Nuevos socios, nuevos rumbos en CONENTO

eN 800

Conento se caracteriza por ser una empresa humana, analítica y tecnológica que trabaja con entornos Big Data y aporta soluciones inteligentes para el crecimiento de los negocios.

Con 10 años de experiencia en el mercado local e internacional, Macarena Estévez CEO de la empresa, decidió abrir el accionariado a parte de su equipo. En la siguiente noticia podrás conocer un poco más de cerca a los nuevos socios de esta compañía.

Macarena Estévez, CEO

DSC_0503

¿Qué te motivo a vender parte de las acciones de la empresa?

Conento ha sido siempre una apuesta de futuro, tengo que ir pasando el testigo a las nuevas generaciones.

¿Qué cualidades tenían que tener los socios?

Haberme demostrado con creces ser capaces de llevar a Conento allá donde lo queremos llevar, personas de mi máxima confianza y con mucha fuerza y ganas de luchar al 100%.

¿Cómo te sientes de haber tomado esta decisión?

Feliz, tranquila, confiada e ilusionada.

¿Con qué sueñas en esta nueva etapa de Conento?

Con llevar a Conento a ser la empresa líder en Analytics en España y a nivel mundial.

Nuevos socios, nuevos horizontes

Davide Fabrizio (DF) , Jorge Hayes (JH), Carlos Real (CR) y Gonzalo Pezzi (GP) son los nuevos socios de Conento. Los cuatro profesionales tienen una larga trayectoria en la empresa y han ocupado importantes cargos de responsabilidad desde los inicios de la misma.

¿Habías pensado alguna vez en ser socio de una compañía?

DF:  Sí, era un objetivo que tenía claro en mi carrera profesional.

JH: Hace mucho tiempo,  tuve la oportunidad de trabajar en una  firma profesional con Socios  (KPMG) y vi las grandes ventajas de este modelo de empresa, entre las cuales:

  • La gran motivación  y compromiso  que genera en el equipo directivo.
  • Una meta y un claro camino de progreso profesional  para los nuevos que se incorporan a la empresa.

CR: Es algo que no había pensado antes, pero cuando Macarena nos dio la oportunidad me costó poco decidirme. He trabajado en Conento durante los últimos 7 años y es el momento adecuado para afrontar este nuevo reto con ilusión.

GP: ¡Sí, claro! De hecho había sido socio de una compañía antes de formar parte de Conento. Mi etapa en Conento ha sido muy especial para mi, y es un verdadero orgullo pasar a ser socio de esta empresa.

¿Qué te motivó a ser parte de esta nueva aventura?

DF:  La absoluta confianza que se ha cimentado a lo largo de estos años con Maca y la conciencia de que Conento tiene un gran potencial, gracias a su capital humano y profesional.

JH: Conento es una empresa excepcional y “ diferente”  en  muchos sentidos, igual que su fundadora, y tenemos la suerte  de estar muy bien posicionados en un mercado de enorme futuro  – Data y Analytics.

CR: El motivo principal es que me veo trabajando en Conento en el largo plazo y me gusta la idea de aumentar mi vinculación con la compañía. Espero ayudar a que Conento siga creciendo y adaptándose a este mundo en contante cambio.

GP: Llevo ya varios años en Conento y ha sido un privilegio participar en el crecimiento y la evolución de la compañía. No es una nueva aventura, sino que la aventura en Conento continúa, y va a ser apasionante.

¿Qué significa Conento para ti?

DF: Es como una segunda familia, formar parte de Conento es ser parte de un proyecto dinámico, que evoluciona cada día con nuevos desafíos, y cada día el proyecto se hace más apasionante y presenta retos más complejos.

JH:  Poder trabajar a gusto  en una empresa con mucho talento  y que ofrece servicios muy relevantes y de gran valor para empresas líderes, ayudando a crear el futuro.

CR: Conento es el lugar donde he podido llevar a la práctica todo lo aprendido en la carrera, aplicando las matemáticas al mundo real. También es la compañía en la que he conocido grandes profesionales, tanto compañeros como clientes.

GP: Es un equipo de personas extraordinarias con el que da gusto enfrentarse continuamente a los retos que nos plantean los clientes y mejorar cada día.

¿Cómo visualizas a Conento en 3 años?

DF: Una empresa más grande y un claro referente internacional en el mundo de Analytics.

JH: Más  grande y  más  reconocida, y uno de los mejores sitios para trabajar, aprender y crece profesionalmente.

CR: Creo que Conento seguirá siendo un referente en el sector de Business Analytics en España, y que además comenzará a ser reconocida fuera de este sector y en otros países.

GP: Seguiremos afianzando nuestros productos clave y abriendo nuevas líneas en las que estamos trabajando.

