La forma de educar esta cambiando con el Big Data

workshop-2209239_1920

La cantidad de datos generados es tan grande que actualmente es difícil capturar, gestionar y procesar a través de medios convencionales. El Big Data influye cada vez más en nuestras vidas a medida que aparecen mejores formas de procesamiento de datos y mejora la capacidad de almacenamiento.

Los grandes datos están cambiando la forma en que se toman las decisiones en todas partes, y la educación no es una excepción.

Los sistemas de educación producen una gran cantidad de información sobre estudiantes y escuelas. Esto incluye datos tales como la asistencia y logro de los estudiantes, su desempeño y antecedentes socioeconómicos, así como la composición de la población escolar y el tiempo de instrucción. Estos y otros tipos de información son importantes para la administración de los sistemas educativos, pero también pueden ser muy útiles para analizar el funcionamiento del sistema y apoyar su mejora.

Los educadores están utilizando datos importantes para identificar puntos débiles en el sistema educativo, mejorar los métodos de enseñanza y obtener una mejor comprensión de la vida del estudiante.

El análisis de datos tiene un efecto tan generalizado en el sistema educativo, que puede ser difícil de reducir los cambios que provoca. Por lo tanto, para comprender mejor esos cambios, examinemos algunas de las formas en que los grandes datos están interrumpiendo la industria de la educación y cómo seguirá haciéndolo en el futuro.

 

Nuevos métodos de aprendizaje

Durante la última década, ha habido mucho debate sobre la eficacia de las pruebas estandarizadas. Afortunadamente, ese debate parece estar llegando a su fin. Ya que se está llegando a conclusión que la gente aprende de manera diferente y con diferentes ritmos.

Algunas personas son aprendices visuales y otros más manuales.  Además, algunos son simplemente buenas en la toma de pruebas. Hay una diferencia entre pasar una prueba en un tema y realmente tener ese tema dominado. La gran analítica de datos permite a los educadores utilizar una gama más amplia de fuentes al calificar a un estudiante.

 

Participación de la comunidad

megan-soule-250672

 

El año pasado, las escuelas en Michigan se propusieron utilizar la analítica de datos para resolver sus problemas de asistencia. Un estudio encontró que 7000 de los 17000 estudiantes en la zona faltaban el 10% de sus clases, lo que se considera absentismo crónico. Las conclusiones llevaron a un esfuerzo de un año para aumentar la asistencia.

Lamentablemente, esos esfuerzos fracasaron. Por lo tanto, la junta escolar creó el plan B. Simplemente publicaron los datos a la comunidad para que los padres y los ciudadanos interesados pudieran ver por sí mismos lo mal que la situación había llegado. Desde entonces todos los involucrados están colaborando para evitar el absentismo escolar.

Pocos datos, gran personalización

Cuando se habla de grandes datos en la educación, nos estamos refiriendo a una montaña de datos agregados que se obtiene de tantos estudiantes como sea posible.

Y no sólo el poco análisis de datos constituye la base para la educación personalizada, sino que permite a los educadores rastrear el progreso del estudiante en tiempo real y reconocer una deficiencia en el proceso de enseñanza o un cambio en el comportamiento del estudiante antes de convertirse en un problema importante.

 

Oportunidades del Big Data en la educación

El acceso a los datos puede ayudar a los estudiantes a definir sus metas y estrategias de aprendizaje. Puede dar a las familias información para ayudar a tomar decisiones y apoyar los caminos educativos de sus hijos y mejorar, los maestros y las escuelas tendrían la capacidad de adaptar mejor los métodos de enseñanza. También podría ayudar a los investigadores en la identificación de lo que funciona mejor y nuevas formas de datos para mejorar aún más, así como dar a los responsables de la toma de decisiones la evidencia para diseñar políticas que apoyen mejor a sus distritos y escuelas.

 

 

Fuente

 

http://www.cio.com

http://oecdinsights.org

 

 

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

Analiza al instante tu inversión publicitaria con: FAST TV ATTRIBUTION

El hormiguero

Foto: @elhormiguero

Teniendo en cuenta lo importante que es para los anunciantes entender cómo funciona la publicidad y qué anuncios están siendo más efectivosConento ha creado un algoritmo innovador que detecta con precisión el impacto de cada pase publicitario televisivo en las principales métricas “directas” de negocio: llamadas al call center, leads, visitas a la web, etc.

Y para ello hemos desarrollado Fast TV Attribution una solución analítica y tecnológica que permite una toma de decisiones en Real Time, ayudando al anunciante a optimizar la planificación de la campaña en el mismo periodo de emisión, sin tener que esperar una evaluación de la eficacia post que puede tardar varias semanas o meses.

Los beneficios son evidentes, dado que el proceso de optimización continuo aumenta sensiblemente el ROI de la campaña: con la misma inversión obtenemos cada vez un retorno mayor, aumentando así de forma significativa la eficiencia.

