Bi resumen

Bi resumen

• 1.
  1.38 Analítica Avanzada& Big Data y las ventas nocturnas DCC. Dafne Rosso Pelayo La analítica avanzada en su empresa, es la clave para el crecimiento de su negocio. Este articulo esta dirigido a todos aquellos gerentes, directores, empresarios y estrategas comerciales de los grandes almacenes departamentales que existen en México y en muchos países alrededor del mundo. En México tenemos dos grandes conceptos de mercadotecnia para lograr un mayor volumen de venta, estimular la economía del país y a su vez beneficiar el bolsillo de los clientes, estas son: Las ventas nocturnasy desde hace unos años “El Buen Fin” Una buena estrategia para alcanzar las metas de venta propuestas, en estos grandes almacenes (y en cualquier empresa) es trabajar con las partes interesadas de la empresa para generar comprensión, estrategia y sugerir acciones basadas en la información recabada en años anteriores, acciones que se apliquen en los datos con los que la empresa cuenta. Por lo menos en México los almacenes en los que soy cliente desde hace más de 20 años, deberían tener mi historial de compras, créditos, montos de compra promedios, tipos de artículos, fechas frecuentes de compra, etc., estos almacenes deberían ser capaces de saber para mi perfil (y el de millones de clientes) que algunos aparatos electrodomésticos los renuevo cada cierto número de años, la información que deben de tener almacenada debería servirles para determinar los patrones de consumo de millones de consumidores que como yo, somos fieles clientes de estos almacenes de departamentos y no solo eso, deberían ser capaces de predecir que artículos y en que departamentos se realizarán nuestras siguientes compras. ¿Cuántos miles de millones de pesos están dejando de ganar? La información es sumamente valiosa, con ella los modelos analíticos o de Machine Learning que se pueden implementar enfocados a estas promociones, generarían un ROI de más del 100% adicional del que alcanzan hoy en día no sólo con estas promociones sino en sus días comunes. Si no lo cree y piensa que esto no es posible, lo exhorto a que realice una búsqueda en la red sobre el retorno de inversión que generan los proyectos de analítica y que ha sido comprobada por fuentes especializadas como IDC* y varias otras.
• 2.
  Acaso no conocenAmazon, Netfilix y varias otras empresas que hoy en día cuentan con la tecnología para realizar sugerencias a sus clientes. ¿ Qué es lo que se puede implementar? Lo más valioso es la información y ustedes ya la tienen, algunos (entre muchos otros) de los posibles análisis a efectuar sobre esta son:  Segmentación de clientes: Enfocado a determinar los grupos de clientes que tienen enfocado en patrones de comportamiento en el consumo. Y esto no sólo es un análisis del poder adquisitivo, es un análisis de PREFERENCIAS de consumo, independientemente del sector económico. Por ejemplo un televisor o una lavadora se adquieren independientemente del sector económico. Señores empresarios ¿ya saben que televisiones o lavadoras se compran más y por qué? ¿Cuáles son las características más buscadas independientemente de la marca? ¿Ya saben que marcas prefiere un cliente? ¿Ya saben que marcas prefieren los clientes que compran televisores inteligentes?  Perfilado de Clientes: Enfocado a detectar los gustos, preferencias, fechas, asociaciones de características, de cada uno de los clientes a fin de mandar publicidad y promociones personalizadas. Se imaginan el volumen que podría aumentar su venta si un cliente en lugar de perder horas comparando marcas buscando los productos que usualmente quiere comprar si ustedes antes de la venta nocturna o antes del buen fin le mandan una publicidad con las marcas, productos, etc…, que esta persona compra usualmente y además le puede decir que otras marcas o productos compran aquellas personas que eligen los mismos productos.  Análisis de enlace: Enfocado a poder determinar de acuerdo al perfil de compras del cliente y de sus conocidos, que otro tipo de consumo le puede satisfacer a un cliente en específico. Ej. Suponga que a usted le gusta comprar vinos, este tipo de análisis le puede recomendar que vinos y además que tipo de licores comprar de acuerdo a la gente que usted conoce que también le gusta comprar vinos y que además copra licores. Es decir sus amigos que compran el producto A y B también gustan de comprar el producto C. * “The medianROIfor the projectsthatincorporatedpredictive analyticswas250%, comparedwitha medianROIof 89% for those projectsthatdidnot.” Source:IDC, “The BusinessValue of PredictiveAnalytics”, Dan Vesset Henry D. Morris 2011 http://www.nexdimension.net/resources/products/ibm/spss/ibm-spss-predictive- analytics-business-value-whitepaper.pdf
• 3.
