MEJORA TU

ESTRATEGIA
DE DATOS DE
CLIENTES PARA
MEJORAR LOS
RESULTADOS DE TU
EMPRESA
ÍNDICE

Introducción 3

Tu Bad Data puede estar perjudicando tus 5

resultados

Desafíos a los que te enfrentas para mejo- 9

rar tu estrategia de datos

Evitando los errores de una estrategia de 14

datos de clientes

Conclusión 19
MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
INTRODUCCIÓN

INTRODUCCIÓN

¿Sabes que cada minuto se envían aproximadamente 150 millones de

correos electrónicos y que dos tercios de ese tráfico de correo electró-
nico es spam?

Enviar a nuestros clientes información que no quieren o no pueden utilizar

no es la mejor forma de construir una buena relación. Los clientes no van a
perder su tiempo con empresas que no les conocen o cuyos productos ya
poseen, o con quienes no entienden sus preferencias.
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
INTRODUCCIÓN

Los vendedores necesitan datos para comprender
bien a sus clientes, pero muchas veces no pueden
acceder a los datos correctos justo cuando los ne-
cesitan para impulsar una campaña o para interac-
tuar con ellos a través de alguno de los múltiples
puntos de contacto. Es por eso que muchos clientes
reciben diariamente mensajes con alguna de estas
incidencias:
Una oferta para un artículo que fue comprado a
esa misma compañía el día o la semana anterior.
Para evitar estos errores hay que reforzar lo que
hacemos habitualmente. Es necesario ofrecer a
nuestros clientes una gran experiencia de cliente
para destacar entre la competencia. Y las gran-
des experiencias de clientes empiezan con gran-
des datos. Pero los grandes datos no ocurren por
accidente.
Ahora, más que nunca, es necesario mejorar la es-
trategia de datos de clientes si queremos mejorar
los resultados de nuestra empresa.

Una oferta que no tiene relevancia para ellos, sus

necesidades o sus intereses.

Ofertas duplicadas con nombres ligeramente mal

escritos.

Mensajes promocionales relacionados con artí-

culos supuestamente comprados, que en reali-
dad no compraron o premios que no han ganado.

4
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
TU BAD DATA PUEDE ESTAR PERJUDICANDO TUS RESULTADOS

1
TU BAD DATA PUEDE
ESTAR PERJUDICANDO TUS
RESULTADOS

En un mundo de big data, el bad data se está vol- Pero, ¿cuánto nos cuesta realmente? ¿Y qué pode-
viendo más y más común. mos hacer para detener la mala higiene de los datos
antes de que se extienda? Miremos más de cerca.
Parte del problema tiene que ver con la tecnología
que utilizamos para ayudar a administrar y orga-
nizar esos datos. Queremos ofrecer cada vez más
servicios bajo demanda con mensajes personaliza- Hemos adoptado el cloud
dos y basados en datos. Hemos adoptado el cloud
computing, la movilidad, la colaboración social y
computing, la movilidad, la
el análisis mejorado. Cada pizca de cada fragmen- colaboración social y el análisis
to de datos del cliente es valiosa. Pero al hacerlo,
también hemos dejado de tener un control de cali-
mejorado. Cada pizca de cada
dad sobre nuestros datos. fragmento de datos del cliente es
Y cuando los diferentes departamentos reclaman
valiosa. Pero al hacerlo, también
información a pesar de estas imprecisiones, esto hemos dejado de tener un control
conduce a un efecto en cascada de toma de deci-
siones pobres basadas en esos errores.
de calidad sobre nuestros datos.

