viernes, junio 6

No hay que esforzarse por ser oídos cuando estamos, sino para ser extrañados cuando no estamos


Cuando me invitaron al Expomarketing 2014, después de haber participado en otro evento en Colombia el año anterior, no me imaginaba que iba a compartir cartel con gente tan impresionante y, no lo niego, me angustié un poco porque ser telonera de Seth Godin no es algo que me pase todos los días!

Y llegué a Bogotá, y empezó el espectáculo! Me voy a salir de lo que suelo hablar en este blog porque estas conferencias me han servido de inspiración a nivel de empresaria, no tanto de analista. Aviso a navegantes por si veníais buscando un post con KPIs y dashboards jeje.

Me llamó la atención sobre todo el mensaje de Seth Godin, no tanto porque no lo haya leído y visto en youtube muchas veces, sino porque verle en directo me ha alucinado, la fuerza que tiene este hombre para transmitir y para inspirar… Alucinante. Por eso me gustaría compartir con vosotros lo que significó para mí su ponencia, la hora y media que me pasé ensimismada en su mensaje:


La idea central es que es muy fácil reconocer el éxito cuando ya ha pasado, lo difícil es verlo antes. Por eso hay que cambiar la manera de ver, de mirar las cosas, puesto que todos tenemos acceso a lo mismo y unos hacen Instagram o Whatsapp y otros no (aquí se te cae el alma a los pies pensando qué ha hecho uno con su vida este tiempo en lugar de tener una idea fabulosa jajaja).

Con Seth Godin antes de la charla
Entonces lo que propone es no seguir las instrucciones de siempre, todos somos reemplazables en la industria, en la economía, en el marketing, ya que todos hacemos las mismas cosas. Y las empresas quieren lo mismo, más atención, más dinero, más ventas, más fans…. Y por eso acabamos haciendo productos de calidad media para gente media.

De hecho, tratamos de resolver problemas que la gente no tiene, o sea, haciendo lo mismo pretendiendo ser diferentes. Y no nos damos cuenta de que hay demasiado donde elegir por lo que no lo echaríamos de menos si desapareciera, al igual que no hemos echado de menos tantas y tantas marcas que han terminado desapareciendo.

Uno de los ejemplos que pone es el manido de la industria de la música, cómo en los 80 era perfecta y generaba un negocio impresionante y ahora con el acceso inmediato y gratis ya no va a sobrevivir. Ha sido una de las primeras industrias en caer pero no será la única, al ritmo que van las cosas. Al final en estos tiempos se trata de hacer lo mismo que ayer pero más barato y más deprisa. Y no todo el mundo sobrevive.

Ahora ya no funciona el hacer productos medios para gente media, antes se producía para la “gente normal”, ahora cada vez más gente elige fuera de lo normal. Ya no vale ir a “lo normal”. Ahora mismo los negocios que valen billones de dólares son los que están hechos para gente “no normal” como Facebook, Instagram, Paypal…

Hay que conectar con la “gente no normal”, hay que detectar a quien le puede interesar nuestra oferta, pero tenemos que pasar a contar historias, a conectar con emociones, con tribus… Que se nos encuentre mediante la gente, no por interrumpir o por anunciarnos. Internet es abundancia, hay música, gente, productos ilimitados. Es crítico el adaptarnos al nuevo modo de hacer las cosas.

Distribución de la gente "normal" de 1980 a 2010 según Seth Godin

Probablemente nuestro éxito no dependerá de que seamos perfectos, sino de ser diferentes, interesantes… Es decir, se trata de encontrar “el ritmo”, la gente hace lo que hacen otros (nos gusta hacer lo que otros hacen), nos gusta estar conectados, compartir. Las empresas deben liderar un movimiento, encontrar una manera común de vivir, de entender las cosas, de conectar.

Los ejemplos que maneja son interesantísimos, cómo a Supermán lo que le hace interesante es que hay una kriptonita que lo puede destruir, cómo al personaje de Gene Kelly en “Singing in the rain” lo que le hace interesante es que lleva un paraguas y no lo utiliza y disfruta donde otros no lo hacen, etc...