  El número ytipos de análisis que pueden implementar para este tipo de almacenes es muy grande, imaginen lo que podrían alcanzar en ventas, si en el momento en que detectan la primera compra del cliente, a través de alguna aplicación móvil, el cliente puede consultar en tiempo real por medio de su celular que otras posibles alternativas tiene en ese momento de acuerdo a sus preferencias, o bien, que solo le faltan $Y para alcanzar un monto de $X en donde se hace beneficiario a otra promoción. Incluso ustedes podrían saber por medio de los GPS en que departamento se encuentra en ese momento el cliente y enfocar más asertivamente las recomendaciones sugeridas. Fig. 1. Algunos tipos de Análisis Avanzados para la BD de clientes Machine Learning contiene las técnicas necesarias para el análisis de información, Big Data le permitirá manejar esos grandes volúmenes de información y poder analizarla en tiempo real. Que esperan ¿sabe cuantos clientes nuevos podría generar un almacén con este tipo de servicios? ¿Cuánto está dejando usted de ganar cada día? Salgan ya a la búsqueda de científicos de datos y de personal capacitado en Machine Learnig e implementen la analítica avanzada en sus empresas. Pero no se dejen engañar por los proveedores de software, no existe un producto de caja que haga todos los análisis que usted necesita, y las herramientas de inteligencia de Negocio (BI) no alcanzan para lograr estas metas. Los tableros indicadores y reportes basados en motores OLAP ayudan muy bien a ver el pasado pero no le ayudan a elaborar los análisis predictivos y de comportamiento que son necesarios para crecer; o acaso usted suele manejar viendo sólo el espejo retrovisor? Y sobre todo recuerde que ninguna herramienta sirve si no existe quien sepa usarla.
• 4.
  Los empresarios, directores,gerentes y ejecutivos muy comúnmente se quedan esperando por el proveedor que llegue a ofrecer la solución de caja a todos sus problemas. Eso no existe. En el siguiente artículo platicaremos sobre como crear un equipo de analítica avanzada en las empresas. 1.37 Analítica en las PYMES, el factor del éxito. DCC. Dafne Rosso Pelayo La inteligencia de negocio en la empresa, sólo puede lograrse mediante la adopción de medidas para alcanzarla. Uno de los principales retos para lograr introducir las técnicas de Machine Learning y con ello la analítica avanzada en las empresas del país es el aspecto cultural, independientemente del giro y del tamaño de la empresa un factor de éxito para introducir la analítica al negocio, es la colaboración del empresario, director, CIO, líder de negocio, etc…, sin embargo, muchos de nuestros empresarios y líderes cuando escuchan hablar de analítica siguen pensando en un tablero y un conjunto de indicadores. La analítica de negocio es mucho, pero mucho más que un conjunto de tableros, les comparto a este respecto una liga que un buen amigo me proporcionó “Steps to an analytics-driven organization”. La analítica como decimos no es sólo un conjunto de tableros e indicadores, la analítica debe de ser la estrategia que soporte la toma de decisiones y que permita la generación de nuevos mercados y valor económico al negocio. ¿En dónde se puede aplicar la Analítica Avanzada? La analítica permite por ejemplo:  Mejorar en grandes porcentajes las predicciones, pronósticos, planeaciones presupuestales, de demanda, consumos, etc. ,ya sean mensuales, anuales o incluso diarias.  Mejorar la distribución y logística de los canales de distribución  Segmentar a sus clientes basados en el comportamiento para introducir nuevas estrategias personalizadas al cliente  Detección de fraudes  Previsión del abandono de clientes  Recomendación de productos en base al consumo de otro tipo de productos  Analizar la respuesta de la gente a una campaña comercial o hasta política  Determinar el número de alumnos que se inscribirán o desertaran a la escuela
• 5.
   Apoyo enla determinación de enfermedades  Reconocimiento de imágenes  Clasificación de documentos El número de ejemplos y el campo de aplicación son enormes. La analítica cabe en todos lados, si no esta convencido piense en Amazon, en Netflix, en Google, en los anuncios de recomendaciones que observa cuando busca algún producto en particular en Internet, Spotify y muchas otras empresas. Es que acaso no le gustaría poder actuar previniendo el futuro y poder tener los artículos que más se venden en tiempo de lluvia y que su tienda aún no tiene por qué las lluvias se esperaban hasta dentro de dos meses más? De un conjunto de empresas un bajo porcentaje esta recurriendo ya a la analítica avanzada, ¿cree usted que pueda competir contra dichas empresas? ¿Qué cree que le pueda ocurrir al conjunto de empresas que no tengan los niveles de servicio o de reacción ante el mercado y competencia? Qué le ha ocurrido a las empresas de renta de video contra los servicios en línea, o a las librerías contra Amazon, … ejemplos hay muchos. La analítica toma ventaja sobre la estadística en varios tópicos y permite lidiar con la incertidumbre, con muchas variables involucradas, tanto con datos estructurados como con datos de texto como mensajes, documentos, Twitter, etc. ¿Qué herramientas de Analítica Avanzada utilizamos? En el mercado hay varias herramientas libres como mencione en el artículo anterior que pueden ayudar a su empresa a implementar la analítica en el negocio, unas de estas son: R, Weka, Rapidminer las tres gratuitas y las más robustas entre muchas otras. Si usted cuenta con un equipo de programadores existe Phyton, Java (usando apis). La siguiente figura contiene un conjunto de herramientas estadísticas y analíticas para minería de datos y/o Machine Learning, algunas son libres (no tienen costo) otras se obtienen con licenciamiento en diversas modalidades.