 

 

 

Posted in Noticias | Tagged , , , , , , | Leave a comment

El Big Data en el mundo de Seguros

up-2081170_1280

El análisis masivo de datos se ha convertido en un gran reto para el sector de los Seguros. Sin datos, la industria aseguradora, podría verse vulnerable de cara al cliente. El ecosistema de Big Data ha invadido el mundo en general. En la actualidad, manejar la ingente cantidad de información, delimita la línea entre el éxito y el fracaso de una marca.

El mercado de Seguros está acostumbrado a trabajar con datos,  por un lado predicen el riesgo y tratan de que cada asegurado pague lo justo. O por ejemplo manejan qué probabilidad tiene algún cliente con un siniestro, en pocas palabras se preocupan por el precio justo adaptado para cada perfil.

¿Quieres saber cuáles son los principales retos y las oportunidades del Big Data en el sector de los Seguros?

Escucha nuestro segundo programa de radio, por Capital Intereconomía donde tuvimos como invitada a Esther Villar, Chief Technical Officer & Head of Big Data – AXA Global Direct Spain. Y quien despejó algunas dudas vinculadas al Big Data en el mundo de Seguros.

Posted in Blog | Tagged , , , , , , , | Leave a comment

Conento en la radio: programa DATA, CIENCIA Y FUTURO

cartel 3.1

 

El mundo de los datos está siendo explorado y explotado cada vez más, pero ¿cómo saber si estamos yendo por buen camino?

Macarena Estévez, CEO de Conento, compartirá un espacio llamado Data Ciencia y Futuro, en el programa de radio Capital Intereconomía; donde estará acompañada de invitados de lujo que conocen del mundo de los negocios y los datos.

En el primer programa se habló sobre la influencia del “Big Data en la investigación de mercados”. 

Si bien es cierto que en la investigación de mercado son muchas y muy variadas las técnicas que se utilizan para recabar los datos, según se trate de investigación cuantitativa o cualitativa y dependiendo también de cada proyecto al que os enfrentéis, el Big Data ayudará a procesar todos estos datos generados por los consumidores.

Y tiene que ver con los mayores desafíos a los que cada uno se enfrenta a la hora de tratar con los resultados que recogen: el reto para el Big Data es darle sentido, procesar la gran cantidad, variedad y velocidad de datos que se generan y convertirlos en insights manejables, mientras que la investigación de mercados, tiene que preocuparse por poder obtener muestras suficientemente representativas del target, mercado o sector objeto de sus estudios.

Está y otras cosas más trataron  Macarena Estévez y Mercedes Fernández, junto a las presentadoras del programa: Susana Criado y Elena Freile. ¡Os lo compartimos!

 

Posted in Noticias | Tagged , , , | Leave a comment

Descubre la ciencia analítica que hay detrás de los CrossFit Games

colisseum5

PH: @wodshots

Los CrossFit Games tuvieron lugar del 3 al 6 de Agosto, en la localidad de Madison en Wisconsin, dejando atrás muchos años y recuerdos en Carson (California), que a los más fieles pareció no satisfacer demasiado en principio, especialmente debido a la climatología cambiante de la nueva ubicación. Sin embargo, el espectáculo y la explosión de emociones de la competición de los grandes atletas que participaban hizo que Madison se ganara el corazón de todos, fieles y novatos, y al cierre de los Games todos los que estuvimos presentes, entre ellos Conento, ya estuviéramos pensando en volver al año siguiente.

 

Como en los anteriores artículos de los Open Games y los Regionals, vamos a ver a continuación el análisis de los resultados de los 39 hombres y 40 mujeres que compitieron en la categoría de Individuales, en la que el ganador y ganadora son considerados “the fittest man / woman on Earth”.

 

Debemos señalar que al contar con un número más reducido de datos, en comparación al volumen que manejamos en los Open o los Regionals, las conclusiones que podemos extraer del análisis de resultados respecto a las variables de edad, altura y peso, son menos determinantes de las que pudimos ver en los análisis de las competiciones anteriores, como así muestran los datos globales. Si bien en cada prueba siempre hay alguna variable que favorece a algunos más que a otros, podemos decir que en el resultado final, en el caso de atletas del campeonato mundial, las variables de edad, altura y peso, prácticamente no influyen en los resultados.

 

Análisis Resultados globales

Gráfico1

 

Una de las curiosidades de nuestro análisis, y que habla de cómo funciona la cabeza de los organizadores y pensadores de los eventos, es la distribución de las pruebas por su duración y los resultados en tiempo totalmente equitativos entre hombres y mujeres.

Vemos como las pruebas de duración más largas tuvieron lugar en el primer día de competición (Run Swin Run o Cyclocross), dando paso luego a pruebas de duración media (Strongman’s fear o Heavy 17.5), combinadas con pruebas de altísima intensidad y corta duración, como las pruebas de Assault Banger o Fibonacci Final.

