Si deseas el éxito en los negocios digitales, El Instituto Superior Del Internet (ISDI) te da cinco consejos para implementar una cultura empresarial enfocada en los datos o Data Driven.
1.- Estrategia
Lo primero será analizar la estrategia del negocio en general y definir
si contar con acciones data driven pueden ayudar a mejorarla y reforzarla. Entender su importancia y la potencialidad del análisis de datos nos permitirá definir mejor un plan de trabajo que muestre a qué áreas de nuestra organización debemos enfocarlo. Una vez que sepamos que la lectura de datos propiciarán un pensamiento creativo y una proyección hacia el futuro basada en la calidad y solidez de mejores decisiones e ideas podremos comenzar a ejecutar nuestra estrategia.
2.- Colaboradores capacitados
- Data Architect: se enncargará del diseño y la gestión para obtener grandes volúmenes de datos. Debe contar con conocimientos técnicos (ciencia computacional, matemáticas, estadística), de análisis (modelado de datos, machine learning, big data y data visualization), administración de sistemas operativos y arquitectura de datos (Lambda y Kappa), entre otros.
- Methodologist/Statistical: analiza los datos pertinentes a través de un diseño de investigación. Aporta valor a la organización a partir de ellos, y debe contar con conocimientos de programación, visualización y análisis de datos, metodologías y diseños de investigación, así como desarrollo de modelos predictivos.
- Chief Marketing Officer (CMO): diseña, implementa y gestiona la estrategia de marketing digital en la empresa a través de los distintos canales para cumplir con los objetivos de negocio. Al estar en contacto con el cliente, tiene acceso a múltiples fuentes de información que ayudan a la organización a ser data driven. Un CMO deberá tener un pensamiento estratégico, innovador, creativo y flexible, y adaptarse a los constantes cambios. Sus principales conocimientos: marketing digital, SEO/SEM, social media, publicidad, nuevas tecnologías, y técnicas de investigación y data.
- Data Scientist: una vez realizados el análisis y halladas las conclusiones, este profesional lleva a cabo algoritmos de aprendizaje automático, los cuales serán capaces de automatizar los modelos predictivos y clasificar nueva información de manera autónoma. Suelen tener conocimientos de informática, matemáticas e ingeniería; programación y generación de algoritmos; negocio, big data, estadística, análisis y minería de datos; técnicas de machine learning y data visualization.
3.- Extracción de datos (desarrollo de bases)
Una vez que contamos con el dream team ahora será necesario ejecutar nuestra estrategia. Lo primero, la obtención de datos. Será necesario que el equipo de marketing y tecnología trabajen en conjunto para saber con qué datos se va a trabajar, y cuáles serán obtenidos de plataformas propias y cuáles de externas.
4.- Integración de datos (Analytics)
A partir de la extracción partiremos para confirmar fiabilidad de esos datos, captarlos y descargarlos en un Data Lake. Si ya estamos obteniendo los datos de nuestros activos digitales, es el momento de centralizarlos en una plataforma propia. A partir de ese momento, podremos trabajar con estructuras más complejas y heterogéneas; logs, mails, conversaciones, ubicaciones, etc. que nos ayudarán a gestionar, interpretar y crear modelos predictivos.
5.- Visualización de datos (Business Intelligence)
Si hemos tomado en cuentas los 4 pasos anteriores, seremos capaces de centralizar y garantizar la calidad de los datos, lo que nos permitirá el desarrollo de analítica avanzada, localización de patrones, aplicación de modelos predictivos, identificación de correlaciones y tendencias. Por ejemplo, la aplicación de estrategias como la analítica de conducta permitirá contar con predicciones más precisas sobre el probable comportamiento de los consumidores en el ecosistema digital.