5
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
TU BAD DATA PUEDE ESTAR PERJUDICANDO TUS RESULTADOS
El bad data es un problema de la
empresa no sólo de TI
Hace solo unos pocos años, en 2013, Gartner ya vió
que el problema del Bad Data era evidente. Examinó
una amplia gama de empresas y descubrió que la
calidad de datos les costaba más de 14 millones de
dólares al año. Si eso era en 2013, imagina cuánto
puede haber aumentado en la actualidad. Se trata
de un incremento exponencial con respecto a aquel.
Muchas empresas, en un intento de darle sentido a
todo esto, colocan la tarea de organizar y adminis-
trar toda esta información directamente sobre los
hombros de TI. Pero el bad data afecta a más que
los servidores y las bases de datos: afecta a todos.
Se trata de un problema de empresa.
Algunas pequeñas inexactitudes en los nombres
de los clientes o los detalles sería una cosa. Pero
a menudo, dependiendo de la cultura de la empre-
sa en relación con el mantenimiento de los datos,
puede afectar también a otras áreas de negocio: la
productividad, la seguridad y la toma de decisiones
rentables.
En resumen, este no es un problema al que podemos
seguir echando dinero esperando que desaparezca
o se resuelva por sí mismo.
El bad data afecta a más que los
servidores y las bases de datos:
afecta a todos. Se trata de un
problema de empresa.
¿Qué es exactamente la calidad de
los datos?
Antes de empezar a obtener un control sobre los datos,
es importante entender qué es esto. Según otro estu-
dio de Gartner, la calidad de los datos se debe exami-
nar desde varios puntos de vista diferentes, entre ellos:
Existencia: ¿tiene la organización los datos con
los que trabajar?
Validez: ¿son valores aceptables?
Coherencia: cuando el mismo dato se almacena
en diferentes ubicaciones, ¿tiene en todos los si-
tios el mismo valor?
Integridad: ¿cuán exacta es la relación entre los
elementos de datos y los conjuntos de datos
Precisión: ¿describen los datos con precisión las
propiedades del objeto que se pretende mode-
lar?
Pertinencia: ¿son o no apropiados los datos para
dar soporte al objetivo?
Se trata de una gran cantidad de información para
tratar de limpiar “a mano”.
6
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
TU BAD DATA PUEDE ESTAR PERJUDICANDO TUS RESULTADOS

Muchas opciones de limpieza de Qué hay que buscar en un

datos diferentes
Para ayudar a resolver este problema existen mu-
chas soluciones de limpieza de datos que ayudan
a estandarizar los registros.
proveedor de soluciones de
calidad de datos
Al haber tantas opciones disponibles, es posible
sentirse abrumado tratando de reducir las posibili-
dades sin estar realmente seguro de lo que nece-
sitas. Pero no importa lo que finalmente decidas. La
solución propuesta debe ser capaz de:

Proporcionar un impacto inmediato y una mejo-

ra notable basada en el estado actual de higiene
de datos de la empresa.

Aprovechar tanto la información en tiempo real

como los detalles históricos: clientes, personal,
productos, técnicas y procesos.

Tener una base sólida para poder utilizar nue-

vas tecnologías como el análisis predictivo, el
Al igual que las empresas tienen otro tipo de herra-
forecasting y la modelización.
mientas en su arsenal de negocios, es una buena
idea tener una cartera de opciones disponibles para
Escala y adaptación basada en el volumen, la
las necesidades de limpieza de datos. Es posible
velocidad y la variedad de datos, manteniendo
que sólo necesites una única limpieza de datos para
todo válido y coherente.
mantener la información actualizada, o puede que
necesites un trabajo continuo. Por ejemplo:
De la misma forma en que el coste del bad data
puede multiplicarse año tras año, los ahorros de te-
Cuando estás migrando de un sistema a otro o
ner datos precisos son también enormes, año a año.
cuando estás realizando una campaña de mar-
keting masivo, solo será necesaria una única lim-
pieza de datos para mejorar la calidad y evitar
que este problema inicial pueda empeorar consi-
derablemente. Es una buena idea tener
Para conjuntos de datos particularmente grandes
una cartera de opciones
o propensos a errores, se puede configurar una disponibles para las
herramienta de limpieza de datos para que se
ejecute automáticamente. Estos tipos de sistemas
necesidades de limpieza de
pueden limpiar los datos a intervalos específicos o datos.
notificar en los casos en que sea importante una
supervisión continua de la calidad de los datos.

