La verdad rara vez es pura, y nunca simple

Hoy, llegamos al final del camino. Llegamos al último paso de nuestra metodología ‘MAMBO’. La O de ‘ordenar y visualizar‘. En todo proyecto de analítica digital existen una serie de fases cuyos eslabones deben estar firmemente fijados y asentados si queremos tener éxito y sacar el máximo partido posible de los datos.

Como ya vimos hace unas semanas, cuando hablamos del Modelo de Madurez en Analítica Digital, la fase inicial de definición de Objetivos y KPIs resulta básica para construir nuestro proyecto y escalar nuestra pirámide de analítica digital. De igual modo, una correcta implementación de nuestra herramienta nos permitirá ir más allá y obtener toda la información que necesitamos para extraer valor a los datos. Por este motivo, el último eslabón de nuestra pirámide de datos es vital si queremos transmitir de forma correcta todo el valor que hemos extraído.

Actualmente con el Big Data tenemos una cantidad ingente de datos, por lo que entender y transmitir lo que los datos nos cuentan es necesario de forma visual, para poder determinar qué es lo importante y lo que nos va a ayudar a tomar decisiones.

Da igual lo bueno que sea el análisis que acabamos de hacer. Si no sabemos transmitirlo convenientemente, acabará en el cubo de la basura virtual y no le hará nadie caso, ni a nuestro informe, ni a nosotros.

El problema radica en que nos empeñamos en contar lo que hemos analizado hasta el último detalle y hacemos informes o powerpoints de un montón de hojas con un montón de datos, gráficos, indicaciones, flechas, etc… cuando lo que realmente necesita el receptor de ese informe es saber qué está pasando, qué puede pasar y qué puede hacer al respecto. Empecemos por el principio: Necesitamos conocer los objetivos que tienen los receptores del análisis. Saber qué quieren y qué necesitan para hacer su trabajo. De esto dependerá la profundidad del análisis y sobre todo las KPIs o los indicadores que incluiremos en el informe final.

Una vez terminado el análisis y sabiendo exactamente qué es lo que produce un resultado final, las KPIs que están involucradas, iniciaremos la selección de éstas y el formato de presentación que se adapte mejor a lo que queremos transmitir. El resultado debe ser un dashboard o cuadro de mando o informe en el que las KPIs se complementen entre sí y nos lleven de la mano a tomar acciones.

Debe quedar claro por dónde habría que seguir profundizando en caso de necesitar más detalles y sobre todo debe incluir unas conclusiones y recomendaciones. Lo más importante en este punto es que el analista ha de ser parte de la solución posible, nunca limitarse a señalar el problema. Lo ideal es que el resultado del análisis quepa en una única pantalla, ya que así concentramos toda la información en un formato que cualquiera ve sin necesidad de hacer scroll en su pantalla.

Si se trata únicamente de un dashboard que se realiza con cierta periodicidad, hay que dejar claro el “movimiento” de un periodo a otro, poner contexto en los datos para que el receptor sepa si el valor es el que debería tener o nos debería preocupar.

¿Qué tipo de herramientas podemos utilizar? La respuesta varía dependiendo del grado de complejidad de las visualizaciones que se ajusten a nuestros datos. Hemos realizado una selección de algunas herramientas disponibles en el mercado.

1.            Herramientas gratuitas

• Cuadros de mando en Excel: La principal utilidad de Excel a la hora utilizarla en nuestras visualizaciones radica en que permite establecer una estructura de extracción de datos flexible, y una automatización relativamente ágil y sencilla gracias a algunos softwares como Supermetrics.
• Cuadros de mando en Google Spreadsheets: Se trata del homónimo de las hojas de cálculo de Excel, pero en la nube de Google. Si bien su flexibilidad y rapidez en lo que a extracción de datos se refiere es relativamente mayor a la de Excel.
• Cuadros de mando en R: Si bien la verdadera utilidad de programar en R reside en su potencia a la hora de llevar a cabo profundos análisis matemáticos y estadísticos, no debemos olvidarnos de la gran variedad de paquetes disponibles que permiten visualizar todo tipo de análisis.

2.            Herramientas de pago

• Cuadros de mando en Tableau: Una de sus grandes bazas radica en su funcionamiento altamente intuitivo y visual, lo que facilita su uso independientemente de la base de programación que tengamos.
• Cuadros de mando en Klipfolio: Se trata de una herramienta muy equilibrada en términos de diseño y flexibilidad. Es relativamente sencilla de utilizar, y al igual que en el caso de Tableau, se puede conectar a un gran número de fuentes de datos a través de su API.

