Vivimos en un tiempo en que estamos engañándonos con todo el auge de Big Data y las empresas haciendo alarde de su cultura orientada a datos. Como dice el director de research de Google Peter Norvig “No tenemos mejores algoritmos, simplemente tenemos más datos”. Por eso creo que el salto diferencial en estos tiempos no está tanto en la tecnología como en los sistemas de integración y tratamiento de los datos, que es lo que realmente cambia la forma de hacer las cosas.
Es mucho más interesante y accionable decir “Vamos a analizar conjuntamente los datos de CRM y los de la experiencia de usuario para poder entender mejor la relación que el cliente tiene con nosotros” que “Vamos a hacer Big Data”.
Al principio, la analítica trataba de gestionar la información tradicional y dar soporte a las decisiones internas. El Big Data es algo diferente ya que en lugar de hacer informes y presentaciones que permitan tomar decisiones a los sakeholders, los científicos de datos normalmente profundizan en diferentes tipos de datos por medio de algoritmos para poder optimizar servicios y productos, encontrar nuevas líneas de negocio, etc…
Un analista toma un histórico de datos, lo prepara y analiza, encuentra un modelo que le permite elaborar una o varias hipótesis y según los resultados obtenidos recomienda una acción o varias acciones al stakeholder. Los analistas trabajan en todas las fuentes posibles de datos para encontrar nuevos patrones de comportamiento, alertar sobre las anomalías y los cambios y ser capaces de actuar en consecuencia.
Sin embargo, en Big Data, los datos no es tanto un bloque de histórico sino que se asemeja más a un continuo flujo de información. Los científicos de datos trabajan con la tecnología, más que para encontrar la estabilidad y conformar una estrategia, para descubrir nuevos métodos de interacción con las máquinas y poder tratar todos los datos disponibles por otros medios. Aunque sigue siendo necesario practicar un análisis y actuar sobre los datos para entender qué hacer no se debe proceder de la misma forma. Básicamente porque no es posible 🙂
Se ha generado y se está generando tal cantidad ingente de datos que no hay tiempo suficiente para analizarlos, por lo que el objetivo es analizar los datos con la mínima intervención humana, para poder llegar a tener la agilidad suficiente como para ser capaces en el mínimo tiempo posible de encontrar vías de afrontar lo que nos vamos encontrando.
El Big Data nos puede ayudar mucho en la parte de tomar mejores decisiones, ya que el valor primario es añadir nuevas fuentes de datos para encontrar modelos descriptivos y predictivos. Es decir, si tenemos datos de lo que nos compran los usuarios, seguramente podemos añadir los datos del servicio al cliente, los datos de devolución de productos, los datos de lo que comentan los compradores en redes sociales, etc… Lo que quiero decir con esto es que la clave para tomar mejores decisiones es ir añadiendo contexto e información a los datos primarios. Si solamente tenemos una fuente de datos, nuestras hipótesis van a ser más básicas que si contamos con otros tipos de datos que nos ayudan a entender la situación y a predecir qué puede pasar si realizamos esta acción o esta otra.
Un ejemplo de la importancia de añadir más información a los datos primarios es el caso de Amadeus, la compañía de sistemas de viajes online. Sacó hace unos meses un servicio llamado “Featured Results”. Tomaba en cuenta el ratio look-to-book, el número de búsquedas por reserva de vuelo, precios en las distintas aerolíneas, además de los registros de ventas Estamos hablando de varios cientos de millones de filas de datos. En base a todos estos datos, Amadeus presenta los 4 mejores itinerarios en que el usuario puede estar interesado y se los presenta de forma personalizada. La agencia en la que probó este nuevo servicio mejoró un 20% el ratio de reservas como resultado de búsquedas. Este servicio es solamente posible tratando la información con algoritmos que permitan en el momento de la búsqueda encontrar opciones que se ajusten a la petición del usuario. Tanta cantidad de datos solamente puede ser tratada por un científico de datos con la tecnología adecuada.