Cambiar la forma de hacer las cosas, perder el miedo a fracasar. Si el fracaso no es una opción tampoco lo será el éxito.

Termina su ponencia con, en mi opinión, una frase inspiradora:

“No hay que esforzarse por ser oídos cuando estamos, sino para ser extrañados cuando no estamos”.

 ¿Por qué me he puesto a escribir esto cuando no tiene nada que ver con “mi tema”? Creo que es porque en los últimos años he leído y releído sus libros y su blog y me he sentido acompañada en ciertos sentidos por lo que dice y cómo lo dice.

Lo que escribo en este blog ahora no tiene nada que ver conlo que escribía en 2008 y lo que he evolucionado en el terreno de la analítica desde entonces tiene mucho de lo que decía Godin en su ponencia. Recuerdo en 2009 que alguien importante dentro del banco donde trabajaba entonces me dijo “Dedícate a las Redes Sociales, la Analítica Web no tiene futuro”. Y no sé qué hubiera sido de mí si me hubiera dedicado a las Redes pero sí sé lo que he vivido en la analítica y no me arrepiento de la elección.

He hecho elecciones buenas y otras “altamente optimizables” pero en general estoy muy satisfecha con lo que he conseguido en estos años. Probablemente me iría mejor si hiciera las cosas para la gente media pero soy de naturaleza antiaburrimiento y he preferido hacer las cosas de otra forma, que a mí me parece más interesante y que me permite decidir por dónde seguir en cada momento.

Y en el ahora necesitaba escuchar lo que decía Godin, que todo tiene sentido y que no hacer lo mismo para gente diferente es una opción. Y me doy cuenta de que de vez en cuando hace falta parar para evaluar las distintas opciones y tomar el camino de la gente rara para encontrarle el sentido a esto :)

Y que nos echen de menos si ya no estamos. Y nada más.


martes, mayo 27

Big Data III: Las matemáticas poseen no sólo la verdad, sino cierta belleza suprema.

Realmente, el Big Data es matemáticas. Son la matemáticas de la efectividad, ya que si tenemos muchos y diversos datos y los combinamos con las reglas adecuadas, podremos encontrar los patrones, los valores atípicos que nos ayudarán a gestionar de forma potente nuestra estrategia de negocio. La fuerza del Big Data está en optimizar procesos muy complejos, cuanto mayor es el sistema, mayor valor podrá aportar. Y de esto trata esta tercera entrega de Big Data en el blog, de sacarle partido a estos datos.

El resumen del marco de trabajo para sacar partido a los datos se centra en partir siempre de preguntas e hipótesis para poder determinar qué datos vamos a necesitar en base al negocio. Tendremos una cantidad ingente de datos y hemos de saber qué indicadores y segmentos van a ser los que directamente tienen que ver con lo que necesitamos para actuar.

Es muy importante no cerrarnos, hay que construir la infraestructura flexible y escalable para que vaya creciendo a nuestra medida. Por lo que no hay que almacenar por almacenar, solamente lo que nos sea útil teniendo en cuenta siempre nuestros objetivos.

Marco de trabajo Big Data (explicación aquí)


Quiero hacer énfasis sobre este tema. Normalmente pasamos de una gran cantidad de datos y basamos nuestro tiempo en conseguir muchos y de diversa índole. ERROR. Lo que hemos de hacer es empezar con una serie de datos que tengan mucho impacto en el negocio. Dar la vuelta a la forma de hacer las cosas, ir aportando datos según nos los vaya pidiendo el sistema, según lo que nos vayamos encontrando por el camino.

¿Entonces?

Entonces, partimos de datos desestructurados, a partir de los objetivos establecidos y la estrategia conceptualizamos los datos, evaluamos el esfuerzo y el beneficio que nos dará cada uno de los datos, seleccionamos la herramienta, la configuramos y realizamos el control de calidad para saber si los datos son precisos. Y nos lanzamos a analizar. ¡Big Data entendido como que no se trata de los datos sino del impacto que tiene en el negocio!