Por último, ¿os pensabais que íbamos a terminar sin hablar de Google Data Studio? Ni mucho menos. Google Data Studio: Parece ser una herramienta que cuenta con los ingredientes necesarios para convertirse en uno de los grandes competidores dentro del mercado de la visualización: potencial y un margen de optimización tremendo. Su flexibilidad y el hecho de que resulte francamente intuitiva y fácil de utilizar, convierten a Google Data Studio en una herramienta a tener en cuenta de cara al futuro.

Una vez elegida la herramienta, vamos a diseñar la visualización:

Es interesante que siempre que partimos de un cuadro de mandos propio de la empresa o directamente de determinadas métricas en la herramienta, las personas se suelen centrar en KPIs relacionadas con el tráfico (visitas, rebote, tiempo en el sitio, páginas vistas…) y con la conversión (transacciones u objetivos alcanzados, ingresos, productos vendidos…). Los más avanzados incluso segmentan estas KPIs por distintos grupos de usuarios (relacionados con las fuentes de origen, el tipo de dispositivo, el lugar de procedencia, etc…).

Todo esto siempre es interesante como primer paso, sobre todo para que todo el mundo esté algo familiarizado con las distintas métricas que se pueden consultar, pero siempre se puede ir más allá, se debe ir más allá! Y por dónde empezamos? Por donde nunca nos equivocaremos: por la vinculación a negocio.

Por ejemplo, hagamos un test sobre nuestra propia web. Imaginemos que tenemos una tienda online. Sabemos el tráfico que atrae, el dinero que nos deja, los productos más vendidos, las páginas de aterrizaje más utilizadas y las que tienen más rechazo, disponemos de los detalles de cada campaña que hemos realizado online, hemos analizado el embudo de conversión para optimizar al máximo el formulario de compra, etc…

Es decir, sabemos qué está pasando y obramos en consecuencia. ¿Y ahora qué? Ahora vamos a entender el negocio y en qué puede ayudar la analítica digital. Lo más difícil no es construir el cuadro de mandos  (bueno, el primero cuesta más que los siguientes jajaja) sino dar con la información necesaria para que sea efectivo. Esa es la cuestión: tiene que ser de utilidad.

Pongamos que el receptor es el equipo de marketing, que necesita saber por un lado su inversión en distintas campañas y ponerlo todo en un contexto de tráfico. También necesita saber el interés que se genera en cada categoría y luego en cada producto para detectar cuál destacar en distintos canales dependiendo de su rendimiento. Y finalmente, como la publicidad es distinta dependiendo de las ciudades donde se establecen las campañas, necesitamos saber cómo se distribuye el tráfico por dichas ciudades.

No podemos olvidar las métricas globales, que nos van a permitir saber cómo vamos en conjunto esa semana y por supuesto cuánto nos estamos desviando del objetivo de negocio a conseguir. Para ello necesitamos combinar datos online de la herramienta y datos offline (que pueden estar en una base de datos o en cualquier otro sistema que se puede automatizar igual que Google Analytics).

Todo esto nos lleva a proponer un cuadro de mando como éste, realizado en Excel con llamadas a la API de Google Analytics, a la base de datos propia con los datos offline y a la API de las distintas redes sociales:

Se empieza por la parte superior, con las métricas globales y su evolución tanto mensual como anual. En la parte central se empieza a segmentar estas métricas, a la vez que se da importancia al rendimiento en base al objetivo primordial del negocio. La parte inferior se dedica a otras segmentaciones importantes y se descarga la zona inferior derecha con gráficos evolutivos de los datos de la zona inferior izquierda. En este caso, el gráfico lo necesita un profesional del marketing con experiencia financiera y no hay problema en generar muchos datos en tablas. Si el receptor es alguien que ve mejor la información de manera visual, se cambiarían las tablas por gráficos.

La buena noticia es que en la fase final todo estará automatizado y solamente tenemos que cambiar la fecha para que todos los datos se actualicen y tengamos en nuestras manos un instrumento eficaz para tener claro qué está pasando y dónde podemos atacar.

Si los objetivos cambian, se modifica el dashboard. Normalmente lo que suele ocurrir es que a partir de este cuadro de mando detectemos un problema y entonces vayamos a bucear en la herramienta, ya con un objetivo claro en la mente, para hacer un informe especializado en lo que se detecte que se puede optimizar.

La idea es que este informe nos marque el camino, nos sirva para invertir nuestro tiempo en lo que realmente hace falta y nos permita crecer como analistas y al negocio a focalizar los esfuerzos.

Si quieres seguir profundizando en este tema, aquí tienes el podcast con Jorge Llorente donde hablamos sobre visualización de datos: