¿Dónde está Avinash cuando se le necesita?

27 Sep 2016 | Gemma, Podcast

El hombre no está hecho para la derrota. Un hombre puede ser destruido, pero no derrotado.

Uno de los problemas más importantes a la hora de enfrentarnos a definir las KPIs que van a componer un plan de medición, es que la gran mayoría de métricas que asociamos a los objetivos de negocio son financieras.

El problema es que las mediciones financieras son incapaces de explicar las causas y efectos de las acciones de la empresa. Una compañía que confía únicamente en los aspectos financieros sólo dispone de una visión muy limitada de la realidad.

Por lo tanto, los stakeholders que esperan tomar decisiones en base a datos deben tener muy claro qué objetivo u objetivos persiguen con la estrategia que están siguiendo online para que se puedan determinar qué métricas nos van a ayudar a saber si se ha llegado a cumplimentar con éxito o no.

En el podcast de esta semana, hablo de esta cuestión, que se refiere a las otras métricas que hay que tener en cuenta para valorar en su conjunto una estrategia digital.

¿Manejáis métricas no financieras en vuestros análisis de conversión? Contadme, contadme 🙂

23 Sep 2016 | Podcast

Me gusta el viento. No sé por qué pero cuando camino contra el viento, parece que me borra cosas.

En el siguiente podcast de Mi Arte de Medir en OndaCro, hablo de cómo y por qué la disciplina ha crecido en España además de la importancia de estar en internet para cualquier empresa:

En directo :) — *Hablando de datos en OndaCro*

Hace tiempo pensaba que en el uso de la analítica web para crear una cultura de datos en la empresa, en España estábamos muy por detrás de países como EEUU o cualquiera de Europa, pero creo que la diferencia radicaba en las empresas y el valor que le otorgaban a los datos.

Creo firmemente que esto no ha hecho más que empezar y que la analítica es la base de cualquier empresa que quiera crecer de forma sólida.

Ahora la situación ha cambiado, las empresas se han dado cuenta de todo lo que implica tener el conocimiento de lo que está pasando en sus entornos digitales y es el masivo almacenamiento de los datos (Big Data) lo que está provocando cambios profundos en muchas industrias.

Y las empresas se dan cuenta de que el análisis de toda esta información es un elemento de disrupción que se ha convertido en factor diferencial. Por eso la práctica de analítica ha crecido en los últimos tiempos y estamos dando pasos de gigante en la disciplina.

En una ocasión Bill Gates dijo que en el siglo XXI habría dos tipos de empresa: aquellas que están en internet y aquellas que ya no existan”. Sin embargo conozco negocios que no venden por internet y sobreviven sin problemas. Eso sí, una cosa es que no vendas por internet y otra que no ESTÉS en internet.

¿Conocéis alguna marca que no esté en internet? Estáis de acuerdo con Bill y conmigo? 🙂

13 Sep 2016 | Podcast

Respetando los antiguos senderos, sé capaz de encontrar nuevos caminos

Hoy es un día especial para mí ya que he empezado una serie de podcasts en ONDACRO, de PRNOTICIAS. Con el primer podcast inauguro un nuevo espacio llamado “Mi Arte de Medir“. Todos los martes habrá una nueva entrega donde repasaremos todo el mundo de la Analítica Digital.

Empiezo desde el principio: por lo que significa ser analista, de dónde partimos y hacia dónde vamos. Para todos aquellos que me lleváis siguiendo desde que abrí el blog allá por el 2008 que sepáis que empiezo de cero totalmente. Creo que no hay ningún podcast en español que cuente pasito a pasito lo que significa ser analista digital y por eso quería tener un espacio, un lugar donde poder ir creciendo como analistas bajo un marco de conocimiento de la disciplina a todos los niveles. No estoy sola en esto, en cada podcast me acompañará alguien del sector para ilustrar mejor cada uno de los episodios y por supuesto hacerlo más divertido 🙂

En menos de 5 minutos, en este podcast primero cuento cómo el analista es la persona que trabaja y saca jugo a los datos para poder tomar decisiones que ayuden a mejorar el rendimiento del negocio. También las características que debe tener para llevar todo a buen puerto: ser capaz de transformar los datos en información y saber transmitir las conclusiones obtenidas, ha de ser una persona con un buen entendimiento del negocio, de internet y aportar conocimientos apoyándose en materias tan diversas como estadística o matemáticas.