Comparación tiempos entre pruebas

Gráfico2

Analytics powered by Conento

 

Entrando en el detalle de cada prueba, vemos como la primera de ellas “Run Swim Run” que tuvo lugar al aire libre y en la que los atletas debían completar 1,5 millas corriendo, 500 metros nadando y 1,5 millas corriendo de vuelta al recinto bajo una espesa lluvia, en la correlación de resultados y tiempo no hay grandes diferencias en el top 10.

Sin embargo, sucede lo contrario en la prueba larga que tuvo lugar después, el circuito de  “Cyclocross” también al aire libre, en la que los resultados de tiempo entre hombres y mujeres muestran una diferencia muy amplia, pero paralela en evolución.

La primera prueba dentro del Coliseum, Amanda enriquecida hasta las 45 repeticiones, muestra como el equilibrio en los resultados del top 10 se desvirtúa en las posiciones superiores del ranking.

 

Comparación tiempos entre hombres y mujeres 

Captura de pantalla 2017-09-27 a las 11.54.24

Analytics powered by Conento

Hay 2 pruebas que demuestran una perfecta adaptación para hombres y mujeres, viendo la correlación entre tiempo y resultados:

  • Strongsman’s Fear no dió tanto miedo a las chicas, que consiguieron prácticamente tiempos similares a los hombres.
  • O el Heavy 17.5, un wod recuperado de los Open con 10 rondas de 9 thrusters más pesados que en el realizado en los Open, y 35 dobles de comba, quizá el hecho de que los atletas conocieran el ejercicio también ayudó a que los tiempos fueran los mismos para hombres y mujeres.
_RAC9901

PH: @wodshots

 

Sin embargo en dos de las pruebas que tuvieron lugar en el último día de competición donde se aprecia el nivel de competitividad de las mujeres respecto a la competición masculina.

Viendo que el “Madison triplet” inspirado en la campiña y hábitos rurales de la zona no ayudó a determinar la clasificación final femenina, los dos últimos wods se convirtieron en una lucha encarnizada por ganar, tanto es así que los tiempos de las mujeres son mejores que los de los hombres en el top 10, destacando en concreto el último de todos, un invento llamado Fibonacci que tan sólo completó un atleta masculino… y no fue Fraser que ya era ganador indiscutible. Tia-Clair Toomey sufrió hasta el final, con Kara Web pegada a ella hasta el último deadlift de 124 libras de esta última prueba. La competición no pudo tener un final más emocionante.

 

Conento estuvo presente en los CrossFit Games, y pudimos disfrutar en vivo de esta gran competición; este análisis nos ayuda a nosotros mismos a entender la grandeza del CrossFit y de todo lo que pudimos vivir y sentir en Madison.

 

Continuaremos nuestra labor analítica sobre el mundo del CrossFit, síguenos para estar al día de nuestros artículos y estudios.  Escríbenos a crossfit@conento.com

 

Posted in Blog | Tagged , , , , , , , , , , , | Leave a comment

Machine Learning: ¿una moda o una necesidad?

 

hand-1571851_640

 

Partiendo de que el Machine Learning (ML) o aprendizaje automático es un tipo de Inteligencia Artificial, podríamos decir que está dirigido al desarrollo de técnicas para que las máquinas puedan aprender y tomar decisiones por sí mismas.

El ML cambia los procesos tradicionales basados ​​en reglas que pueden ayudar a las empresas a descubrir nuevos patrones en grandes conjuntos de datos, así como a hacer predicciones estratégicas sobre las necesidades del cliente. Si bien este terreno es desconocido para algunas empresas, tiene el potencial para resolver problemas de negocios reales que tendrán un gran impacto en el tiempo. El objetivo final para cualquier negocio debe ser la construcción de tecnología de este tipo en todos los software de negocio. Hay que tener en cuenta que el ML por sí solo no puede hacer el trabajo.

El #MachineLearning ayuda a resolver problemas de negocios que tendrán impacto en el tiempo. Click Para Twittear

 

En su lugar, la automatización de ciertas funciones de marketing debe abordarse como una estrategia para ahorrar tiempo al vendedor en algunas de las tareas más manualmente intensivas, como la minería de datos. Esto da a los empleados la libertad de concentrar sus esfuerzos en el trabajo que construye una experiencia más personal para sus clientes. Eventualmente, las empresas deben apuntar a alinear ambos tipos de comunicación para crear sinergia entre el hombre y la máquina.

La primera forma en que las empresas pueden incorporar el ML en sus estrategias es aprovechando los asistentes digitales y los bots. Los avances en la tecnología de la Inteligencia Artificial (AI) sugieren que los algoritmos de autoaprendizaje pronto podrán llegar a sus propias conclusiones y desarrollar un comportamiento sensible al contexto.

Estos asistentes ya están comenzando a interactuar con los clientes, programar reuniones o seguimiento, traducir documentos, entender las preguntas de los clientes y proporcionar soporte al cliente. La implementación de esta tecnología de autoaprendizaje no sólo ahorrará tiempo de los representantes de servicio al cliente, sino que durante un cierto período, también será esencial para anticipar las necesidades del servicio al cliente antes de convertirse en desafíos.