7
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
TU BAD DATA PUEDE ESTAR PERJUDICANDO TUS RESULTADOS

Los datos limpios pueden marcar

grandes diferencias
La verdadera pregunta es, ¿cuánto pueden hacer
unos datos limpios por nosotros?

Además de los ingresos y ahorros, los beneficios

de los datos limpios van mucho más lejos. Con una
mayor fiabilidad de los datos, se obtiene una ma-
yor credibilidad y una base de toma de decisiones
más sólida respaldada por los datos. Los informes
se vuelven más precisos. Los clientes responden a
una personalización más precisa.

Todos los departamentos disfrutan de mayor pro-

ductividad y eficiencia.

Por supuesto, los ahorros de costes

son una cosa, pero a menudo no sólo
se quieren ahorros. Se quiere ver
una correlación directa también en
términos de ingresos.

8
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
DESAFÍOS A LOS QUE TE ENFRENTAS PARA MEJORAR
TU ESTRATEGIA DE DATOS

2
DESAFÍOS A LOS QUE TE
ENFRENTAS PARA MEJORAR
TU ESTRATEGIA DE DATOS

Trabajamos en un mundo basado en datos. Los ge-
rentes son bombardeados constantemente con da-
tos de informes, cuadros de mando y sistemas. Se
nos recuerda regularmente que tomemos decisio-
nes basadas en datos, y los grandes líderes desean
que se cumpla la promesa de Big Data para desa-
rrollar una ventaja competitiva.
Las organizaciones están gastando una fortuna
cada año instalando software para capturar, al-
macenar y analizar datos. Los departamentos de
marketing están cada vez más llenos de profesio-
nales técnicos e informáticos a costa de los roles
más creativos.
manos correctas con los enfoques adecuados, el
potencial de los datos para apoyar la toma de de-
cisiones es notable.
Sin embargo, no hay que dejarse llevar por la falsa
creencia de que la adquisición y el análisis de los
datos no tiene riesgo. Vamos a identificar algunos
de los peligros o desafíos potenciales a los que una
estrategia de datos se enfrenta y que deben ser su-
perados para mejorarla.
La calidad de los datos suele ser
deficiente

El mundo de los negocios es un mundo centrado en
los datos, pero es importante reconocer que los da-
tos no son un fin en sí mismo. Como todo lo demás
en que nos basamos en nuestro trabajo, los datos
son una herramienta llena de promesas. En las
Como ya hemos visto en el apartado anterior, el Bad
Data es un problema importante que afecta a nues-
tros datos.

