<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=1500086133623123&amp;ev=PageView&amp;noscript=1">

Big Data Analytics: cuando los datos ven la luz

Publicado el 22/02/18 9:56

Sabemos que las organizaciones disponen de un enorme caudal de datos, de muy diferente procedencia, tipología y ubicación. Hasta ahora, gran parte de su valor no era aprovechado, precisamente por su ingente volumen y por la incapacidad de contar con herramientas apropiadas para su manejo. Hoy, esta limitación ya no existe, gracias a las tecnologías como Big Data Analytics que proporcionan la capacidad necesaria para extraer conocimiento de incalculable valor para el negocio.

Para empezar, su gestión y análisis se traduce en decisiones más rápidas y acertadas que permiten adelantarse a la competencia y acertar con las exigentes demandas de los clientes. Pero también es posible, vía análisis predictivo avanzado, de cristalizar en nuevas ideas de producto o servicio para los clientes, y en iniciativas que mejoran los niveles de eficiencia y rentabilidad de la empresa.

Bien es cierto que los datos de cualquier organización se encuentran diseminados por decenas de instancias, almacenes, aplicaciones y programas de todo tipo; CRM, ERP, sistemas comerciales, financieros o contables. Y, además, la importancia y presencia de las redes sociales en los negocios ha disparado tanto su volumen como la tipología de la información que proporcionan, para complicar aún más la situación. Por no hablar de los datos procedentes de dispositivos conectados en red.

Todo ello conduce a las tecnologías Big Data, que han llegado al auxilio de las organizaciones por su capacidad de manejar ingentes volúmenes de datos, de forma rápida y eficaz, dando respuesta a preguntas de todo tipo, incluso a las que ni siquiera se nos habrían ocurrido antes.

businessman working with new modern computer show social network structure.jpeg

Sus respuestas conducen a nuevas ideas de producto o ayudan a identificar formas de mejorar la eficiencia operativa. Sin embargo, hay una serie de casos de uso, ya identificados, que resuelven disyuntivas propias tanto de gigantes de Internet, tipo Google, Facebook y LinkedIn, como de organizaciones más tradicionales.

Es el caso de los motores de recomendación que permiten al comercio minorista online encontrar coincidencias entre usuarios, que se aconsejan entre sí, o sugieren productos y servicios, en función de su perfil. LinkedIn utiliza este enfoque en su opción “la gente puede saber”, mientras que Amazon lo emplea para destacar productos que coinciden con los gustos del consumidor.

También es posible combinar herramientas de Big Data con otras de texto avanzadas, para revisar el contenido de mensajes no estructurados, incluidos tuits y mensajes de Facebook, y así determinar el “sentimiento del usuario” o la percepción del cliente, con respecto a ciertas empresas, marcas o productos.

En el entorno financiero, también es posible combinar estas técnicas con los tradicionales Data Warehouse, para analizar grandes volúmenes de transacciones y determinar el riesgo de los clientes y su exposición al fraude, por ejemplo. En escenarios del tipo “what if”, es posible realizar simulaciones de mercado y calificar a los clientes potenciales, en función de su riesgo, ante posibles préstamos o fraude.

Lo mismo en el mundo del marketing, para monitorizar la eficacia de las campañas o afinar el perfil de los clientes potenciales, identificar patrones y afinar sus ofertas, incluso diferenciando entre los distintos canales de interacción.

Son muchas y variadas las posibilidades e innumerables los entornos de aplicación de Big Data, aunque también se detectan ciertas barreras a su proliferación, en especial las que tienen que ver con las habilidades de los usuarios y su correcta formación.

Pero, lo que resulta indudable es que ya ha comenzado una nueva era en muchos sectores, gracias a su aplicación. La inteligencia de negocio que proporcionan, en especial la detección de patrones de compra o la obtención de predicciones de futuro, así como el descubrimiento de problemas que afectan positiva o negativamente a la retención de clientes o determinan qué impulsa sus deseos de compra.

Y todo ello gracias a que hemos logrado visualizar datos enterrados en silos abandonados o “atesorados” en lugares recónditos de la organización.

 Social media analytics