Es el primero de muchos donde espero que participéis muchos de vosotros, desde los que me lleváis acompañando muchos años hasta los que hace poco os dejásteis caer por aquí. Como he comentado, empiezo por el principio y espero tocar todos los temas que conforman este ecosistema analítico, desde la analítica web hasta la ciencia de datos. Cada semana un trocito de mi universo para aprender sobre esta disciplina el máximo posible. Ser analista es una profesión apasionante y os lo voy a demostrar semana a semana.

16 Ago 2016 | Libros

Es un buen libro aquel que se abre con expectación y se cierra con provecho

De cara al verano, tenía pendiente escribir una entrada con los mejores libros sobre analítica y datos que he leído en los últimos meses. Había desechado la lectura porque nunca tenía tiempo y me había dedicado a leer los blogs que sigo sobre este tema durante casi todo el año pasado. Pero a finales de 2015 me di cuenta de que no hay mejor marco de trabajo y aprendizaje que leer libros y que leer blogs al tuntún no me ayuda a centrarme ya que mi propia vida es un caos continuo 🙂

Entonces empecé a bajarme libros por amazon y a pedirlos en formato libro normal para poder subrayarlos a conciencia y al final he de reconocer que tengo una base bastante interesante de los temas que más me han interesado en los últimos meses.

Espero aportar mi granito de arena para aquellos que queráis leer este verano y tengáis como principal tema de deseo los datos desde el punto de vista del negocio. Esta es la selección que he realizado:

Predictive Analytics, de Eric Siegel: Modelos predictivos en esencia, el ABC de la analítica predictiva, multitud de ejemplos y lenguaje fácil de entender. Indispensable.
Keeping Up with the Quants, de Thomas Davenport: En este caso analítica cuantitativa en estado puro, datos datos y más datos cuantitativos, se lee rápido y contiene varias ideas interesantes.
Big Data at Work, de Thomas Davenport: Ya hablé de la idea principal de este libro en un post hace un par de meses según lo acabé. Metodología centrada en sacar partido al Big Data.
The Signal and the noise, de Nate Silver: Superinteresante en la línea de Predictive Analytics pero centrado en los errores habituales al realizar la predicción y cómo debemos solventarlos. Me lo compré porque había oferta junto al #2 y fue una grata sorpresa.
Data Science for Business, de Foster Provost: Oro puro, basa toda la metodología en el Data Mining de toda la vida pero siempre desde la perspectiva de las preguntas que surgen en negocio.
Scoring Points, de Clive Himby: Leí una recomendación de un blogero al que sigo y me encantó, aunque es de hace una eternidad! Lo devoré en unos días, es un business case sobre Tesco pero centrado en cómo los datos del cliente se convierten en acciones e identificación de oportunidades para el negocio.
Small Data, de Martin Lindstrom: Muy fácil de leer, tira abajo todas las teorías de seguir tendencias y defiende el estudiar el comportamiento de unos pocos para lograr anticiparse al éxito. Divertido.
Data Smart, de John Foreman: Muy denso y técnico pero interesante, sobre todo porque se centra en los insights dejando a un lado los datos en bruto, diversas técnicas muy interesantes. Muy completo.
Big Data in Practice, de Bernard Marr. Le seguía en twitter y me gustó la perspectiva de estudiar lo que está cambiando el Big Data en varios casos prácticos, en negocios distintos. Se mete poco en detalle en comparación con otros autores pero da buenas ideas.
Thinking Fast and Slow, de Daniel Kahneman: No es de datos pero es el libro que más me ha gustado en los últimos tiempos. Impresionante, hace pensar sobre cómo actúa el cerebro y cómo tomamos decisiones. Indispensable para este verano quien aún no lo haya leído.

NUEVAS APORTACIONES – Gracias a todos!