Ya no es necesario invertir gran cantidad de horas de expertos para programar el algoritmo perfecto, este proceso ahora se ha reemplazado por Machine Learning, mediante el análisis de enormes cantidades de datos, el ordenador irá ajustando el algoritmo hasta mejorar el nivel de acierto.

¿Cómo implementar Machine Learning en tu compañía?

  • Preparar grandes volúmenes de datos sobre los que aprender
  • Analizar estos datos para entrenar el modelo
  • Aplicar el modelo resultante a una necesidad de negocio
  • El paso clave para hablar de machine learning, aprender del resultado para mejorar continuamente el modelo de forma autónoma.

calculator-695084_1280

 

Aplicaciones del Machine Learning

En Conento hemos trabajado sobre Sistemas de Recomendación utilizando tecnología Machine Learning. Por otro lado se puede adaptar a muchas situaciones entre ellas: motores de búsqueda, diagnósticos médicos, reconocimiento del habla y del lenguaje, robótica… Entre otras, éstas son algunas de las actividades de nuestro día a día que se ven impulsadas por el machine learning:

  • Detección de rostro: se evidencia en las cámaras de los móviles.
  • Reconocimiento facial, de voz o de objetos.
  • Genética: en la clasificación de secuencias de ADN.
  • Predicción y pronósticos: de clima, tráfico o para evitar fallos tecnológicos en equipos.
  • Comprensión de textos: se aplica a resúmenes estructurados de noticias o comentarios sobre un tema específico.
  • Métodos de optimización más rápidos y flexibles: se evalúa qué momento es el adecuado para una tarea concreta.
  • Análisis de imágenes de alta calidad.
  • Análisis de datos económicos:  cuando operamos en el mercado de valores o cuando evitamos el fraude en transacciones.
  • Análisis de comportamiento de consumo y productividad: para la identificación de clientes potenciales, prever qué empleados pueden ser más rentables y adaptar servicios a las necesidades del usuario.

 

Para una mayor comprensión  Macarena Estévez en su blog pone un ejemplo muy práctico sobre la utilidad del Machine Learning, donde se puede conocer si un chico joven es propenso a fumar o no.

Por último, las organizaciones deben considerar la posibilidad de utilizar el Machine Learning para ayudar con sus ventas y funciones de marketing. Las empresas pueden obtener información valiosa sobre el comportamiento transaccional de los clientes utilizando el aprendizaje de máquinas para extraer, predecir y capturar indicadores de conversión para individuos calificados. Con esta visión, los representantes de ventas pueden recomendar el contenido de ventas u ofertas personalizadas a través de segmentación.

 

¡Si quieres que te asesoremos sobre este tema Contáctanos!

 

Fuente

http://data-informed.com

http://www.ticbeat.com

http://www.intelygenz.es

 

 

Posted in Noticias | Tagged , , | Leave a comment

El análisis de datos está siendo aprovechado en los deportes

marcos-moraes-16233

El análisis de datos en el mundo de los deportes va en creciendo, por citar algunos casos hemos visto ejemplos en: mundiales de fútbol, juegos olímpicos, competiciones nacionales e internacionales y la lista podría continuar. Esto se debe a que el Data Science y la analítica deportiva están abriendo nuevos puntos de datos y con la información de proyectos.

Los datos analíticos deportivos varían según el caso por un lado los equipos usan todo, desde los rastreadores de redes sociales para poder detectar signos de descontento de los aficionados con el fin de estar al día.

 El Data Science y la analítica deportiva están abriendo nuevos puntos de datos sobre proyectos. Click Para Twittear

Seguimiento en la NBA

En la NBA se está utilizando una herramienta que sirve  para rastrear donde los jugadores lanzan el balón, cómo entran en la zona ofensiva o defensiva y la probabilidad de que tengan éxito o fracasen. Los equipos que procesan los datos con mayor eficacia tienden a ganar. No es un accidente que el equipo de la NBA más centrado en los datos de la era moderna, los Golden State Warriors, sea también el más exitoso.

 

Mejora de la experiencia 

Este tipo de enfoque de las relaciones públicas puede permitir a los equipos para salir adelante de las controversias y mantener a sus fans felices. Por ejemplo, el Bayern Munich de la Bundesliga en Alemania tiene un acuerdo permanente con SAP para manejar los esfuerzos globales de seguimiento de la gestión de los fans. La próxima vez que se queje en línea sobre un gran comercio o una emisión de bonos para un nuevo estadio, el equipo podría estar escuchando un poco más de cerca de lo que sus fans esperan.