Camino a Big Data

El mayor reto es implementar sistemas de inteligencia que permitan a los datos contar la historia, no para profundizar en datos fragmentados buscando la historia. 

La pregunta clave es “Cómo lo hacemos?”.

Un primer paso del análisis puede ser usar datos pasados para predecir la posibilidad de qué va a pasar después. También el utilizar los datos del presente por medio de realtime para poder hacer un análisis predictivo potente en base a lo que ya conocemos. Es decir, conectar el pasado, el presente y el futuro de forma que podamos optimizar las decisiones en base al valor.

La idea es tener un sistema que aprenda a la vez que nosotros, que nos pueda sugerir cambios en modelos y análisis: esto es a lo que vamos. Por lo que necesitamos que toda la tecnología trabaje en paralelo con nosotros para lograr el conocimiento global para tomar decisiones.

Muchos dicen que el Big Data Analytics es lo mismo que el Data Mining, la base es la misma, proveer de una metodología para conseguir inteligencia desde nuestros datos desde una perspectiva tecnológica. Se trata de encontrar los patrones, los perfiles, los modelos, las relaciones dentro de nuestros datos que nos permitan optimizar al máximo nuestro negocio.

La anticipación y la pronta alerta será más y más importante para ganar ventaja competitiva. Estamos en un mundo en el que la ganancia marginal es la clave que nos diferencia de la competencia. Los datos son parte importante en esta carrera al éxito.

Cómo lo hacemos? Vamos buscando correlaciones hasta encontrar la causalidad, como comentaba en el primer post de esta saga y nos lanzamos de lleno al análisis predictivo.

La idea es no solamente describir el qué está pasando, sino predecir qué puede pasar en el futuro, porque esto será lo que nos aportará valor. Podemos empezar por ejemplo con el CLV (Customer Lifetime Value), qué tipo de clientes son más propensos a dejarnos o podemos empezar por hacer pruebas para ver el precio que más se adecua a nuestro público sin salir de nuestros márgenes de beneficio, o saber qué inversión necesitaríamos hacer para alcanzar nuestros objetivos de negocio. Hay muchas combinaciones que nos van a ayudar a entender qué puede pasar y poder adelantarnos para realizar los cambios necesarios en nuestra estrategia en base a esta previsión.

http://snowplowanalytics.com/

Para realizar un análisis predictivo es necesario tener un historial de datos lo suficientemente importante como para que las previsiones sean sólidas. A partir de aquí la metodología que propongo es básicamente la que he propuesto siempre para la analítica digital:

Empezamos teniendo claros los objetivos que queremos alcanzar, para establecer las métricas que nos van a ayudar a saber cuán cerca o lejos estamos de cumplirlos. Teniendo claras estas métricas podremos determinar el historial que tenemos de éstas para saber si realmente podemos generar el análisis predictivo. Si la respuesta es afirmativa, vamos a por ello!

Sacamos los datos y realizamos un análisis de correlación, para entender qué métricas están relacionadas entre sí. Cuando encontramos las correlaciones, establecemos una hipótesis.

Imaginemos que encontramos una correlación entre la tasa de conversión y la tasa de rebote para uno de nuestros canales. Cuanto más baja sea la tasa de rebote más alta es la tasa de conversión. Entonces nuestra hipótesis sería que al bajar un 24% la tasa de rebote de este canal en las páginas afectadas, lograríamos incrementar la tasa de conversión un 5% lo que nos da una subida de ingresos del 11%.