Cómo mentir con estadísticas, de Darrel Huff: Un clásico del que Elena Alemany nos hace un review estupendo.
Abre tu mente a los números, de Barbara Oakley. Libro más transversal que también tiene versión MOOC en Coursera, trata sobre técnicas para aprender las materias que resultan áridas o difíciles y mejorar la comprensión y la memoria (via Elena Alemany).
What is a P-Value anyway?, de Andrew Vickers. Libro para aclarar o repasar conceptos de estadística de manera amena a partir de historias cotidianas y empieza cada capítulo con un pequeño cómic (via Elena Alemany).
Statistics done wrong, de Álex Reinhart. Libro que contiene todo lo que un analista debe saber sobre estadísticas (via Elena Alemany).
Measuring the digital world, de Gary Angel. El libro de uno de los gurús de la analítica web explicando qué medir, cómo hacerlo y sobre todo cómo convertir datos en conocimiento (vía Laura Rodriguez).
Applied Predictive Modelling, de Max Kuhn. Un libro para los que ya conocen bien las matemáticas y la estadística para aplicar los modelos predictivos incluyendo ejemplos (via Jose Ramón Cajide).
Executive Data Science, de Brian Caffo. Libro para liderar un proyecto de Data Science desde el punto de vista del director ejecutivo. Indispensable para entender bien su potencia (via Jose Ramón Cajide)
An Introduction to Statistical Learning with Application in R, de Gareth James. Para que los científicos de datos le saquen todo el partido a la estadística usando R (via Jose Ramón Cajide).
Hooked, de Nir Edyal. Libro que explica con ideas y ejemplos la relación entre psicología y generación de productos, bien escrito y documentado (via Mau Santambrosio).
Y por último, Pablo Sáenz de Tejada ha elaborado una lista de 11 libros recomendados para ahondar en la Visualización de Datos, que complementa perfectamente todo lo que pongo yo aquí.

Y si no eres de leer, no te pierdas esta selección de películas que se basan en decisiones importantes tomadas a partir de análisis de información (ojo a las traducciones en español…):

Moneyball (Rompiendo las reglas): Los datos y el beisbol, unidos por la estadística y llevados al triunfo 🙂
The imitation game (Descifrando Enigma): El análisis de cómo se logró destruir al ejército alemán descifrando datos. Realmente la película se centra en la vida del matemático Turing, procesado por ser gay después de este logro, pero es fascinante de principio a fin.
The Big short (La gran apuesta): Paso a paso de la crisis en USA por las hipotecas, predecida por un analista de datos. Terminas de verla con muy mal rollo por lo que sabes de la realidad pero es interesante ver el proceso desde que se intuye el fiasco hasta que va ocurriendo.
Zero Dark Thirty (La noche más oscura): El momento de la operación militar para capturar a Osama Bin Laden, fue clave toda la documentación y datos aportados por una agente de la CIA. Basada en la realidad, muy de actualidad por desgracia.

¿Me recomendáis algún libro o película interesante en la misma linea? Lo sé, soy friki.

Una de mis ponencias sobre analítica digital

Y para terminar… ¿Qué puedo destacar estas últimas semanas?

Me recordaron por twitter que existe un video (54 minutos) donde hablo de la analítica web en ForoE

Hablo de mujeres emprendedoras en el blog de la asociación EmakumeEkin

Mi intervención (30 minutos) en el Experience Fighters donde hablo de Medir UX

Felices vacaciones 🙂

15 Jul 2016 | Estrategia

La ciencia es algo que se entiende muy bien y se puede enseñar a un ordenador. Lo demás, es arte.

Lo llevo diciendo desde hace muchos años… Analizar es un arte. Cuando analizamos, tenemos a nuestra disposición un montón de herramientas que podemos aplicar, modelos estadísticos, métodos de machine learning, etc… Pero siempre hace falta una persona: el analista. ¿Qué es lo que hace la diferencia? Poder enlazar la pregunta de negocio que realmente se quiere contestar con el resultado del análisis, para ejecutar los diferentes métodos sobre los datos, para contrastar con la realidad los resultados y comunicarlos de una manera eficiente.

