 En el caso de empresas industriales, el Data Mining le permitirá mejorar sus instancias de producción, reduciendo la posibilidad de fallas, optimizando el mantenimiento de sus equipos y su gestión de stocks.

44 LA INTELIGENCIA ANALÍTICA DE LAS EMPRESAS Según Thomas Davenport, es el conjunto de tecnologías y procesos basados en datos, que sirve para comprender y analizar el desempeño de una empresa.

45 LAS CINCO FASES DE LA COMPETENCIA ANALÍTICA Fase 1: Analíticamente deficiente Fase 2: Analítica localizada Fase 3: Aspiraciones analíticas Fase 4: Compañías analíticas Fase 5: Competidores analíticos

46 LOS CUATRO PILARES DE LA COMPETENCIA ANALÍTICA: 1. El análisis de la información es el fundamento de una capacidad distintiva y estratégica. 2. El enfoque y la gestión de la inteligencia analítica involucran a toda la organización. 3. La alta gerencia está comprometida con el empleo del enfoque analítico. 4. Existe una ambición a gran escala. Las estrategias basadas en la inteligencia analítica constituyen la apuesta de la compañía a futuro.

47 LAS EMPRESAS LÍDERES ANALÍTICAS van más allá y utilizan modelos predictivos para identificar a los clientes más rentables, e integran los datos generados en la empresa y fuera de ella para obtener un mayor conocimiento del cliente.

48 MARKETING ESTRATÉGICO En este sentido, la implementación del enfoque de INTELIGENCIA ANALÍTICA apoyado a través del Data Mining llevará a las empresas a la toma de decisiones anticipadas que permitan generar valor en sus negocios y gestionar más eficazmente a sus clientes.

49 MARKETING TÁCTICO Muchas compañías generan estadísticas descriptivas sobre aspectos externos de sus negocios (ingresos por cliente, volumen promedio de pedidos, etc), pero las empresas líderes ANALÍTICAS van más allá y utilizan modelos predictivos para identificar a los clientes más rentables, e integran los datos generados en la empresa y fuera de ella para obtener un mayor conocimiento del cliente.

50 REFLEXIONES No estamos usando los datos que tenemos? Los datos aun se esconden en las bases de datos, debido a que no estamos usando eficientemente las bases mismas. El sistema es dinámico, no estático. El sistema debe micro segmentarse, no trabajarse en datos masivos de orden marco. Hans Rosting: The best stats you have ever seen

51 REFLEXIONES Es necesario tomar conciencia de la información que se puede revelar con esas prácticas, la cantidad de información que las personas dejamos cada vez que consumimos o contratamos algún servicio y las formas con las que consentimos dejar esos datos, sin que sean claras las condiciones en las que damos el consentimiento, provocan que los datos sean concedidos a otras personas para otros fines Luis Fernando García, abogado de la Red en Defensa de los Derechos Digitales, alerta de los riesgos derivados del data mining.

52 How Target Figured Out A Teen Girl Was Pregnant Before Her Father Did? Kashmir Hill,FORBES STAFF Welcome to The Not-So Private Parts where technology & privacy collide FOLLOW ON FORBES (2079) Opinions expressed by Forbes Contributors are their own.

53 CONCLUSIONES El gran desafío para cruzar cualquier abismo moderno rara vez es la tecnología o las herramientas el desafío es MODIFICAR LAS ESTRUCTURAS DE PENSAMIENTO QUE ESTÁN ARRAIGADAS (KAUSHIK, 2011) KAUSHIK, A. (2011). El imperativo estratégico. En A. KAUSHIK, Analítica Web 2.0 (pág. 29). Barcelona: Grupo Planeta.

54 CONCLUSIONES Haga cambios cotidianos en la compañía, es decir, que estén abiertos a usar los datos, a acceder información de los mismo, a presentar análisis, a comunicar resultados, indicadores, etc. CREE LA CULTURA BASADA EN LOS DATOS

55 CONCLUSIONES La implementación del enfoque de INTELIGENCIA ANALÍTICA apoyado a través del DATA MINING llevará a las empresas a la toma de decisiones anticipadas que permitan generar valor en sus negocios y gestionar más eficazmente a sus clientes.