Los datos están siendo aprovechados

Los análisis predictivos son beneficiosos para los equipos, ya que les da aún más información que pueden tener en cuenta al hacer su selección de borrador. Las organizaciones inteligentes entienden que deben mirar cada situación desde tantos ángulos como sea posible, especialmente cuando toman decisiones tan importantes. De está manera se están generando todas estas nuevas métricas y puntos de datos, lo que permite a los equipos y aficionados obtener tanta información sobre un posible cliente como sea posible.

La ciencia y la tecnología de datos están desempeñando ahora un papel cada vez más importante en la percepción de los aficionados de las proyecciones, ya que ESPN por ejemplo es uno de los muchos grupos que crean sus propios modelos estadísticos diseñados para identificar qué jugadores tienen más probabilidades de tener éxito en el siguiente nivel y los jugadores tienen una mayor probabilidad de decepcionar.

basketball-557192_640

 

El Data Science realmente comenzó a ampliar su perfil en el mundo de la exploración del baloncesto después de la introducción de Synergy Sports Technology. Es un servicio que recopila vídeos y estadísticas y lo compila en una base de datos fácilmente accesible y fácil de usar. A través de las herramietas que utiliza Synergy Sports se puede rastrear el minuto más detallado junto con las estadísticas y luego acceder de inmediato a la película de juego relevante para que puedan ver esas estadísticas en acción. Esto significa que los exploradores son fácilmente capaces de ver la eficiencia con la que un jugador conduce a la canasta con su mano izquierda, y luego ver clips de él haciendo la jugada exacta.

 

Predicciones de jugadores

Por otro lado ESPN ha desarrollado un modelo que pretende proyectar las posibilidades de un jugador de convertirse en una estrella del deporte.

El modelo de ESPN intenta proyectar la Estadística Plus-Minus de un jugador para predecir la calidad del jugador que será. Hay muchos otros grupos que hacen modelos similares, y todos ellos agregan a la discusión de proyectos de proyección y su potencial. Este es un desarrollo notable porque demuestra cómo no es sólo la NBA que está profundizando en este campo, sino los medios de comunicación y los fans también.

NADAL

En última instancia, la ciencia de los datos y la analítica del deporte se ha extendido  y el proceso de exploración de los equipos de la NBA es uno de los muchos ejemplos clave de esto. Cada vez más, los equipos confían en estos métodos para ayudar a sus departamentos de exploración a obtener la mayor información sobre las perspectivas individuales.

Pero no son sólo las propias organizaciones las que se están adentrando en este campo, ya que los medios de comunicación están integrando cada vez más las métricas y análisis avanzados en su proyecto de cobertura, lo que a su vez influye en las participaciones de los fans con respecto a las perspectivas preliminares.

 

 

Fuente 

https://datafloq.com

http://dataconomy.com

 

 

 

Posted in Blog | Tagged , , , , , | Leave a comment

El Marketing mejora sus procesos con Big Data

xochi-111556

Con los enormes volúmenes de datos explotados en los últimos años, algunos expertos indican que la monetización de los datos pronto se convertirá en una fuente importante de ingresos.

Actualmente especialistas del Marketing están buscando la forma de aprovechar estas cantidades de datos. Con el surgimiento del Big Data y Data Science, ahora es posible analizar la mayoría de estos materiales y eventualmente convertirlos en estrategias de Marketing fructíferas.

El Big Data seguirá transformando el servicio al cliente en los próximos años. Las marcas dependen en gran medida de los datos para comprender las necesidades de los clientes y ofrecer las soluciones que demandan.

En este post te vamos a mostrar algunos beneficios del Big Data en el Marketing.

La monetización de los datos pronto se convertirá en una fuente importante de ingresos. Click Para Twittear

Atención al cliente

El servicio de atención al cliente se considera a menudo como una obligación, y algunas compañías irán a las grandes longitudes para ocultar opciones donde los usuarios pueden entrar en contacto con ellas. Esto es un error. Un mal servicio enviará incluso a sus clientes más leales directamente a los brazos de sus competidores.

Planificación

Los científicos de datos proporcionan a los departamentos de Marketing un excelente análisis de las últimas tendencias en el comportamiento de los clientes, lo que permite a los vendedores crear estrategias integrales y prepararse para actividades más eficientes. Es por eso que casi el 65% de los ejecutivos de Marketing afirman que el Marketing basado en datos es crucial para el éxito en una economía global hipercompetitiva. Ahora son capaces de apuntar a los consumidores no sólo como grupos grandes, sino también como subgrupos segmentados con sus propias características específicas, lo que les da la posibilidad de modificar las actividades y adaptarse a cada uno de estos públicos individualmente.

El 65% de los ejecutivos de marketing afirman que el marketing basado en datos es crucial para el éxito… Click Para Twittear

 

Pricing

Como uno de los elementos más importantes del Marketing Mix es la fijación de precios porque siempre está sujeta a análisis y monitorizaciones. Pero desde que el Big Data entró al juego, las empresas pueden ajustar los precios a sus productos y servicios en tiempo real. Hoy en día, es posible hacer diferenciaciones de precios dependiendo de numerosos factores. Por ejemplo, las salas de cine ofrecen boletos regulares a los compradores promedio, pero también ofrecen ciertos incentivos (cupones, promociones de fin de semana, etc) para aquellos que clientes fijos.