Fast TV Attribution (visión táctica) complementa al Marketing Mix Modelling (visión estratégica), cuya finalidad es explicar la variable objetivo (ventas, por ejemplo) en función de más variables que pueden estar afectándola (inversiones publicitarias, precio, distribución, competencia, variables macro-económicas, etc.).

Esta técnica es muy conocida y tiene la ventaja de incluir todo tipo de variables y, por lo tanto, el reflejo más exacto de la realidad, pero no permite extraer aprendizajes tácticos sobre la publicidad realizada en TV (posicionamiento, franja, hora del día,…).

Ventajas del FAST TV ATTRIBUTION

1) Es útil para obtener recomendaciones tácticas sobre la publicidad en televisión.

2) Son análisis que sirven para saber de forma inmediata cómo están funcionando las campañas en TV.

julian-o-hayon-265569

 

¿Qué aprendizajes se pueden extraer?

  • Medimos el ROI generado por cada pase publicitario.
  • Identificamos los pases que funcionan mejor en función de sus características: día de la semana, franja horaria (Prime Time o Day Time), posición en el bloque, canal de emisión, creatividades, duraciones, etc.

Para que puedas tener una visión más técnica de este producto que hemos creado en Conento llamado Fast Tv Attribution pincha en este link.

 

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

Machine Learning ayuda a mejorar la vida de las personas

doctor-563428_1280

Para hablar de Machine Learning tenemos que pensar en presente y ya no en futuro, porque este tipo de tecnología está presente en nuestro día a día más de lo que imaginamos.

De hecho lo experimentamos en nuestras búsquedas en internet, con la posibilidad de hacer traducciones al alcance de un click en casi cualquier idioma o cuando conducimos y queremos la mejor ruta y nuestro navegador nos presenta rutas alternativas, en la búsqueda de empleo, o cuando buscamos piso y la lista podría seguir.

Pero en este post profundizaremos la presencia del Machine Learning en la medicina.

El Machine Learning podría dar bienestar y salud

Una opción idónea sería que ML detecte patrones de comportamiento en enfermedades hoy en día incurables y que tanto dolor y sufrimiento que producen no solo para quien las padece sino en su entorno más cercano. Patrones que servirán para decidir un tratamiento adecuado y efectivo, ahorrando entre otros pruebas innecesarias y tiempos perdidos para todos: pacientes y equipo médico.

Sistemas que puedan elaborar de manera automatizada sus propias hipótesis a partir de los datos ya existentes (sobre, por ejemplo, tumores) y analizar los resultados obtenidos a partir de sus propias líneas de investigación propuestas con tanta rapidez como permita en ese momento la potencia de computación: hipótesis que posteriormente sean validadas y que nos faciliten el acceso a posibles curas y tratamientos hoy inaccesibles por diferentes limitaciones, no solo recursos, sino también por nuestra propia condición biológica que de alguna manera limita nuestra capacidad para comprender estos procesos de aparición y desarrollo de ciertas enfermedades incluso con las herramientas con las que contamos en la actualidad.

Tecnologías como Machine Learning claramente van a contribuir a potenciar nuestras capacidades en muchos de los ámbitos del conocimiento humano y nos abrirán la posibilidad de acceder a un nivel de profundidad acerca de ciertos fenómenos a los que no hemos podido acceder aún, pero que están ahí.

medic-563423_1280

ML también ayuda a los proveedores

A medida que los proveedores de atención médica y los vendedores comienzan a demostrar habilidades de análisis de grandes cantidades de datos, el Machine Learning y la inteligencia artificial se han disparado rápidamente a la parte superior de la lista de palabras clave de la industria.

 

La posibilidad de utilizar algoritmos inteligentes para explotar enormes almacenes de datos estructurados y no estructurados para obtener ideas innovadoras han seducido a la comunidad de proveedores, pero un panorama fragmentado de TI en materia de salud y un lento desarrollo analítico han mantenido esa realidad a raya.

 

Sin embargo, las presiones financieras cambiantes están comenzando a incentivar la predictiva y preventiva gestión de la salud de la población, lo que ha llevado a su vez a un esfuerzo de toda la industria para romper los silos de datos y abrir las puertas a la analítica a gran escala.

 

Y a medida que una nueva cosecha de descubrimientos de ciencia de datos maduran en el campo del Machine Learning, la sanidad ahora tiene la oportunidad de aprovechar una serie de herramientas revolucionarias que usan procesamiento del lenguaje natural, reconocimiento de patrones y Deep Learning para apoyar un mejor cuidado.

 

La industria todavía tiene mucho trabajo que hacer antes de que las aplicaciones del mundo real de aprendizaje mecánico e inteligencia artificial coincidan con el exagerado frenesí, pero algunas organizaciones han comenzado a poner su habilidad para trabajar en varios casos de usos emocionantes.

