Escuchar
¿Qué tipo de pan y de repostería debe tener una cadena de panaderías en la mañana? ¿Cómo cambia la demanda durante el día? ¿Qué tipo de refrescos y acompañamientos (natilla, mantequilla, mermelada) se llevan con el pan? ¿Cómo cambia todo eso en cada punto, con el clima, los días feriados, los fines de semana y hasta el día que juega la Selección Nacional de Fútbol?
Es posible que toda esa información ya se tenga. Solo basta mirar en la base de datos de las compras. Pero es necesario agruparla, procesarla, combinarla, analizarla y visualizarla.
Si hay un sector donde es ideal empezar a utilizar el big data es en el comercio al detalle. Ahí se puede ajustar la oferta, enviar recomendaciones de compra y mejorar la ubicación y presentación de los artículos en los estantes.
La implementación de esta tecnología, sin embargo, debe hacerse teniendo claro cuáles son los objetivos y los resultados a lograr, lo cual es parte del proceso de elaboración de un plan. En él se debe contemplar hasta la capacitación del personal.
“No es un tema trivial que se aprende en unas pocas horas”, advirtió Oldemar Rodríguez, director de formación del Programa Iberoamericano de Formación en Minería de Datos (Promidat), de la Universidad Autónoma de Centroamérica.
Gartner, la firma de investigación de mercados, recalca en un informe de octubre pasado que el sector de ventas minoristas ( retail ) puede obtener ventajas competitivas, reducir costos, incrementar ventas y obtener mayor rentabilidad utilizando los datos a su disposición. Además, prevé que para el 2020 será común el uso de algoritmos para analizarlos.
LEA TAMBIÉN Los datos replantean el mercadeo digital
Unificación de datos
Las empresas tienen a su disposición la información de sus bases de datos y la que se genera en Internet y redes sociales.
Son tantas las fuentes de datos, la variedad y la velocidad en que se generan esos datos que es indispensable tener sistemas, lenguajes y algoritmos para producir una experiencia unificada, flexible y eficiente a los clientes.
Muchas empresas tienen sistemas de inteligencia de negocios ( business intelligence ). Pero estos son insuficientes ante la avalancha de datos por manejar. Además, solo hacen descripciones, usan técnicas estadísticas que no permiten predicción y diagnósticos, y solo abarcan un limitado número de variables.
Ahora se requieren tecnologías de almacenamiento, de gestión y de análisis de datos (como la de código abierto Hadoop) distintas a las tradicionales. Asimismo, se requiere que tengan procesamiento paralelo, donde se ejecutan muchas instrucciones y tareas al mismo tiempo para acelerar la resolución de problemas.
También es indispensable el uso de algoritmos, como el de sugerencias a los compradores.
Las empresas también pueden recurrir a los servicios de big data brindados por los operadores (como Telefónica), para determinar tendencias y comportamientos.
LEA TAMBIÉN ¿Cómo funciona el servicio de big data para negocios de Telefónica?
Para adquirir y utilizar estas tecnologías o servicios, las empresas deben determinar cómo usará la información y cómo implementará los sistemas informáticos.
Incluso la firma estadounidense Experian Information Solutions Inc. advierte de la necesidad de considerar los requerimientos legales y de seguridad , así como estar preparados –con planes de contingencia y de atención de crisis– ante cualquier eventualidad en la gestión.
Con la información disponible, es posible que las campañas de mercadeo de las empresas, de las marcas y de sus productos se basen en los datos recopilados y procesados en tiempo real más que en estudios de mercado, siempre parciales y tardíos.
Hasta es posible dar un paso adicional con la personalización de la oferta a las necesidades e intereses del cliente.
En la actualidad las tiendas y los centros comerciales pueden combinar la información de tráfico de consumidores con datos del punto de venta, montos de las transacciones, productos comprados, duración de las personas en la tienda o en el centro comercial, tasas de conversión (visitas versus compras) y hasta predicciones meteorológicas.
Un restaurante podría determinar los cambios en su menú durante cada día de acuerdo con los flujos de clientes (a qué hora llegan empleados de empresas cercanas, jóvenes, adultos y parejas), las alteraciones esperadas del clima y los eventos semanales (partidos de fútbol).
Con eso establecería el inventario y tendría la flexibilidad para ajustar su oferta a la demanda.
También podría ofrecer el bocadillo preferido a un cliente con la precisión que le da un dato tan sencillo como cuál es el platillo o el postre que siempre compra.
Hoja de ruta
Destinos obligatorios en la lista de turismo gastronómico.
1. Identificar potencial. Las empresas deben tener claro cuál es el aporte del manejo y análisis de datos para definir necesidades y objetivos.
2. Sistemas de almacenamiento. Determinar la estructura de almacenamiento de la información y los lenguajes para efectuar minería de datos.
3. Cuantificación. Establecer metas, variables e indicadores que muestren el avance y los resultados en el uso del big data .
4. Replicar modelo. La aplicación puede iniciarse con pruebas por áreas y luego ir extendiéndose a los diferentes servicios que tiene la empresa.
5. Mediciones. Realice un monitoreo constante del logro de las metas, de los resultados de los cambios y de las acciones en ventas.
6. Ajustes. Implemente modificaciones en la utilización del big data en las áreas del negocio a partir de los resultados que va obteniendo.
7. Contingencias. El uso de los datos debe hacerse según requerimientos legales y de seguridad. Contemple un plan de contigencias en caso de fallas.
8. Capacitación. Se requiere la capacitación del personal para la utilización de los datos y responder a los clientes en forma inmediata.
Fuente Promidat, Experian y otros.