 

matthew-henry-6205

 

Medición del ROI

Por sorprendente que parezca, algunos especialistas de Marketing no saben cómo medir el ROI. Según algunas encuestas, la mitad de los ejecutivos de marketing B2B encuentran difícil atribuir la actividad directamente a los resultados de ingresos como un medio para justificar los presupuestos. El Big Data elimina este problema: tiene en cuenta todos los canales de comercialización, actividades e inversiones y realiza un análisis costo-beneficio de cada elemento. De esta manera, es casi imposible malinterpretar sus actividades de marketing y el presupuesto correspondiente.

Predicción

Por otro lado gracias al Data Science se pueden analizar estrategias actuales pero también tiene la capacidad de predecir con éxito futuras tendencias. Es por eso que los Dptos. de Marketing lo utilizan para crear pronósticos de negocios, lo que les permite comportarse de manera proactiva e ir un paso por delante de los competidores. En el entorno de lucha constante por más cuota de mercado, esta gran característica de datos resulta ser esencial para muchas empresas.

 

 

Fuente

https://www.smartdatacollective.com

https://www.smartdatacollective.com

Posted in Blog | Tagged , , , , , , | Leave a comment

Y llegaron los Regionals

Captura de pantalla 2017-07-24 a la(s) 18.26.30

PH: thruster88

A escasos días del comienzo de los CrossFit Games, desde Conento os queremos ofrecer un nuevo análisis de los resultados de los Regionals 2017. Como ya os habíamos informado hace unos meses, Conento apoya el CrossFit y estamos trabajando en temas de analytics en este campo para aplicar el mejor expertise analítico en el campo de la salud y el deporte de las personas. En este caso, una de las competiciones tuvo lugar en Madrid y nosotros estuvimos analizando a los atletas. Después de verlo… ¿os atrevéis a hacer apuestas sobre el podio de The fittest man / woman on Earth de los próximos CrossFit Games?

Un total de 649 atletas participaron en los CrossFit Regionals de este año; 319 mujeres y 330 hombres. De todos ellos, 200 atletas (31%) consiguieron completar las 6 pruebas.

El primer dato que nos llama la atención es el siguiente: sobre el total de hombres participantes, el 47% terminaron los 6 eventos dentro del límite de tiempo establecido, mientras que sólo el 14% (46 mujeres) lo consiguieron.

El 47% de los hombres terminaron los 6 eventos dentro del límite de tiempo establecido, mientras que… Click Para Twittear

Esto nos lleva a lanzar una primera hipótesis: las pruebas fueron más exigentes para mujeres que para hombres y parece que las adaptaciones en la parte femenina no fueron suficientes para equilibrar los resultados.

Analizaremos en profundidad esta hipótesis más adelante, pero antes vamos a retomar el análisis de los resultados desde las 3 variables con las que Conento ya analizó los resultados de los Open Games; edad, altura y peso de los atletas.

Eventos para todos los gustos

De los atletas que completaron los 6 eventos, el promedio de edad de los atletas masculinos es de 26 años, su altura 189 cms y su peso está sobre los 89 kgs. En el caso de las atletas femeninas tienen una media de 28 años, miden en torno a los 164 cms y su peso es de unos 64 kgs.
Por tanto, los hombres son de constitución más fuerte (incluso, ciñéndonos al famoso IMC se les catalogaría con sobrepeso) mientras que las mujeres tienen una constitución más equilibrada.

Análisis de datos

Nota: El impacto de cada variable está calculado por medio de la correlación inversa a los tiempos de los atletas en cada prueba. Ejemplo de lectura: La altura en las mujeres impacta negativamente en los resultados de la prueba 5, de modo que, a mayor altura del atleta, peores tiempos obtiene en la prueba.

Sin embargo, en líneas generales los eventos de los Regionals de este año estaban bien repartidos para que todos los tipos de atletas se vieran beneficiados por su constitución en unos eventos… y perjudicados en otros.

Tanto es así, que podemos catalogar los eventos en 3 bloques:

  1. Los eventos 1 y 5 beneficiaron a los atletas de menor estatura y más ligeros (los Regionals arrancaron con un evento 1 inspirado en un Murph y el evento 5 consistía en un 21-15-9 de muscle-ups en anillas, y overhead squats).
  2. Los eventos 2 y 4 no discriminaban a unos u otros, combinando diferentes elementos para equilibrar la balanza entre variables.
  3. Los eventos 3 y 6, sin embargo, premiaban a los atletas más altos y pesados; el evento 3 incluía, walking lunges, subida a la cuerda y wallballs, mientras que el evento 6 contenía, calorías en bici, burpees con saltos sobre el cajón y unas pesadísimas cargadas con sacos de arena.