Es importante partir de una pregunta de negocio y haber pensado en las diferentes respuestas que se pueden dar a dicha pregunta para determinar al final del análisis si se han llegado a cumplir las expectativas que teníamos. No sirve tener una cantidad ingente de datos y rebuscar a ver qué se encuentra. Básicamente porque cada vez tenemos más datos y cada vez tenemos menos tiempo de procesarlos. Así que si no sabemos lo que queremos contestar, poco vamos a poder reaccionar cuando recojamos los datos y los examinemos en profundidad.

Pero la pregunta real debería tener más que ver con poder accionar después de saber el resultado. Es decir, debemos plantear una pregunta con expectativas, relativa a objetivos o a cualquier otro factor que nos permitirá actuar. Todo análisis que no nos arroje un resultado accionable no nos sirve. Por lo que la clave es la pregunta.

Tener la pregunta del negocio en la cabeza implica que el analista piense en las consecuencias del análisis. Así, cada parte del análisis nos llevará en alguna dirección para determinar cuando tengamos un resultado la acción que vamos a realizar al respecto. Si no sabemos o no tenemos en la cabeza qué vamos a contestar no sabremos si los datos que estamos tratando nos sirven o no.

Así que preparar los datos online y offline que vamos a tener en cuenta en el análisis para contestar la pregunta de negocio será clave para empezar el proceso. En general, he comprobado que todo el mundo piensa que el proceso de análisis es lineal, que es una especie de guión que se sigue y que nos lleva siempre a un final feliz.

Pues no, no siempre el análisis nos da un resultado coherente. No hay un paso a paso. Yo prefiero denominarlo como un proceso no lineal y muy iterativo, que depende de lo que vamos avanzando y lo que vamos poco a poco encontrando en los datos. Es lo que cuento a mis alumnos que es la parte creativa y divertida de ser analista: que no hay una metodología lineal y que lo que funciona para un análisis no tiene por qué funcionar para otro.

¿Y por qué os cuento esto? Vamos a ilustrar todo con un ejemplo real:

El otro día estaba comiendo con un cliente y, hablando de la nueva fiebre de los Pokemon GO, me dijo “sería interesante saber si somos una pokestop o gimnasio en alguna de nuestras tiendas físicas”. Los que no estéis puestos en esta nueva historia os animo a leer sobre ella porque está rompiendo moldes. En fin, que me lo dijo así como quien no quiere la cosa y sobre todo como si no supiera que está hablando con alguien que una vez se le mete una cosa en la cabeza no pararía hasta tener una aproximación precisa a este tema ~~de la locura de los Pokemon~~ de Nintendo 🙂

Pero este planteamiento es completamente erróneo. Lo primero, “si nos interesa ser una pokestop o un gimnasio”… ¿qué clase de pregunta para un analista es esa? A ver, ¿qué número de visitas tienes en la tienda actualmente? ¿qué ingresos? ¿qué tipo de cliente te interesa? Obviamente no todo el mundo sabe qué es eso de los Pokemon Go y actualmente el perfil de usuario es bastante adolescente. Es decir, no será buena idea a priori si tienes un banco pero a lo mejor si vendes ropa o tienes una pizzería puede ser interesante.

En el caso del Pokemon Go yo en lo único que podía pensar es cómo sacarle partido, cómo formar parte de ello y medirlo en consecuencia. Apliquemos lo que comentaba en la primera parte del post: tenemos una pregunta general hecha por el cliente, pero necesitamos ir más allá y convertirla en una pregunta más definida. Luego explorar los datos que tenemos, aplicar las herramientas de analítica, interpretar los resultados y comunicar las acciones para optimizar el rendimiento.

Entender bien en qué consiste esta nueva fiebre de Pokemon Go y reformulemos la pregunta en base al conocimiento: “¿Puedo sacar partido a esta locura Pokemon Go? ¿cuántos usuarios potenciales hay, de qué perfiles son, qué tienen que ver con mis clientes?”.

