Ya sea que los datos estén estructurados o no, son tan valiosos como los resultados de negocio que hacen posible. Sin embargo, los datos en sí no son el único factor responsable de esos resultados. La forma en que mides esos datos, desde el punto de vista empresarial, te ayuda a vincular el valor de los datos a su potencial y respalda las decisiones que conducen a resultados empresariales positivos. Para llegar allí, necesita una plataforma de análisis de big data.
Una vez que tenga una plataforma que pueda medir a lo largo de las cuatro V (volumen, velocidad, variedad y veracidad), puede ampliar los resultados de los datos para afectar la adquisición de clientes, la incorporación, la retención, las ventas adicionales, las ventas cruzadas y otros indicadores de generación de ingresos. También puede considerar esta información como una estrategia competitiva que aporta las mejoras correspondientes en la eficiencia operativa y le ayuda a aprovechar los datos de toda la empresa para otras iniciativas.
Durante la última década, las empresas han invertido mucho dinero en la construcción de almacenes de datos y sistemas de inteligencia empresarial para proteger el papel fundamental de los datos en la mejora de las capacidades de toma de decisiones. Yo llamo a esto el » valor definitivo de los datos.»Aborda la importancia asociada con cada elemento de datos que entra en estos sistemas y cada informe que se genera a partir de los datos que, en su mayor parte, son datos estructurados.
Por otro lado, el big data con su volumen, velocidad, variedad y veracidad proporciona el «valor percibido de los datos». Mirando las cuatro V, hay demasiada información y la mayor parte está vagamente definida. Por lo tanto, los expertos creen que hay un gran potencial en estos datos, pero que aún no se ha explorado. Explorar big data consiste en establecer correlaciones entre cosas que no sabes que pueden generar nuevas posibilidades, a diferencia de los sistemas de BI donde sabes qué información quieres y diseñas sistemas para entregar esos tipos específicos de información.
Por ejemplo, al crear una solución de análisis y almacenamiento de datos estable, rentable y altamente receptiva basada en la nube, una empresa líder en productos farmacéuticos y bienes de consumo logró varios beneficios inesperados que destacaron el valor percibido de los datos. La solución no solo mejoró la gestión de las operaciones diarias de la empresa en ventas, planificación y promociones, sino que también permitió la minería de datos de próxima generación, incluidas las capacidades de análisis y procesamiento de big data que mejoraron la toma de decisiones. Como resultado, la compañía utilizó la información obtenida del análisis de big data para desarrollar nuevas promociones estratégicas, aprovechar los cambios inesperados del mercado y mantenerse por delante de los competidores más ágiles.
Esta profundidad de análisis puede beneficiar a las empresas de cualquier industria. Los fabricantes globales están produciendo cantidades cada vez mayores de datos que deben clasificarse y analizarse para obtener información empresarial y requisitos de informes. La falta de una gestión eficaz de estos datos puede obstaculizar la adopción de decisiones eficaces, reducir la eficiencia y dar lugar a problemas de cumplimiento. Con una plataforma de análisis de big data, los fabricantes pueden lograr informes sólidos y rápidos que garanticen auditorías de cumplimiento exitosas. Y al considerar cuidadosamente el volumen, la velocidad, la variedad y la veracidad, el big data proporciona la información que los tomadores de decisiones empresariales necesitan para mantenerse al día con las tendencias cambiantes de los consumidores.
En el mundo digital, esto significa que entender al cliente es de suma importancia. Dado este supuesto, apliquemos algunos criterios de medición al valor de vida útil del cliente (CLV) para mejorar y mejorar la gestión de las relaciones con los clientes:
- Valor basado en volumen: Cuanto más completa sea su vista integrada del cliente y más datos históricos tenga sobre ellos, más información podrá extraer de ella. A su vez, está tomando mejores decisiones cuando se trata de adquirir, retener, crecer y administrar esas relaciones con los clientes.
- Valor basado en la velocidad: Cuanto más rápido pueda procesar la información en su plataforma de datos y análisis, más flexibilidad tendrá para encontrar respuestas a sus preguntas a través de consultas, informes, paneles, etc. Una rápida ingesta de datos y capacidad de análisis rápido le proporciona la decisión correcta y oportuna de alcanzar sus objetivos de gestión de relaciones con los clientes.
- Valor basado en la variedad: Los datos de clientes más variados que tiene, desde el sistema CRM, las redes sociales, los registros del centro de llamadas, etc. – la visión más multifacética que desarrolle sobre sus clientes, lo que le permite desarrollar mapas de viaje del cliente y personalización para interactuar más con los clientes.
- Valor basado en la veracidad: Acumular muchos datos no significa que los datos se vuelvan limpios y precisos. Los datos de los clientes deben permanecer consolidados, limpios, coherentes y actualizados para tomar las decisiones correctas.
Entonces, ¿cómo le das valor en dólares a todo esto? A veces, la información correcta generada a partir de datos pequeños en el momento adecuado puede marcar la diferencia. Por ejemplo, una solución de big data y análisis para el programa de identificación ciudadana más grande del mundo capturó 150 TB de datos. Desde la implementación de la solución, más de 3500 casos de fraude entre 1.se encontraron 5 millones de inscripciones, una valiosa información que podría no haberse descubierto sin capacidades de análisis de big data.
En otro ejemplo, un gran ISP utilizó una solución de análisis web para identificar canales de alto rendimiento y mejorar la interacción con el cliente y las oportunidades de retención. La solución procesó datos no estructurados con latencia de información reducida. Armado con análisis en tiempo real, el ISP obtuvo información que resultó en un aumento de los ingresos y una mayor retención de clientes. Esa cantidad de dinero va directo al fondo. Y más empresas están empezando a darse cuenta.
No hace mucho tiempo, la gran mayoría de los casos de uso de big data tenían un costo total de propiedad (TCO) más bajo, pero a medida que la tecnología continúa madurando, hay más casos de uso dirigidos al crecimiento de los ingresos de primera línea o a nuevas oportunidades de creación de mercado. Para estas organizaciones, las iniciativas de big data pueden comenzar con el CIO y el CTO para establecer un concepto de «Big Data como Plataforma», pero se han aprovechado rápidamente en toda la empresa para ofrecer valores empresariales.
Ya sea que el análisis de big data sea compatible con TI o con el negocio, el camino para obtener un mayor valor del big data comienza decidiendo qué problemas está tratando de resolver. Si los mayores desafíos están dentro de TI, los casos de uso se centrarán en gran medida en temas como la eficiencia operativa y el aumento del rendimiento.
Sin embargo, si hay un problema de negocio que debe resolverse, los temas tomarán una perspectiva diferente, como el mapeo del recorrido del cliente. De cualquier manera, al aplicar valores basados en volumen, velocidad, variedad y veracidad a la medición de big data, las empresas están transformando el análisis de big data de un centro de costos a un centro de beneficios.
Follow @DataconomyMedia
Soumendra Mohanty es un líder de pensamiento y una autoridad dentro del área de gestión de la información, inteligencia de negocios (BI), big data y análisis que ha escrito varios libros y publicado artículos en revistas líderes en el espacio de datos y análisis. Ha dirigido equipos a lo largo del ciclo de vida del proyecto y ayudado con éxito a vender y entregar proyectos de datos y análisis en múltiples industrias, incluidos el comercio minorista, los productos de consumo, el corretaje, la banca, la fabricación, el gobierno, las telecomunicaciones, el comercio electrónico y las ciencias de la vida.
Crédito de la imagen: Marc Smith / Mobile Web Africa 2010 / CC BY 2.0