 

 

Fuente

 

https://datafloq.com

http://healthitanalytics.com

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

Reforcemos las ventas con Big Data

R2

En una encuesta realizada por New Vantage, el 46,6% de los ejecutivos expresan la opinión de que su empresa puede estar en riesgo de grandes trastornos en la próxima década.

Como las tecnologías innovadoras entran en escena, casi todas las empresas están en riesgo de ser superadas por alguna idea disruptiva. Para protegerse contra este riesgo, las empresas deben esforzarse por construir una cultura de datos que les ayude para la toma de decisiones tácticas y estratégicas.

Mejores ventas de Marketing con Big Data

Los vendedores ahora tienen una descripción de trabajo diferente, no sólo están trabajando en llegar con ideas innovadoras, sino más bien recogen datos, derivan tendencias, crujen estadísticas y números además de tener que encontrar el canal adecuado para llegar a su público objetivo. Aunque esto podría sonar como un montón de trabajo por hacer, sin embargo, es un hecho bien conocido que la era digital ha traído una gran cantidad de datos que los vendedores pueden utilizar para crear planes de marketing estratégicos más eficientes a través de ideas más precisas.

¿Por qué los comerciales deberían considerar el uso de Big Data?

ecommerce-2140603_1280Hoy en día, muchas organizaciones están recolectando datos de diferentes fuentes para mejorar y optimizar sus campañas de marketing, incluyendo Amazon, Zoopla, Propertyinder, Rocket Internet y muchos otros. Sacando las conjeturas de la ecuación, tales campañas han demostrado ser más eficaces que la antigua forma de publicidad. Por lo tanto, a continuación te presentamos las principales razones por las que debe considerar al Big Data en tu próximo plan de marketing :

 

La visualización de datos te ayudará a mejorar la eficacia en tus campañas de marketing.

  • Tener feedback en tiempo real con tus clientes reducirá la rotación y adquirirás a aquellos que estén interesados.
  • Todos los datos que necesites estarán a un clic y a un costo cero.
  • El uso histórico de datos te permitirá crear un plan de marketing más exitoso en el futuro.

¿Cómo utilizar el Big Data para dirigirse a los consumidores?

Tenemos que partir de la premisa que los datos en línea son el combustible que impulsa cualquier campaña de marketing exitosa.

La comercialización digital incluye varios canales que se utilizan diariamente por los vendedores para alcanzar a sus audiencias apuntadas, incluyendo la optimización del SEM. Estos canales son específicamente impulsados ​​por las necesidades del consumidor, a diferencia de los canales de visualización tales como FB (Facebook) y GDN (Google Display Network). Por lo tanto, los vendedores deben ser capaces de utilizar diferentes canales de comercialización digital para proporcionar valor para los consumidores. Esto incluye el aprendizaje y el conocimiento sobre el uso de recursos de datos no convencionales como las transacciones de los consumidores, los puestos sociales, la información de búsqueda y otros grandes recursos de datos.

 

Construcción de una cultura de datos

Te compartimos 4 pasos para que puedas lograr este objetivo:
1. LiderazgoLos líderes deben asegurarse de que los equipos saben lo que están haciendo cuando se trata de datos y que los comportamientos impulsados por datos son claros entre todos los empleados.

2. Diversificar los equipos: La diversidad es una ventaja competitiva. Crear nuevos estándares para reuniones de equipo, nuevos métodos de comunicación e iniciativas que alienten a los diferentes miembros del equipo a mezclarse. Esto permitirá a los equipos alejarse del pensamiento tradicional, abriendo sus ojos a cómo los datos pueden ayudarlos a realizar mejor.

3. Conectar y compartir: La conectividad y el intercambio son fundamentales para una fuerte cultura de los datos. Hay que tomar medidas para evitar la creación de nuevos silos de datos dentro de tu organización y garantizar que se den los equipos cuando y donde más lo necesiten.

4. La confianza es clave: Crear una cultura de datos no significa reinventar completamente la cultura de tu empresa. A medida que nos convertimos en la economía de datos, los líderes tendrán que construir estos atributos culturales en sus equipos para tener éxito. Combinar la experiencia y el conocimiento de sus líderes con Big Data cada día será cuando se de un cultura de datos que pueda prosperar.

 

 

Fuente

https://www.datanami.com

 

https://datafloq.com

 

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

¿Podrá ayudar el BIG DATA a encontrar el amor en línea?

adult-1845108_1280

 

Al parecer el amor también entró al juego de algoritmos y Big Data, entre las ofertas para encontrar tu pareja ideal en España están: Adopta un tío, Meetic  y la más conocida Tinder. Sin embargo lo que analizaremos en este post, es qué tan precisos están siendo estos algoritmos para lograr el objetivo final.