• 6.
  Fig 1. Algunasde las herramientas más usadas en Analítica Por otro lado también existen herramientas de visualización de las cuales hablamos en el art. 29. Incluso ahora IBM ha puesto a disposición de la comunidad el uso de Watson en internet. No hay pretexto. Si quiere que su negocio crezca y se mantenga frente a la competencia no queda más remedio que aceptar que la tendencia del mercado dice la verdad. La analítica avanzada es el camino del éxito. 1.36 Machine Learning en las PYMES. DCC. Dafne Rosso Pelayo La inteligencia de negocio en la empresa, sólo puede lograrse mediante la adopción de medidas para alcanzarla. Machine Learning bien conocido como Aprendizaje Automatizado en los últimos años ha incrementado notablemente su presencia en el mundo empresarial y en los negocios, y se ha convertido en una técnica inmersa ya en los procesos de negocio de las empresas. Es un hecho también que en muchas empresas de países como por ejemplo - por citar sólo algunos de ellos -, nuestro vecino Estados Unidos y otros no tan cercanos como Japón, y por supuesto países del continente Europeo; Machine Learning es hoy en día uno de los componentes principales en el soporte de la operación y dirección de la empresa.
• 7.
  El auge queal día de hoy tiene el área de Machine Leoni ha impactado en la demanda de personas que conozcan del tema y puedan generar el tan apreciado valor que necesitan las empresas para subsistir y/o obtener un mayor posicionamiento en el mercado. Estas personas a quienes se les da el nombre de científicos de datos “Data Scientist”, son de profesión Matemáticos, Estadísticos y cuentan con especializaciones Maestrías y/o Doctorados de preferencia, en áreas de Ciencias Computacionales e Inteligencia Artificial en los cuáles se imparten a profundidad los conocimientos en las técnicas y algoritmos de: Machine Learning, estadística, optimización, y simulación. El grado de especialización de los científicos de datos es avanzado, lo que hace que este tipo de perfil no sea común, Forbes en 2014 en su articulo “The Hottest Jobs In IT: Training Tomorrow's Data Scientists”http://www.forbes.com/sites/emc/2014/06/26/the-hottest-jobs-in-it-training- tomorrows-data-scientists/, describe este problema ante las crecientes necesidades de las empresas en estas tecnologías. En pocos años la palabra “analítica” se ha puesto de moda, de hablar de minería de datos ahora se habla de analítica predictiva y prescriptiva, de hablar de minería de texto ahora se habla de analíticos de texto, se hablaba de Big Data y ahora se habla de analíticos y Big Data, se hablaba de Inteligencia de Negocio y ahora es Inteligencia de Negocios y Analíticos de Negocio; así mismo las opciones para capacitarse en estos temas se han incrementado, de sólo existir especializaciones en Inteligencia Artificial la rama se abre ahora en opciones especificas para Machine Learning, Maestrías, Diplomados, Cursos, hasta cursos gratis por internet existen ahora. Claro que el grado de conocimiento entre un científico de datos que cuenta con doctorado y especializaciones y una persona no cercana al campo estadístico y que toma un curso por internet difiere enormemente. Los proveedores de tecnología no están al margen de estas situaciones y están generando herramientas de usuario final que permitan introducir este tipo de tecnología en las empresas sin que los usuarios cuenten con un alto grado de especialización en la materia. Esto por supuesto impacta positivamente al ROI de las empresas. Pero, hablando de este tema, ¿en donde están las Pymes?, ¿cual es el grado de adopción de este tipo de tecnología en las Pymes?, ¿en las empresas Mexicanas?, ¿en dónde estamos parados ? Afortunadamente para el país esta ola analítica lo esta alcanzando, ya son varias las empresas (lo pueden constatar en Link o en conferencias) que han adoptado y están incursionando en esta tecnología, productos lideres en el mercado como SPSS de IBM y SAS han logrado abrirse camino en terreno mexicano, (picando piedra diría yo), poco a poco la aplastante importancia y necesidad de esta tecnología se esta reconociendo. Por supuesto que estamos hablando de grandes empresas globales, bancos, una que otra empresa de gobierno, pero ¿y las Pymes? Afortunadamente para las empresas pequeñas y medianas, aparte de éste Blog, existen al día de hoy muchos otros recursos gratuitos, más de los que existían en 2011 cuando creamos este Blog. Estos recursos también difieren en el tipo de aplicación y utilización que se le quiera dar a esta tecnología.
• 8.
  En el siguienteartículo hablaremos de estos recursos tan necesarios y disponibles para las PYMES.