El Big Data nos da la oportunidad de crecer, de llegar a optimizar muchas decisiones puesto que nos permite conocer de manera más profunda el entorno del negocio. Lo que está sucediendo ahora es que se utiliza tanto los análisis realizados por especialistas como los automatizados como base, pero esto puede cambiar en los próximos años puesto que cada vez vamos a recoger más datos y los sensores están para quedarse. La diferencia estará en saber qué hacer con esos datos, no en recolectar datos de forma ambigua sin que lleguen a tener nunca un impacto en el negocio.
¿Y cómo lo hago? Lo primero, al igual que con la analítica es sentarnos para determinar la mejor estrategia en Big Data. Lo importante es tener claros nuestros objetivos. De ahí el comienzo de mi post de centrar las acciones y las preguntas que queremos contestar. ¿Qué es lo que necesita la empresa? En los negocios se busca tener datos para aportar tres tipos de valor: reducción de costes, tomar mejores decisiones y la optimización en productos, servicios y entornos. ¿Dónde entramos nosotros?
Los negocios que suelen adoptar mejores estrategias a la hora de pasar de análisis de los datos a Big Data empiezan como comentaba anteriormente, cuando se pretende aportar al análisis básico nuevas variables de sistemas no estructurados y de fuentes totalmente distintas a las transaccionales, para así tener hipótesis mucho más enriquecidas y que den lugar a la toma de decisiones más sólidas.
El objetivo sigue siendo el mismo: tomar decisiones, pero las herramientas son diferentes.
Ahora mismo se pueden utilizar tecnologías que analizan sentimientos de usuarios o llamadas al callcenter y transforman la información que antes no se podía procesar de manera eficiente en datos que sí pueden servir para identificar a los clientes descontentos, por ejemplo. O ser capaces de entender el uso de diversos canales y dispositivos que el cliente utiliza antes de comprar. Este análisis incluyen datos estructurados, semiestructurados y completamente desestructurados y eran complicados de gestionar en empresas que disponen de muchos potenciales clientes. Cada vez es más fácil ahondar en esta maraña de datos, con la tecnología adecuada y los perfiles adecuados.
Por lo que la diferencia está clara, el análisis tradicional se basa más en la optimización y el análisis de Big Data se basa más en el descubrimiento. Y la cultura del dato está presente en ambas puesto que es la base tanto de la producción como del descubrimiento. Ambos análisis parten de una pregunta relacionada con el negocio, pero los métodos de tratamiento de datos son diferentes y por supuesto el resultado de ambas son distintos.
El descubrimiento termina en una idea de un nuevo producto, servicio o de un factor que identifica mejor un nuevo camino. Sin embargo el análisis basado en la optimización es básicamente dar con mejores maneras de actuar, de cambiar las cosas. En el descubrimiento la intervención humana debe ser para dar con el algoritmo o modelo más sólido y en la optimización la intervención humana debe ser para unir las piezas del puzzle y dar con la mejor estrategia para afrontar un problema.
Y ahora mismo lo mejor que puede hacer una organización es hacer trabajar la optimización y el descubrimiento de manera conjunta para beneficiarse del conocimiento que de los datos tendrán ambas estructuras. Con el tiempo estos dos perfiles tomarán lo mejor uno del otro y el analista podrá usar la tecnología para optimizar y descubrir y el científico podrá usar el conocimiento del negocio para descubrir y optimizar. Ahora mismo están lejos de tener el mismo perfil pero a la vez están muy cerca en la manera de pensar y de llegar a accionar en base a los datos.
¿Qué ha pasado en Octubre y Noviembre?
Montamos un evento junto a Mercanza en el que hablé sobre la toma de decisiones en base a los datos.
Hablé en Infoempleo sobre qué hace un experto en analítica web.
Estuve en el programa EL RESPETO hablando y debatiendo sobre los datos.
He participado en la Universidad Autónoma de Madrid en una clase sobre analítica digital.