El espacio está lleno

Los principales jugadores de citas incluyen eHarmony, Chemistry.com, y Match.com para el romance y todos ellos prometen relaciones duraderas. Sitios de nicho como JDate.com (destinados a los solteros judíos), BlackPeopleMeet.com (destinados a los afroamericanos a conectarse), ChristianMingle.com (dirigidos a los cristianos que buscan solteros con valores similares) y OurTime.com (destinados a personas con más de 50 años de edad) proporcionan propuestas de valor para el consumidor.

Desde el primer momento, Match Group, empresa creada para agrupar el grueso de todas las aplicaciones para ligar. Esta empresa es la orgullosa madre de Tinder, Match, OkCupid o Meetic entre otras, y es que, la estrategia es muy simple: tener una aplicación diferente para todas las edades y mantener al público enganchado.

Con este plan de negocio, la matriz de Tinder logró conquistar los mercados públicos en diciembre de 2015. Su estreno en el Nasdaq se anunciaba por todo lo alto, y el amor comenzaba a cotizar en bolsa.

i-m-priscilla-149915

 

Pensar que las cosas no son predecibles de manera confiable

Varios científicos de datos explican sus aproximaciones calculadas a los algoritmos de citas. Si bien esto puede funcionar como una estrategia de coincidencia, la bidireccionalidad es el problema inherente. Cuando Amazon te sugiere una cámara, por lo general te da un poco igual. Con los seres humanos, es distinto. Alguna persona podría llegar a ser tu media naranja, pero puede haber cualquier número de razones para no ser correspondido.

 

Sobre la utilización de Algoritmos que emparejen los sentimientos en común  han habido muchas críticas:

  • Restringir el pool de prospectos no mejora la tasa de éxito.
  • Los sitios presentan a los miembros con probabilidades no especificadas, que no es diferente de conocer a extraños en un bar.
  • Para los sitios, no hay manera posible de saber cómo la gente realmente interactúa sin conexión.
  • Los algoritmos no pueden explicar problemas psicológicos intensos.

Ante todo lo expuesto anteriormente cabría decir que se están mejorando cada vez los algoritmos y tecnologías para poder asertar con los gustos y preferencias de todas las personas, pero lamentablemente en el corazón no se manda y es allí el reto y la incógnita continua, al final de todo ¿se responderá al anhelo personal de cada uno de encontrar a alguien que verdaderamente te ame?

 

Fuente

https://datafloq.com

https://hipertextual.com

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

Utiliza tus datos en tiempos y recursos adecuados

rawpixel-com-250087

 

Muchas empresas están desperdiciando sus datos y actualmente reconocen la importancia de los mismos, por un lado saben que su fuerza laboral está hambrienta de soluciones.

Los datos ya no son una herramienta para ser utilizados por el personal de TI y técnicos solamente, sin embargo las soluciones de tecnología de autoservicio están en aumento para ayudar a las organizaciones a analizar sus datos sin la necesidad de una fuerte participación de TI, creando accesibilidad para toda la organización.

Según un estudio reciente, sólo el 37 % de las empresas han encontrado el éxito en la adopción de una cultura basada en datos, a pesar de que una mayoría reconoce que esto es un requisito en la era digital de hoy.

Los empleados necesitan sentirse competentes para extraer datos  y compartir los resultados con sus colegas sin necesidad de crear un enorme proyecto de TI.

business-man-1962249_1280

 ¿Cuál es el problema actual?

Las empresas recolectan datos y lo hacen disponible, producen modelos complejos, gráficos y reportes, y hermosas visualizaciones. Pero la mayoría de los trabajadores tienen dificultades para averiguar cómo usarlo. Y si los trabajadores no saben cómo usar los datos para hacer su trabajo, la mayor parte se descartará sin usar. Esto cuesta a las empresas millones en recursos desperdiciados y oportunidades perdidas.

Aquí están tres puntos clave para conquistar la última milla de análisis y asegurar que tus datos no se desperdicien.

Dar respuestas útiles 

El gerente encargado de reducir el churn, tendrá que mejorar la eficiencia, eliminar el fraude, mejorar la experiencia del cliente o mejorar algún resultado de otro negocio, pero además de eso necesita saber qué hacer.

Decisiones basadas en hechos

No es suficiente darles las respuestas, es fundamental asegurarse de que las tienen cuando y donde se toman las decisiones. ¿Cuál es su flujo de trabajo? Si toman decisiones en el teléfono con un cliente, necesitan las respuestas en la pantalla delante de ellos. Si funcionan desde un panel, necesitan las respuestas incorporadas en sus informes.

Integrar en sistemas que gestionan tu negocio

Si le das a tu fuerza laboral respuestas prácticas y lo hacen conveniente para usarlas, habrás resuelto gran parte del problema. Por ejemplo los sistemas que gestionan tu negocio, su sitio web, el enrutamiento de llamadas, etc., también tomarán decisiones que afecten los resultados empresariales que deseas mejorar.

