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.

Comparación tiempos entre hombres y mujeres

Comparación tiempos Hombres - Mujeres

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

Mejoremos la experiencia del cliente con automatización

adult-1846748_640A medida que pasa el tiempo la gente cambia al igual que sus gustos y exigencias. En este caso nos centraremos en cómo mejorar la experiencia del cliente con los productos o servicios que ofrecemos. Para ello se podría utilizar la automatización.

Ante las  interacciones que pueden haber con clientes exigentes, la automatización puede transformar experiencias desagradables y gestionar con mayor rapidez algún inconveniente. Por otra parte mejora en gran medida la forma en que se interactúa con una marca, además de que la empresa pierde menos recursos logrando ejecutar tareas sencillas.

Complementando este proceso que estamos hablando respecto a la automatización también podríamos pensar en Machine Learning ya que con este tipo de tecnología se puede descubrir lo que los clientes realmente necesitan ya sea para comprobar automáticamente el saldo de su cuenta o transferir dinero, por ejemplo.

Con esa información, los representantes de servicio al cliente pueden alcanzar y conseguir la solución más adecuada para ayudar en el largo plazo. Por otro lado la automatización proporciona a las marcas más tiempo y recursos para dar una mejor calidad de servicio al cliente, lograr tener experiencias duraderas en vez de vaciar su tiempo en las interacciones simples que pueden ser fácilmente atendidos por las máquinas.

Las empresas tienden a la automatización

shopping-2353875_1280

La automatización es clave para el futuro de la experiencia del cliente y permite a las empresas centrarse en aquellos que tienen grandes interacciones con la marca. En lugar de esperar en suspenso por horas, pueden obtener las respuestas que necesitan rápidamente, automatizando procesos.

rock-1771916_1280

Casos de éxito en nuestros días con Machine Learning 

Para muestra un botón y podríamos destacar los casos de: Google Home y Amazon Echo los cuales recibieron una respuesta positiva de la audiencia. Las tecnologías innovadoras integradas con los procesos de Machine Learning resultan útiles en diversas circunstancias; Por ejemplo, ayudar a las personas con problemas de visión a navegar o hasta consultando cómo preparar una tarta de manzana.

Dicho esto la automatización y el Machine Learning  pueden llegar a tener un campo prometedor con mucho potencial de crecimiento. Hemos visto algunos acontecimientos recientes en el sector que, hace poco tiempo, la gente creía que no era posible.

 

 

 

Fuente

https://www.forbes.com

https://datafloq.com

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

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