Antes de emocionarnos del todo por encontrar una correlación que parece causal, hay que probarlo en los datos de nuevo. Tomamos LA MITAD de los datos y validamos el modelo con la otra mitad para ver si la hipótesis se cumple. Esto me lo enseñó un lector de este blog hace un tiempo, me pareció una muy buena práctica y ahora lo hago constantemente ☺

A partir de aquí podemos aplicar distintas acciones, podemos usar la regresión (lineal o logarítmica) para construir relaciones lineales y poder determinar qué valores tendrán las métricas en el futuro en base al histórico que manejamos. Así, podremos saber qué podemos esperar de las métricas si no cambiamos la forma de hacer las cosas. De dónde partimos, dónde tenemos que incrementar esfuerzos para poder recoger más de lo esperado, no quedarnos ahí, seguir optimizando estrategias.

O aplicamos clusters o clasificaciones, para encontrar grupos o segmentos de clientes con comportamientos parecidos para poder determinar qué características definen a cada uno de los grupos. Por ejemplo, clasificar a los clientes en base al número de compras que realizan en un periodo de un año. Así podremos intentar entender qué tienen en común los clientes esporádicos, o lo que une a los clientes que realizan pocas compras pero cuando lo hacen tienen un importe alto, o qué grupo de clientes tienen comportamiento similar en compras e importes, o encontrar el tipo de promoción ante el que tienen más correlación con un aumento de gasto en un cluster determinado (los clientes que compran una segunda vez han utilizado el cupón descuento del 70% en el segundo producto).

El problema que veo en mi entorno es que se hacen los análisis predictivos pero no se acompañan de las hipótesis para tomar acción. Se utilizan para entender comportamientos, para entender cómo funcionan nuestros esfuerzos, pero no como base de las acciones. Es mi lucha diaria, el poder cambiar la cultura de las empresas y que se tomen decisiones basadas en datos.

¿Pasaremos del entender a la acción? Confío en que sí :)

En una entrevista en Expomarketing Bogotá

¡Un abrazo a todos desde Bogotá!

miércoles, abril 30

Big Data II: “No todo lo que es oro reluce, ni toda la gente errante anda perdida”

Como comentaba en mi otro post, realmente los datos siempre estuvieron ahí, lo que ha cambiado es la tecnología, que nos permite recogerlos y almacenarlos de forma sencilla. ¿Y qué? ¿Cómo nos cambia esto la vida? 

Según MacKinsey, los sectores donde más se pueden beneficiar del Big Data y según su potencial de crecimiento son por supuesto el de la información, el periodismo de datos y open data es ya un clásico, todo lo relacionado con finanzas y aseguradoras, administración pública…

Pero no podemos olvidarnos de los comercios electrónicos, las aseguradoras de salud, retail… Según los distintos clusters o segmentos, parece que casi todos los sectores se pueden estar frotando las manos porque pueden crecer de forma gradual sacando el máximo jugo a sus datos y tomando decisiones en base a los mismos.


Si profundizamos en cada uno de estos sectores, nos encontramos con diversas aplicaciones que se vienen realizando y que nos pueden servir como inspiración para encontrar nuestra frontera de optimización.

Por ejemplo, en Banca podremos optimizar el servicio al consumidor ya que entenderemos mejor su comportamiento y mejoraremos la combinación óptima de los productos y podremos personalizar el servicio para garantizar una mejor relación con el cliente. Será además más fácil y seguro detectar transacciones fraudulentas y gestionar mejor el riesgo de las operaciones.

Al igual que si nos dedicamos a los bienes de consumo, podemos combinar los datos del análisis de sentimiento y recomendaciones para entender la perspectiva del usuario, podremos entenderle desde todos los ángulos y ser capaces de gestionar mejor la oferta y demanda de nuestros productos. Adelantarnos a lo que puede pasar con un determinado producto, con la fidelidad del consumidor, con la competencia…

En el campo de ITs o Telecos, desde la seguridad informática hasta la predicción de fallos y optimización de protocolos, de capacidades, de promociones, de infraestructuras. Muy interesante la capacidad con el maquina a maquina (M2M, la capacidad de intercambio de datos entre máquinas remotas) o la posibilidad de detectar la tasa de cancelación de clientes a tiempo para reducir la portabilidad. Las posibilidades son increíbles!