Ojo que el MOMA ya está en ello

Por un lado tenemos la información de mis clientes en mi CRM y por otro tenemos la información que hay en internet sobre el perfil de usuarios en otros sitios del mundo ya que en España aún no ha salido el juego real. Recolectamos la información de los usuarios actuales en internet (ojo que ya hay más de 32 millones de páginas en google que hablan de este fenómeno) para comprobar si nuestras sospechas son ciertas y los usuarios de Pokemon tienen el perfil de generación Z (nacidos después del año 2000) que les atribuíamos.

Entonces es cuando vamos a construir un modelo estadístico sobre nuestra base de datos de clientes actuales en base a determinar las características que mejor nos predicen al potencial usuario de Pokemon Go. Los modelos estadísticos sirven sobre todo para estimar un parámetro específico o hacer una predicción, además de darnos un marco de referencia para comprobar nuestras hipótesis.

Una vez tenemos nuestro modelo predictivo, interpretaremos los resultados y nos encontramos con que los clientes que cumplen con el perfil suponen el 28% de nuestros clientes totales.

Pero investigando más a fondo, algo no cuadra del todo. El primer juego de Pokemon salió en 1997, puede que los nostálgicos que jugaban entonces (tienen ahora en torno a los 30 años) también pueden verse inmersos en este nuevo fenómeno. Importante estar atentos a este mercado potencialmente interesado también, la generación millenial de la que tanto se habla últimamente.

Así que nada de proceso lineal, volvemos a empezar para incluir a los millenials en la ecuación y el nuevo resultado nos arroja de repente que los clientes que realizaron compras más recientes con dicho perfil se concentran sobre todo en dos de nuestras tiendas físicas.

El siguiente paso será estar preparado y averiguar si dichas tiendas son o serán Pokestop o Gimnasios y si no lo son dónde se encuentran los más cercanos, para poder realizar acciones de marketing sobre ellas, o lo que se nos ocurra para sacarle partido en estos dos centros que pueden tener potencial para atraer más clientes del perfil que nos interesa:

¿Tiene sentido invertir en Lures? (Para los no iniciados, los lures atraen pokemons a un determinado sitio durante un cierto periodo de tiempo (30 minutos)). A más lures descargados, más pokemons, a más pokemons, más gente vendrá a tu sitio. Los lures no son caros, tienes 1 pack de 8 lures por 680 pokecoins que a su vez equivalen a unos 5$. Propongo invertir en los momentos más intensos del día para luego comprobar por medio del causal impact si el negocio se ha visto beneficiado por ello.

Los jugadores se asocian a equipos, por lo que se pueden hacer ofertas para los miembros de un equipo determinado (otra vez hay que usar los datos para saber qué equipo es más numeroso o hay más por la zona). Y medir resultados para ir ajustando la predilección por ciertos equipos y así llegar justamente a los potenciales que nos interesan.

Con la aplicación se puede sacar fotos de los diferentes pokemon en la tienda, por lo que podemos promocionar en otras redes sociales nuestro negocio para que acudan más potenciales. ¿Nos hace tener más usuarios en dichas redes sociales? ¿Tenemos más interacciones? ¿Nos lleva a tener más ventas online? ¿Se traduce en más visitas y ventas en la tienda física?

Jugar implica un gasto horroroso de batería del móvil así que se puede atraer más potenciales a tu negocio permitiéndoles recargar baterías. Esto es un poco ida de olla pero aunque no juego aún a esto sé la frustración de quedarme sin batería en un momento importante y puede ser interesante proveer de cargadores a los jugadores para que hagan una paradita y degusten una pizza siguiendo con el ejemplo del restaurante mientras cargan fuerzas.

Importante señalar que no existen instrucciones o tutoriales (al menos oficialmente desde Nintendo) así que todos estamos en el mismo punto de aprendizaje: involucremos a los primeros clientes potenciales a crecer en el juego a la vez que nosotros y formemos equipo. No hay nada mejor para fidelizar a un cliente que formar parte de su mundo.

Una comida con un cliente, una frase en el aire mientras hablamos de cosas frikis y toda una tarde investigando y dando vueltas a la cabeza a ver cómo pueden los datos ayudar a crecer un negocio con las nuevas reglas del juego. ¿No es divertido? ¿No es arte? 🙂