Extraer información de vastos almacenes de datos

Las empresas han invertido millones de dólares en macrodatos y análisis, pero informes recientes sugieren que la mayoría aún no ha visto el payoff de estas inversiones. En una era en la que los datos son el nuevo petróleo, ¿cómo extraen las empresas inteligentes información de estos enormes depósitos de datos para tomar decisiones rentables?

En una provocadora e influyente artículo, Chris Anderson, editor de la revista Wired, sostuvo: «… ante la enorme cantidad de datos, este enfoque de la ciencia —hipotetizar, modelar, probar— está quedando obsoleto… Ahora hay una manera mejor. Los petabytes nos permiten decir: »La correlación es suficiente». Podemos dejar de buscar modelos. Podemos analizar los datos sin hipótesis sobre lo que podrían mostrar».

Descubrir patrones ocultos en los datos se convirtió así en el nuevo Santo Grial. Pero aunque los científicos de datos sean capaces de encontrar el Grial, estos descubrimientos suelen ir divorciados de los problemas empresariales.

Empresas que tener ha logrado aprovechar el poder de los datos, empezar con un problema empresarial específico y, después, buscar datos que le ayuden a tomar decisiones. Al contrario de lo que predicaba Anderson, el proceso comienza con un problema empresarial y una hipótesis específica, no con datos. Considere estos tres casos:

Amazon Prime Now

En 2005, Amazon lanzó su servicio Prime, que ofrece a los miembros el envío gratuito en dos días. Tiendas físicas a las que les resultaba difícil competir en precio o variedad destacaron que los clientes podían recoger los productos inmediatamente en sus tiendas en lugar de esperar días. Para mantener la competitividad, Amazon lanzó la entrega gratuita el mismo día para sus miembros Prime en 2015. Pronto anunció un nuevo servicio, Prime Now, lo que permite a sus miembros pedir entre más de 25 000 productos que podrían entregarse en sus puertas en dos horas. ¿Cómo puede Amazon entregar miles de productos a millones de hogares en cuestión de horas cuando otros negocios en línea tardan de tres a cinco días hábiles? Si bien un almacenamiento y una logística eficientes son parte de la respuesta, Amazon utiliza el comportamiento de compra anterior de los clientes para predecir lo que es probable que pidan en el futuro. Esta información ayuda a Amazon a localizar sus almacenes de forma óptima y a abastecerlos con los productos adecuados. Amazon sabe los productos que es probable que pida incluso antes de que lo haga. Una mejor capacidad predictiva a partir de datos de clientes enriquecidos tiene otra ventaja importante: Amazon no mantiene la mayoría de sus productos en inventario durante mucho tiempo, lo que reduce significativamente sus necesidades de capital de trabajo. De hecho, es ciclo de conversión de efectivo son 14 días, mucho menos que los casi 30 días de la mayoría de las tiendas.

Las ciudades del mundo de Heineken

En 2014, Heineken se enfrentó a un desafío en todo el mundo: sus consumidores, especialmente los jóvenes «de la multitud», empezaban a preferir las cervezas artesanales locales, que se consideraban más auténticas. ¿Cómo puede una marca global seguir siendo relevante para estos consumidores? Los ejecutivos de Heineken reconocieron que beber cerveza forma parte de la vida social de los consumidores. Entonces, ¿qué otras cosas o acontecimientos impulsaron y enriquecieron su comportamiento social? La empresa vio que la gente utilizaba las señales sociales para determinar lo que hacía calor en una ciudad (bares, restaurantes, eventos) y reducir el FOMO (miedo a perderse algo). Con esta información, Heineken lanzó una campaña llamada «Ciudades del mundo», con el apoyo de un servicio de Twitter llamado @wherenext para impulsar la participación social. Para utilizar este servicio, los consumidores simplemente tienen que tuitear a @wherenext y etiquetar geográficamente su ubicación para recibir recomendaciones de restaurantes, eventos o clubes de su zona, lo que convierte los teléfonos móviles en un mapa personalizado de los puntos críticos de la ciudad. Heineken impulsó el algoritmo @wherenext con información privilegiada, lo que movilizó a las personas influyentes para que publicaran sobre sus aventuras. Pronto, más de 100 mercados tradujeron esta estrategia global en mercados locales, creando otras formas únicas de ayudar a los consumidores a encontrar experiencias aventureras y mundanas. En Londres Taxis de la marca Heineken literalmente expulsó a la gente de su zona de confort, entregando gratis a los clientes que bebían una pinta de Heineken a otros bares de la ciudad; en México puertas Heineken verdes recorrer la ciudad se abrió a experiencias sorprendentes: un inesperado paseo en bicicleta, un viaje a Londres o una fabulosa cena fuera. Además de crear una fuerte afinidad por la marca, la activación general llevó a un crecimiento del volumen del 5% en los 20 principales mercados

Los anuncios nativos de BuzzFeed

La publicidad nativa, o el contenido patrocinado que a menudo difumina la línea entre la publicidad y la editorial, está de moda entre los anunciantes. Jonah Peretti fundó BuzzFeed, uno de los líderes en este campo, en 2006 con la premisa de que era posible producir contenido fiable que se hiciera viral. BuzzFeed ahora genera 7 000 millones de visitas con 200 millones de visitantes únicos cada mes. Los anunciantes acuden en masa a Buzzfeed por su capacidad de crear contenido patrocinado que alcanza entre el 30 y el 80% ascensor social, una medida de viralidad. ¿Cómo logra BuzzFeed este nivel de viralidad de forma constante? Jon Steinberg, expresidente de BuzzFeed, explicado, «Hay mucha creatividad [en la producción de contenido], pero una vez que se publican las entradas, el sistema se hace cargo. Tomamos el control durante el despegue, pero mientras está en el aire está en piloto automático, dirigido por un algoritmo». La empresa utiliza eficazmente la información de los datos que permite a los algoritmos alimentar a los ganadores y matar de hambre a los perdedores.

Estos ejemplos tienen una cosa en común: la información de los datos surge de centrarse con láser en un problema empresarial, más que de tomar fotos en la oscuridad con la esperanza de descubrir una verdad oculta. Claro, hay escenarios en los que los patrones de datos que se descubren por casualidad arrojan información, pero la mayoría de los beneficios de los datos provienen de la búsqueda de problemas bien definidos.