En el sector gubernamental, podemos estudiar las variables que pueden ayudarnos en la predicción y prevención de los delitos, podemos trabajar en el modelo de una ciudad inteligente, podemos olvidarnos de los documentos en muchas administraciones públicas y podremos confeccionar un listado de datos para que otros ciudadanos se beneficien de ellos, por no hablar de los cambios que se pueden efectuar con el sector de la educación.

El sector de la educación siempre ha producido muchísimos datos, ahora esos datos pueden recogerse y utilizarse para que los profesores puedan seguir los progresos de cada estudiante de forma personalizada, entender la productividad de cada uno de ellos y por supuesto al propio estudiante para alertarle de cómo va y en donde debería focalizar sus esfuerzos para sacar el máximo provecho de su paso por el colegio y la universidad.

En el campo de la biología y medicina es donde más avances se pueden realizar en beneficio de todos, el estudio de las enfermedades con su contexto, el avance en Genómica, una de las áreas más vanguardistas de la biología que auna conocimiento de medicina, informática, estadística, bioquímica, física… Todos podremos consultar nuestro historial y diagnósticos en la nube.

Mención aparte merece el “yo cuantificado” que resume nuestra vida en la recopilación de hábitos cotidianos por medio de gadgets, cada vez más de moda y que permite conocernos a nosotros mismos según la actividad que realizamos, lo que vemos, lo que dormimos, lo que comemos… y medirlo todo contra nuestros objetivos.

Yo Cuantificado via Microsiervos

 Qué decir del sector energético… con la gestión de la energía en manos del consumidor, con la predicción de la demanda desde el lado de la empresa, con los medidores inteligentes en base a los datos de diversas fuentes y las redes mixtas…

Finalmente en internet, los asistentes tipo Siri, Google Now, Cortana… que aprenden de forma adaptativa según van recopilando datos y de la propia experiencia con los usuarios, las webs que disponen contenidos personalizados en base al usuario y sus preferencias, intentar incluso adentrarse en el aprendizaje profundo del individuo, con todo lo que tiene que ver con la inteligencia artificial.

Incluso el internet de las cosas, el identificar a todos los productos mediante una red de objetos interconectados y seguir su movimiento, su interacción… La conectividad es la clave en esta área, cómo se pueden conectar diversas máquinas para hacernos la vida más fácil y sacar pleno rendimiento a cada una de ellas. La creatividad en su grado más alto :)

Internet de las Cosas via ThinkBig

Las posibilidades son infinitas. ¿No es un mundo apasionante?

Como ya vimos en el post anterior, open data es una parte del big data: mientras que el big data se define por el volumen, realmente el open data se define por el uso, ya que hace que los datos públicos lleguen a las personas, a las organizaciones y suele ser muy fácil de utilizar.

En el mundo del open data se abre una nueva perspectiva, los gobiernos han empezado por los datos demográficos e incluso electorales. Desde mi posición de analista creo interesante el disponer de este tipo de información para la empresa mediana y pequeña, permite tener una base importante y fidedigna de cara a tomar decisiones a futuro. Realmente, cuando el Big Data se hace Open Data, ganamos todos. Aquí tenéis un listado de sitios con open data.

Resumiendo, el Big Data puede revolucionar el mundo de la salud, de las administraciones públicas, del sector de telecomunicaciones, de la educación, de las predicciones a nivel mundial, de los negocios… y todo en tiempo real. Parece que la evolución nos lleva a esto, a partir de las experiencias y los datos para crecer de forma sólida, siempre con los objetivos bien establecidos.

Bonus: Libros online gratis para aprender Data Science

PD. Participaré en la Big Data Week en Madrid la semana del 5 de mayo, también en Ciencia en Redes en Madrid el 8 de mayo, finalmente viajaré a Expomarketing Bogotá el 21 de mayo. ¿Nos vemos en algún evento?

En mi ponencia sobre Big Data en Bolivia