Todo proceso relacionado con el análisis y la extracción de valor de los datos empieza con el entendimiento de una situación de negocio, de un problema existente que hayamos reconocido o con algún proceso que queramos mejorar; a continuación, hay que pensar qué datos registramos en nuestras bases de datos que estén relacionados con estos procesos y cuáles serían las métricas que nos podrían dar la clave para solucionar nuestros problemas. Esto no es exclusivo de áreas de negocio o marketing, sino que hay muchas situaciones que pueden surgir dentro de nuestra empresa. Pongamos algunos ejemplos sucedidos en la reconocida empresa ACME S.A.:
«Necesito hacer el presupuesto del año que viene y, aunque intuyo por dónde irá, me guío más por la intuición que por otra información.»
Aunque puede variar mucho dependiendo de la empresa, la financiación del siguiente año es, básicamente, prever qué gastos vamos a tener y el volumen de negocio que vamos a generar. Posiblemente, ambas cantidades sigan unas tendencias de los años anteriores o puede que estas cambien por decisiones del nuevo año, pero hay otras variables que pueden afectar: costes ocultos, aparición de nuevos competidores, tendencias macroeconómicas, aumentos de las operaciones… Analizar todos los datos que generan las empresas, así como variables externas como la economía nacional, pueden ayudarnos a crear escenarios que permitan predecir los ingresos y costes que vamos a tener y, en consecuencia, adaptar nuestro presupuesto.
«No sé por qué mis campañas de mail marketing impactan en unos usuarios pero no en otros.»
¿Has pensado a qué horas están tus clientes conectados? Cuando abren su bandeja de entrada, ¿tienen varios emails tuyos? ¿Les estás enviando información de productos que ya han adquirido? Estas y otras miles de preguntas pueden ser contestadas con un buen análisis de los datos de campañas pasadas de email y segmentando nuestros clientes. En función del objetivo de la campaña (adquisición, cross-selling, retención…) y del perfil de los usuarios, unas campañas funcionarán y otras no, siendo los datos que hemos registrado en el pasado los que nos ayuden a diferenciar estos casos.
«Soy incapaz de anticiparme a las necesidades de nuestros equipos de reparación y post-venta; lo mismo están desbordados durante días que tienen períodos con poquísimas salidas.”
Si registramos los datos de salidas solicitadas por reparación, podemos ver picos de demanda para este tipo de servicios seguramente relacionados con variables como la antigüedad de los apartados, las condiciones climáticas, el uso de los equipos, etc. ¿Podríamos eliminar estos picos de trabajo? El Business Intelligence y el Big Data nos permite establecer políticas de mantenimiento predictivo, es decr, anticiparse a cuándo van a ser solicitados los mantenimientos correctivos y, en este caso, podemos adelantarnos y rellenar valles de trabajo con mantenimientos preventivos sobre estos equipos.
Si alguien nuevo en la materia nos pidiera que le contáramos en pocas palabras de qué va todo esto del Business Intelligence y el Big Data, podríamos pensar alguna respuesta relacionada con tecnología, como el almacenamiento de grandes volúmenes de datos, su tratamiento o la visualización de los mismos. Sin embargo, aunque puede ser un problema tecnológico, lo más importante de este conjunto de técnicas es que ayudan a mejorar la toma de decisiones en todas las áreas de las compañías desde un punto de vista más objetivo que simplemente el conocimiento experto acerca del negocio, basándonos en los patrones de comportamiento e insights escondidos en los datos.
El próximo mes de junio colaboraré con Nomadia, la división de formación de Social Noise, en un curso sobre Business Intelligence y Big Data en el que podrás aprender los fundamentos y aplicación práctica en la empresa de ambas disciplinas. Si estás interesado en la materia aquí podrás encontrar más información sobre el programa.