 

Esto hizo que durante los tres días de competición las clasificaciones se movieran arriba y abajo constantemente, convirtiéndose la última jornada en el día decisivo. La organización parecía ser muy consciente de este tema ya que programó dos wods totalmente opuestos: el evento 5 era perfecto para los atletas pequeños, mientras el evento 6 premiaba a los atletas más grandes. Emoción hasta el último minuto.

En los regionals poco tiempo para ellas

Volvemos a la hipótesis que lanzamos al comienzo del artículo asentada sobre el desequilibrio entre los atletas masculinos que consiguieron terminar los 6 eventos (47%) frente a las atletas femeninas que llegaron hasta el final dentro del límite de tiempo de cada evento (14%).

Analizando los resultados en ambos sexos en cada uno de los eventos, vemos cómo en líneas generales, los hombres (puntos rojos) fueron más rápidos que las mujeres (puntos azules), lo que nos lleva a pensar que, las adaptaciones realizadas en los eventos para las atletas femeninas fueron insuficientes en la mayoría de los elementos para conseguir equilibrar los tiempos de todos los participantes, tal y como se establece en los principios de escalado de las mujeres.

CORREGIDO

Analytics powered by Conento

 

No, el fin de semana no importa

La segunda hipótesis que hemos analizado viene de uno de los comentarios más generalizados entre todos los aficionados al CrossFit respecto a la organización de los Regionals; realmente ¿favorece la participación en el segundo y tercer fin de semana? ¿son mejores los resultados de los atletas que supuestamente tienen más tiempo para entrenar o preparar estrategias?

Vemos a continuación las fluctuaciones de los resultados por eventos de los 3 fines de semana, y definitivamente, no es un factor determinante. No se aprecian, en líneas generales, grandes diferencias en los resultados de cada evento en los tres fines de semana.

En los wods en los que se podía diseñar algún tipo de estrategia se pueden observar unos resultados ligeramente mejores en los fines de semana 2 y 3, sin embargo, en la mayoría de los wods es la preparación de los atletas la que marca los resultados.

Por tanto, incluso podría afirmarse que los atletas que pasan a los Games en el último fin de semana se ven perjudicados al tener menos tiempo para prepararse que aquellos que compiten en el primer fin de semana.

Comparación Tiempos entre Fines de Semana

Comparación tiempos fines de semana

Analytics powered by Conento

 ¿Quienes entonces han sido los mejores?

Teniendo en cuenta el equilibrio en la programación de los eventos, y que el hecho de haber competido en diferentes fines de semana no afecta a los resultados, desde Conento hemos querido ofrecer una tabla hipotética de lo que sería la tabla de resultados del Top 40 de los mejores atletas masculinos y atletas femeninas, simulando que hubiesen participado todos simultáneamente en una sola competición.

Clasificación entre hombres y mujeresAnalytics powered by Conento

 

Analizando estos resultados por región, podemos ver que las regiones Central y West en los hombres y Meridian y Central en las mujeres son las más competitivas y dejan a atletas fuera de los Games.

 

Cla pequeña

Analytics powered by Conento

 

¿Será necesaria una revisión del sistema de competición de los Regionals para un futuro para que realmente se clasifiquen los mejores de cada región, de igual forma como sucede en la UEFA Champions League?

En cualquier caso, vamos a disfrutar de los CrossFit Games 2017 y ¡mucha suerte a todos los competidores!

 

¿Estás listo para dar tus resultados de los ganadores de los CrossFit Games?  Escríbenos a crossfit@conento.com

Posted in Blog | Tagged , , , | Leave a comment

Calculemos bien el Churn con modelos predictivos

exit-618506_640

Perder a un cliente es algo que no le gusta a ninguna empresa y hacerlo tiene repercusiones económicas considerables. En el mundo del Marketing a este fenómeno, se le conoce como Churn,  y no distingue entre los diferentes perfiles de las compañías, porque que afecta a todas por igual.

Los clientes son tentados todo el tiempo para irse con nuestra competencia. Las razones pueden ser varias: un mal servicio, una mala atención o promesas de competidores, un mejor precio, etc. Las cuales ponen en juego cientos o miles de variables a los analístas. Esas variables cambian constantemente, y cada vez que una de ellas cambia, cambia el escenario en su totalidad generando una situación de análisis de complejidad.

Las compañías pueden desplegar analíticas predictivas para identificar potenciales casos de “Churn” y luego tomar medidas con campañas de marketing a corto plazo.