De esta manera podemos decir que los datos son muy valiosos y útiles para las empresas siempre y cuando puedan sacar provecho de los mismos. Desde luego tienen que ser comprensibles para todos los miembros de la organización, esto optimizará el trabajo y productividad.

 

Fuente

https://datafloq.com

http://data-informed.com

 

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

Cómo medir el ROI en el mundo del Marketing

1

Hablar de decisiones en marketing es hablar de publicidad y su medición del retorno.

La planificación orientada al ROI se considera la forma más efectiva de medir la eficacia de las campañas publicitarias. Cada área de la compañía puede aportar diferentes indicadores/variables para poder medir dicho factor.

El ROI, aunque es un indicador ampliamente utilizado en el análisis financiero de los activos de una compañía, también  es una medida que aplicada al Marketing que responde acerca de la efectividad de las campañas.

A la hora de analizar datos tenemos que ser capaces de interpretar los números. Distinguir entre números “correctos” y números “incorrectos”. Utilizar el sentido común.

Cuando veamos un número, sin más, será como no ver nada. Para saber qué son las cosas hay que entender siempre y qué hay detrás (la fórmula matemática).

Proceso de tratamiento de datos

Cap ROI

Con modelos econométricos podemos obtener:

  1. Analizar las causas de las variaciones que han experimentado las ventas de un producto a lo largo de su histórico.
  2. Cuantificar cuál es el impacto y la importancia de los keys drivers que explican las ventas de ese producto.
  3. Evaluar y medir la eficacia publicitaria de las campañas de TV.
  4. Definir los niveles mínimos, óptimos y máximos recomendados por campaña.
  5. Estudiar futuros comportamientos de las ventas del producto analizado.

La planificación orientada al ROI se considera la forma más efectiva de medir la eficacia de las campañas publicitarias.

El Retorno Publicitario como fin de la Analítica en Marketing

Cap ROI 2

 

Cuando nos disponemos a calcular el ROI frente a cualquier variable de retorno, tenemos que pensar, a priori, en todas las variables que pueden estar afectando a dicho factor.

 

Se puede medir el ROI en varios ámbitos

Palancas de Marketing

  • Rendimientos en Publicidad
  • Rendimientos en Precio
  • Rendimientos en Promociones
  • Rendimientos en Distribución…etc

  En el tiempo

  • Rendimientos en el corto plazo
  • Rendimientos en el largo plazo

KPIs de la compañía

  • Rendimientos en los tangibles
  • Rendimientos en los intangibles

Dificultades a la hora de calcular el ROI

  • Realidad multicausal y comportamientos similares entre variables
  • Más canales y Customer Journey más complejos

 

De esta manera con estos punto tratados podemos ver la viabilidad y los factores positivos y de dificultades que tenemos al momento de medir el ROI.

 

Si tienes alguna duda o sugerencia no dudes en escribirnos.

 

 

 

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

Machine Learning y su utilidad en el mundo empresarial

key-2114044_1920

El Machine Learning permite a las empresas construir mejores aplicaciones que interactúen con las cosas que las personas crean: imágenes, voz, texto y otras cosas desordenadas. Esto permite a las empresas crear softwares que procesen dicha información.

Según la predicción de IDC Futurescapes, dos tercios de los CEOs de Global 2000 Enterprises centrarán su estrategia corporativa en la transformación digital. Una parte importante de la estrategia debe incluir soluciones de aprendizaje automático (ML). La implementación de estas soluciones podría cambiar la forma en que estas empresas ven el valor del cliente y el modelo operativo interno de hoy.

 

Si quieres tomar la delantera, entonces no puedes permitirte esperar que eso suceda. Tu negocio digital necesita moverse hacia la automatización ahora mientras la tecnología ML se está desarrollando rápidamente. Los algoritmos deben aprender enormes cantidades de datos estructurados y no estructurados, por ejemplo: Texto, imágenes, vídeo, voz, lenguaje corporal y expresiones faciales. Por eso se abre una nueva dimensión para las máquinas con aplicaciones ilimitadas desde los sistemas sanitarios a los videojuegos y los automóviles autodirigidos.

 

ML conectará inteligentemente personas, negocios y cosas. Permitirá escenarios de interacción completamente nuevos entre clientes y empresas y, finalmente, permitirá una verdadera empresa inteligente. Para realizar las aplicaciones que son posibles debido a ML totalmente, necesitamos construir un ambiente de negocio moderno. Sin embargo, esto sólo se logrará, si las empresas pueden entender la distinción entre Inteligencia Artificial (AI) y Aprendizaje Automático (ML).

 

 

 Aplicaciones para la vida y el negocio

Para poder comprender la gama de aplicaciones que será posible gracias a la tecnología ML, veamos algunos ejemplos disponibles actualmente:

  • Amazon Echo
  • Asistentes digitales: Siri de Apple, próximo Copiloto de SAP

Ambos tipos de dispositivos proporcionan una experiencia interactiva para los usuarios debido a la tecnología de procesamiento de lenguaje natural. Con ML en la imagen, esta experiencia podría ser llevado a nuevas alturas, es decir, chatbots.

