El predictive analytics se sirve de la información contenida en las bases de datos para poder realizar pronósticos que ayuden al negocio en la toma de decisiones. El área de marketing es una de las que más se benefician de estos repositorios de conocimiento en bruto. Sin embargo, no todas las bases de datos pueden emplearse para apoyar a la inteligencia de negocio.
Créditso fotográficos: istock archerix
Bases de datos analíticas: características y tipos
Las bases de datos transaccionales no son la primera opción para llevar a cabo esta función predictiva, al no estar diseñadas para una finalidad de análisis, sino para el día a día de las operaciones. Las bases de datos analíticas son la alternativa más idónea al tratarse, generalmente, de sistemas de sólo lectura que almacenan datos históricos sobre las métricas de negocio.
A ellas recurren los analistas y usuarios de negocio para lanzar sus consultas previas a la elaboración de informes. Entre sus características principales destacan:
-
La información allí recogida se debe actualizar regularmente.
-
Además de los registros históricos se deben incorporar los datos de transacciones recientes de los sistemas operativos corporativos.
-
Pueden formar parte de un almacén de datos.
Deben ser escalables.
Las bases de datos analíticas no son siempre iguales ni se trabaja con ellas de la misma forma. Su estructura, orientación analítica y cualidades cambian en función del tipo de base de datos de que se trate. En el mercado pueden encontrarse los siguientes tipos:
- Bases de datos estructurada en columnas: emplea esta estructura para sustituir a las filas y poder reducir el número de elementos de datos a leer para poder procesar cada consulta.
- Dispositivos de almacenamiento de datos: no se trata de bases de datos en sí, sino que son un formato híbrido que combina éstas con el hardware y herramientas de BI en una plataforma integrada. Su principal ventaja es la accesibilidad usuaria y su interfaz intuitiva, que facilita su uso.
- Bases de datos in memory: estas bases de datos cargan la información en la memoria del sistema en un formato comprimido, no relacional, que racionaliza la carga de trabajo que implica el procesamiento de las consultas.
- Bases de datos MPP: su principal característica es el procesamiento en paralelo, que se apoya en diferentes servidores para compartir la carga de trabajo asociada al lanzamiento de consultas porparte de los diferentes usuarios de negocio.
- Bases de datos OLAP: se ocupan del procesamiento analítico en línea en base a cubos multidimensionales de datos agregados para el análisis de la información.
Cómo usar las bases de datos para mejorar los resultados de marketing
Las bases de datos facilitan la gestión de la información y consiguen reducir considerablemente los costes de las iniciativas de marketing. La clave es el acceso instantáneo a detalles sobre todos los clientes actuales y potenciales. Pero, para ser verdaderamente útiles, las bases de datos deben contar con un diseño flexible y se ha de tener claro desde el principio el tipo de información que deben recoger.
El área de marketing se apoya en las bases de datos para, entre otras cosas:
Las bases de datos permiten:
-
Identificar los segmentos con mayor potencial del mercado.
-
Concentrar los recursos en los clientes más rentables y los posibles clientes de perfil similar.
-
Llevar a cabo campañas más efectivas y con garantía de mejores resultados.
Sin embargo, para evitar confusiones, costes injustificados y pérdida de efectividad es preciso:
- Definir los objetivos de marketing y cómo se planea alcanzarlos. Hay que conocer las metas para poder determinar qué datos se precisan para alcanzarlas. Siempre se deben plantear objetivos alineados con la estrategia general de la organización.
- Decidir qué información justificará los costes de recogida y cuál precisa de actualización antes de la creación de la base de datos. No se debe recoger lo que no se va a utilizar, ya que ello sólo restaría agilidad a los procesos.
- Cuidar el diseño de la base de datos: precisión, flexibilidad, accesibilidad y una estructura que permita filtrar los registros que se necesitan para el análisis o para dirigir una campaña de marketing. Sin olvidarse de usar descripciones inequívocas para datos, algo que, en la práctica, si no se aplica, puede dar lugar a ineficiencias y errores.
- Establecer categorías e identificadores: dividir los datos en segmentos, categorías y sub-categorías. Codificar los datos. Crear un glosario de negocio. La recogida de datos se debe planificar para que se produzca de la forma más ordenada posible, sólo así se puede minimizar el riesgo en las acciones que, en el futuro, se basen en conocimiento extraído de los datos almacenados.
- Mantener las bases de datos limpias: invertir esfuerzo en mejorar la calidad de los datos es esencial para que las campañas de marketing y análisis sean eficaces. Actualizaciones frecuentes, eliminación de duplicidades, diseño de sistemas de comprobación de errores y designación de propietarios de los datos para que se responsabilicen de ellos, resulta vital.
- Establecer una política de seguridad de datos y privacidad, que cumpla con los estándares internos de la organización y que esté también a la altura de los requisitos mínimos establecidos por la legislación aplicable.