Pasos para calcular mejor el Churn

  • Comprender bien la línea de tu negocio
  • Obtener correctamente tus datos
  • Explorar y preparar bien los datos
  • Potencializa tus datos
  • Elaborar modelos predictivos

Construir buenos modelos predictivos

Asegúrate de que los modelos sean lo suficientemente genéricos, lo que significa utilizar conjuntos de formación, validación y pruebas que no sean específicas de un determinado período de tiempo o de un determinado tipo de cliente. Por ejemplo, no pruebes basándote en un conjunto de datos en un período de tiempo en el que tal vez hubo un cambio en los precios o algún otro factor que causó que las tasas de rotación fueran diferentes de lo habitual.

 

Machine Learning puede ser una opción para prevenir el Churn

ecommerce-2140604_640

 

Si bien es cierto que definir el conjunto de técnicas a utilizar es importante: Con el norte ya trazado es más fácil comprender qué lleva a una persona a dejar la empresa (churn), se puede llevar a cabo un análisis descriptivo y exploratorio con la base de datos de transacciones de la compañía. Luego, identificar que variables de comportamiento estuvieron involucradas en los eventos de churn.

Una metodología recomendada para esto por su simplicidad y capacidad de acción es el modelo de Machine Learning Supervisado, (Supervised Machine Learning Algorithm model) “Regresión Logística Binaria” la cual es una metodología de regresión donde la variable objetivo (también llamada respuesta) es una variable dicotómica y representa al evento a ser explicado.

Retener a los clientes

Cada empresa necesita centrarse en un aspecto clave para mantener su negocio en marcha: La retención de clientes. Un método para lograr este objetivo de retención es centrarse en la retroalimentación del cliente y realizar un análisis de los datos basado en esa información. Sin embargo un buen modelo de predicción de churn ayudará a tomar acciones certeras.

 

Fuente

http://dataconomy.com

https://www.smartdatacollective.com

http://www.intellignos.com

Posted in Blog | Tagged , , , | Leave a comment

2ª edición de B2B Digital Summit

FOTO FINAL

Por segundo año consecutivo Adigital organiza un evento que marca tendencias y parámetros en el mundo del B2B, logrando reunir a directores de: Mango, Cabify, Linkedin, grupo Schibsted entre otros.

Felipe García, Pdte.  de la Comisión B2B dio el openning e indicó que la mayoría de los asistentes no éramos nativos digitales. “Somos nativos B2C, sin embargo actualmente el 70% de las empresas practican el B2B” afirmó.

Dentro de las ponentes invitadas estuvo Sarah Harmon, responsable de Soluciones de Talento para España y Portugal de Linkedin, su charla se basó en la gestión de marca en un ambiente digital y resaltó varios aspectos importantes para tener una correcta práctica del B2B:

“Conoce a tu audiencia, donde están, qué consumen, qué influencers están siguiendo, cuánto tiempo pasan en tu plataforma”. Por otro lado sugería que hay que pensar en una estrategia de contenido y debe ser ALWAYS ON, ya que nunca se sabe cuándo un potencial cliente se puede interesar por tu producto o servicio.

Además recordó que el 80% de los profesionales del marketing B2B ya usan canales sociales para sus campañas y que los leads generados vienen de Linkedin.

Retos dentro del B2B 

banner-935470_640

Para el 2020 el B2B va a crecer cuatro veces más que el B2C, hay que tener en cuenta que las grandes y pequeñas empresas, están evolucionando en el B2B a través de sus sistemas de comunicación. El e commerce busca la excelencia ya sea en B2B y B2C.

Uno de los grandes desafíos que se mencionó fue la omnicanalidad, al lograr que el mensaje y la experiencia de marca sean coherentes en todos los canales a través de los que la empresa llega al consumidor.

Se destacó la importancia de saber combinar los mundos on y off para fidelizar a los clientes y aumentar las ventas en el B2B, independientemente del sector que este en juego.

Por su parte Sixto Rodrigo, director del Departamento de Empresas de Deutsche Bank España, citó un reto que ya no es el futuro sino el presente dentro del B2B y se llama Big Data, para aprovechar toda la información que se genere del consumo de cada uno de los clientes para luego poder ofrecerles lo que verdaderamente necesitan.

Puntos a considerar 

  1. Resistencia al cambio: Factor cultural y dependerá de cómo se lo cuentes al cliente
  2. Omnicanalidad vs multicanalidad: Hay que segmentar a los clientes
  3. Gestión del precio y la personalización: Pensar en precios, descuentos plazos de entrega.

Al final de la jornada se pusieron casos prácticos, producto de aprendizajes de varias empresas, que se resume de la siguiente manera:

  • Los modelos de atribución ayudan y complementan la venta programática.
  • Hay que plantearse qué queremos conseguir y qué queremos hacer, es decir definir la estrategia.
  • Hay que distribuir los recursos y optimizar los medios comerciales.
  • Se debe fijar en una estrategia de captación, fidelización y engagement.
  • Hay que estudiar los journeys para saber qué canal da un buen retorno.
  • Es importante la calidad de leads, por una lado saber qué va a comprar y cuánto va a comprar.

 

Posted in Blog | Tagged , , , , , | Leave a comment