 

La tecnología ML no obliga al usuario a aprender cómo se puede operar sino que se adapta al usuario. Se convertirá en mucho más que dar a luz a una nueva interfaz; Conducirá a la formación de la empresa (AI).

 

Las formas ilimitadas en que ML puede aplicarse incluyen la provisión de atención médica completamente personalizada. Podrá anticipar las necesidades del cliente debido a su historia de compra. Puede hacer posible que el HR reclute al candidato adecuado para cada trabajo sin prejuicios y automatice los pagos en el sector financiero.

 

Beneficios de negocios no aprendidos con ML

Los procesos de negocio se automatizarán y evolucionarán con el uso creciente de ML debido a los beneficios asociados con él. Los clientes pueden utilizar la tecnología para elegir los mejores resultados y así, llegar a decisiones más rápidas. A medida que el entorno empresarial cambie, también lo harán las máquinas avanzadas a medida que se actualicen y se adapten constantemente. El ML también ayudará a las empresas a llegar a las innovaciones y seguir creciendo, proporcionando el tipo adecuado de productos / servicios de negocios y basando sus decisiones en un modelo de negocio con el mejor resultado.

 

La tecnología ML es capaz de desarrollar conocimientos que están más allá de las capacidades humanas basadas en los patrones que deriva de Big Data. Como resultado, las empresas podrían actuar en el momento adecuado y aprovechar las oportunidades de ventas, convirtiéndolas en acuerdos cerrados. Con toda la operación optimizada y automatizada, la velocidad a la que un negocio crece se acelerará. Por otra parte, el proceso de negocio conseguirá más a un coste menor. ML llevará a las empresas a los alrededores con un mínimo de error humano y mayor ciberseguridad.

 

 Casos de uso

Los siguientes tres ejemplos muestran cómo ML puede aplicarse a un modelo de empresa que utiliza procesamiento de lenguaje natural:

 

Clasificación de tickets de soporte

support-1944880_640 (1)

 

Considera el caso donde los boletos de diversos canales de los medios (email, Web site sociales etc.) necesitan ser enviados al especialista derecho para el asunto. El inmenso volumen de tickets de soporte hace que la tarea sea larga y consume tiempo. Si ML se aplicara a esta situación, podría ser útil clasificarla en diferentes categorías.

 

Si el número de billetes correctamente categorizados es suficientemente alto, un algoritmo ML puede dirigir el billete directamente al siguiente agente de servicio sin necesidad de un agente de soporte.

 

Reclutamiento

El trabajo de priorizar las solicitudes entrantes para posiciones con cientos de solicitantes también puede ser lento y tomar mucho tiempo. Si se automatiza a través del ML, el departamento de Recursos Humanos puede permitir que la máquina prediga la idoneidad del candidato proporcionándole una descripción del puesto de trabajo y el CV del candidato. Un patrón definido sería visible en los currículos de los candidatos adecuados, tales como la longitud adecuada, la experiencia, la ausencia de errores tipográficos, etc. La automatización del proceso será más probable que proporcione el candidato adecuado para el trabajo.

 

Márketing

ML ayudará a construir el logotipo y el reconocimiento de marca para las empresas de las dos maneras siguientes:

  • Con el uso de una aplicación de inteligencia de marca, la identificación de logotipos en vídeos de patrocinio de eventos o TV puede llevar a cálculos de ROI de marketing.
  • Estar al día sobre las transacciones del cliente y usar ese comportamiento para predecir cómo mantener la lealtad del cliente y encontrar la mejor manera de retenerlos.

 

¿Cómo pueden comenzar las empresas la implementación del ML?

Las empresas pueden entrar en la nueva era de ML y comenzar a implementar la técnica permitiendo que las máquinas usen Big Data derivado de diversas fuentes tales como: Imágenes, documentos, dispositivos IoT etc para aprender. Si bien estas máquinas pueden automatizar tareas largas y repetitivas, también pueden usarse para predecir el resultado de nuevos datos. El primer paso en la implementación de ML para un negocio debe ser educarse sobre su naturaleza y la gama de sus aplicaciones. Un curso gratuito de openSAP puede ayudar a hacer eso posible.

 

Otro paso que puede acercar a un negocio a la implementación del ML es la preparación de datos en paisajes complejos. La era de los silos de información ha terminado y existe la necesidad imperiosa de que las empresas recopilen datos de diversas fuentes, como clientes, socios y proveedores. Los algoritmos deben entonces proporcionar acceso abierto a esos datos para que puedan aprender y evolucionar.

 

Para comenzar con casos de uso completamente nuevos para el Aprendizaje Automático no es fácil y requiere una buena comprensión del tema y tener el nivel adecuado de experiencia en la empresa. Un mejor punto de partida para muchas empresas sería confiar en soluciones ML ya integradas en el software estándar. Por eso se conectará sin problemas con el proceso de negocio existente e inmediatamente empezar a crear valor.

Por último, las empresas deben comenzar a reunir los componentes necesarios para la construcción de productos de IA. Entre los requisitos sería una plataforma en la nube capaz de manejar alto volumen de datos que se deriva de múltiples fuentes. Las personas relevantes son tan importantes para este paso como lo son la tecnología y los procesos. Después de todo, serían los que estarán probando las últimas tecnologías digitales y ML.

 

 

Fuente

 

http://dataconomy.com/2017/04/machine-learning-digital-business/

http://dataconomy.com/2017/05/business-implications-machine-learning/

 

 

 

 

 

 

 

 

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

Hoy es Marketing: todo se centra en las PERSONAS

 

Hoy es Marketing regresó a Madrid en una nueva edición, cargado de ponentes de nivel, vinculados a grandes, medianas y pequeñas empresas. Los expositores se centraron desde diferentes ángulos para tratar el mundo del Marketing entre ellos: los datos (el petroleo del siglo XXI) la Omnicanalidad y en las personas.

Este congreso se dividió en bloques con temas que actualmente la sociedad demanda entre ellos: Crisis y Reinvención del Capitalismo, Customer Experience, Competencias Equipos Comerciales, Rsc, Moda y Lujo, y para finalizar Digital Business. 

Al día de hoy las empresas se enfrentan a un nuevo reto con el consumidor, al cual ya no se lo debe ver así, sino como persona. Es por ello que hay que conocer su manera de pensar, sentir y su principalmente su comportamiento.

Y por destacar algunas ideas claves de ciertos bloques. Podríamos recordar a Ricardo García de Cajamar,  donde señalaba: “Actualmente se está redefiniendo hasta la propia definición de empresa”

Por su parte también destacaba que en los últimos 100 años nos han intentado convencer de que el crecimiento económico es perpetuo, y es un error. Y auguró que “Vendrán nuevas burbujas financieras”.

IMG_20170426_110011284 

Por su parte Beatriz Navarro, directora de comunicación de FNAC, destacó que el mundo digital ha cambiado la manera de trabajar de las compañías.

“La tasa de adquisición de un comprador omnichannel es un 20% más alta que la de uno que no lo es. La omnicanalidad te permite ofrecer todo tu surtido a través de tiendas muy pequeñas”.

Otro enfoque de su charla fue acerca del marketing de inmediatez  el cual radica en vender experiencias únicas al cliente. O la posibilidad de poder conocer  el entorno offline por donde se mueve el consumidor cuándo entra a una tienda por ejemplo.

COnento

 

En el último bloque y no el menos importante, centrado en Digital Business estuvo liderado por directivos y CEO’s de: Volvo, Lendix, Cabify, Conento representado por nuestra CEO Macarena Estévez y la sorpresa de la tarde Francisco Pérez  Cofounder de HawkersCo.

Maca, como de cariño la llamamos en Conento, explicó lo fácil que son las matemáticas y sobre todo lo útil que pueden ser para las empresas, si se las sabe encaminar hacia los objetivos planteados.

Una de las cosas que destacó en su ponencia fue: “En el marketing de hoy la clave está en unir la estrategia con la táctica y la micro-táctica gracias a la inteligencia matemática”.

Además de explicar al detalle la medición objetiva de la publicidad a través de diferentes herramientas como: Modelos de Atribución, tecnología Big Data entre otras cosas.

Francisco Peréz Cofounder de Hawkers por su parte contó la historia de cómo se convirtió una empresa que comenzó vendiendo 27 gafas y luego de tres años logró facturar 300 millones de euros.

Algunos llegaron a tuitear que al puro estilo de Francisco se debería estudiar en las universidades, modo de comunicar, experiencia, humor y a la vez sensatez.

 

 

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

El peso de tus datos se reflejará en el crecimiento de tu negocio

up-2081170_1280

Para cualquier organización con transformación digital, una consideración primordial es cómo encontrar, capturar, administrar y analizar sus datos. Están tendiendo a Big Data y Data Science para facilitar el descubrimiento de análisis que permitirán tomar decisiones informadas. Los CIO tienen la responsabilidad de proporcionar conocimientos especializados en el área de análisis, así como una comprensión de cómo proporcionar análisis de datos a través de la ciencia de datos y enfoques algorítmicos.

 

Sin embargo, puede ser difícil,  saber cómo trabajar con Big Data y Data Science, teniendo programas centrados en la misión, proporcionar inteligencias apropiadas; diseñar e implementar modelos predictivos, enfoques algorítmicos y modelos compartibles; y reducir los costes, mientras que la producción de resultados finales.

 

Entonces, ¿cómo pueden los equipos directivos implementar Big Data en su flujo de trabajo, y cómo pueden traducir lo que tiene pinta de ser jeroglíficos a la alta directiva en lenguaje sencillo? Más importante aún, ¿cómo puede su organización decir qué datos son buenos y cuáles son malos – los datos que no le proporcionan el nivel de información que necesita para tener éxito? ¿Cómo puede implementar análisis en tiempo real en los datos de transmisión?

Prioridad uno: Conoce tus datos

Cada organización parece tener sus propias definiciones de Big Data. Un lenguaje de datos común fomentará el crecimiento de las mejores ideas compartidas entre diversos equipos internos y socios confiables. Tomar este primer paso determinará cómo una organización aprovechará el poder del análisis avanzado y se beneficiará de los grandes datos.

 

Nuevas herramientas para conocer sus datos

learn-2128978_1280

El IoT, comunicación máquina-máquina, redes sociales y sensores están contribuyendo a esta proliferación de datos. Gran parte de ella está desestructurada, menos ordenada y más interrelacionada que los datos tradicionales. Lo que esto significa es que estos nuevos y masivos conjuntos de datos ya no pueden ser fácilmente gestionados o analizados con herramientas, métodos e infraestructuras tradicionales de gestión de datos.

 

El Big Data representa un importante cambio de paradigma en la tecnología empresarial, desde la seguridad a los datos financieros y desde aplicaciones móviles a aplicaciones de software. Está cambiando rápidamente el panorama tradicional de análisis de datos en todas las industrias. Para hacer frente a estos retos, las empresas han comenzado a implementar grandes tecnologías de datos.

 

Apache Spark y Storm están entre las nuevas herramientas que han evolucionado para administrar y analizar Big Data. Una opción viable puede ser una arquitectura adecuada diseñada para complementar bases de datos Spark y Hadoop / NoSQL como Cassandra y Hbase, que pueden usar computación en memoria y análisis interactivo.

 

Comparación con el EDW tradicional

Un almacén típico de datos empresariales (EDW) normalmente funciona con datos extraídos que se han enrollado en una base de datos independiente para análisis específicos. Las bases de datos EDW se basan en modelos de datos estables. Ellos ingieren datos de aplicaciones empresariales como CRM, ERP y sistemas financieros. Varios procesos Extract, Transform, Load (ETL) actualizan y mantienen estas bases de datos de forma incremental, normalmente en horarios, semanales y mensuales. Un estándar EDW se ejecuta de cientos de gigabytes a múltiples terabytes.

 

Ojo pueden haber inconvenientes al trabajar con EDWs, incluyendo:

Tiempos de respuesta reducidos. La necesidad de ejecutar análisis ad-hoc de vez en cuando, además de informes operacionales regulares degrada los tiempos de respuesta del sistema.

Cambio costoso. Los cambios en el sistema y la configuración son costosos debido a diseños rígidos e inflexibles.

Disponibilidad y problemas de latencia. La separación de la base de datos de fuentes de datos operacionales provoca problemas de disponibilidad de datos. Las limitaciones de ventanas por lotes también se agregan a la latencia de los datos.

El diluvio de datos ha llevado al EDW tradicional al punto de ruptura. Los datos vienen en todas las variedades y formatos, y los nuevos procesos de recopilación de datos ya no están centralizados.

Cada plataforma de datos tiene lo suyo

Si tomamos las múltiples capas de grandes entornos de datos como ejemplo. Tendremos diferentes capas que realizan diferentes funciones dentro del entorno general del gran conjunto de datos. Por ejemplo, las opciones de consulta y de interfaz se sitúan por separado en las herramientas de administración de nivel superior, que a su vez se sitúan por separado al almacenamiento de datos real.

 

Cada capa tiene su propio ciclo de vida y necesita ser protegida y guardada independientemente de las otras capas mientras sigue cumpliendo su papel y propósito como parte de una entidad “completa” segura. En el marco de código abierto Hadoop es un buen ejemplo de esta multiplicidad, y se pueden aprender lecciones de los grandes incidentes de datos que han afectado a Hadoop para informar a la gran protección de datos en el futuro. Con Hadoop, todos los datos podrían ser cifrados en la plataforma, pero si algunos de los elementos clave de gestión están separados del sistema y no están adecuadamente protegidos, esta capa seguirá siendo propensa a amenazas, haciendo que todo el sistema sea vulnerable.

 

Los datos son una mina de oro cuyas riquezas están esperando ser extraídas. Pero no sólo cualquier herramienta hará, y los aspirantes “mineros” deben tener un plan detallado. Los grandes datos pueden hacer que las organizaciones se metan en problemas si las organizaciones no procesan e interpretan los datos útiles o necesarios. Las ideas basadas en los datos están diseñadas para cumplir con objetivos estratégicos de negocio y las recomendaciones enumeradas anteriormente le ayudarán a extraer de forma segura y sana los datos por su verdadero valor.

 

Fuente

https://www.datanami.com

 

http://dataconomy.com

 

 

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