9
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
DESAFÍOS A LOS QUE TE ENFRENTAS PARA MEJORAR
TU ESTRATEGIA DE DATOS
Los datos almacenados en bases de datos estruc-
turadas o repositorios a menudo están incomple-
tos, son inconsistentes o anticuados.
Muchos de nosotros podemos recordar haber re-
cibido correos electrónicos duplicados dirigidos a
versiones ligeramente diferentes o radicalmente di-
ferentes de nuestro nombre real.
La base de datos de donde se ha extraído nuestra
dirección de email contiene registros duplicados con
nuestra dirección, a menudo con faltas de ortografía
o variaciones de nuestro nombre. Nosotros nos des-
hacemos de una dirección de correo electrónico y el
vendedor incurre en un exceso de costes en forma
de impresión y correo, y todo debido a un simple
problema de calidad de datos. Si multiplicamos este
error por muchos cientos o miles de registros, un pe-
queño error de calidad de datos resulta costoso.
La cuestión de la calidad de los datos crece en im-
portancia a medida que nos esforzamos por tomar
decisiones sobre estrategias, mercados y marke-
ting en tiempo casi real. Aunque existe software y
soluciones para ayudar a monitorizar y mejorar la
calidad de los datos estructurados, la solución real
es un compromiso significativo a nivel de toda la
organización para tratar los datos como un activo
valioso. En la práctica, esto es difícil de lograr y re-
quiere una disciplina extraordinaria y el apoyo de
los líderes de la organización.
La solución real es un compromiso
significativo a nivel de toda la
organización para tratar los datos
como un activo valioso.
Estamos prácticamente
ahogandonos en los datos
Los datos están en todas partes en una organización.
Pensemos en los datos de los clientes. La mayoría de
las organizaciones se han convertido en expertos en
la captura de información sobre clientes y prospectos.
El marketing recopila datos de personas que
asisten a eventos en vivo o en Internet o que des-
cargan contenido.
Los ejecutivos utilizan datos para apoyar o definir
nuevas estrategias.
Ventas recopila datos sobre clientes involucra-
dos en el proceso de ventas.
El servicio de atención al cliente captura información
sobre llamadas e interacciones a través de chat.
Los equipos de gestión se basan en datos y mé-
tricas clave para los cuadros de mando.
Los datos de los clientes se utilizan en contabili-
dad para propósitos de facturación y por calidad
y los equipos de análisis de clientes para super-
visar la satisfacción del cliente.
Captamos la información del cliente en una amplia
variedad de sistemas de software diferentes, y alma-
cenamos los datos en una gran cantidad de reposi-
torios de datos. Algunas grandes empresa reconocen
que hasta un 10 por ciento de sus datos de clientes
son mantenidos localmente por los empleados en ho-
jas de cálculo en sus ordenadores.
Hasta un 10 por ciento de sus
datos de clientes son mantenidos
localmente por los empleados
en hojas de cálculo en sus
ordenadores.
10
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
DESAFÍOS A LOS QUE TE ENFRENTAS PARA MEJORAR
TU ESTRATEGIA DE DATOS
Los datos están en todas partes, y cada vez hay
más datos disponibles de fuentes sociales y de ad-
quisición en tiempo real. Si los datos no son fácil-
mente accesibles o, si tenemos datos duplicados
o incompletos, no podemos aprovecharlos para su
propósito.
Cada vez más las organizaciones están integrando
sus dispares aplicaciones de software, simplificando
el proceso de recolección y agregación de datos en
toda la empresa. Junto con la calidad de los datos,
sin embargo, se trata de un esfuerzo costoso, que
lleva mucho tiempo y nunca termina.
Los volúmenes de datos siguen
creciendo
Estamos generando más y más datos a un ritmo que
es difícil de comprender. Los expertos sugieren que
cada dos años estamos creando más datos que to-
dos los que existían en el planeta Tierra para toda
la civilización.
La mayoría de estos nuevos datos no están estruc-
turados, en comparación con el tipo de datos que se
introduce habitualmente a través de nuestro softwa-
re de gestión y aplicaciones de base de datos.
Por ejemplo, todos los tweets acerca de su producto
o marca representan un tesoro potencial de ideas,
sin embargo, estos datos no están estructurados,
aumentando la complejidad de capturar y analizar.
Aunque hay muchas ofertas de software para ayu-
dar con este desafío, los datos no estructurados re-
presentan un nuevo torrente de materia prima para
procesamiento, con todos los problemas inherentes
de complejidad y calidad que estamos viendo.
La mayoría de estos nuevos
datos no están estructurados, en
comparación con el tipo de datos
que se introduce habitualmente
a través de nuestro software de
gestión y aplicaciones de base de
datos.
Si entra basura, sale basura
El software analítico de datos es tan bueno como
los datos que lo alimentan. Si queremos obtener
ventajas conociendo esto, debemos basarnos en la
calidad.
Son muchas las empresas que invierten mucho dine-
ro en poderosas aplicaciones de procesamiento de
datos, pero el procesamiento de datos sucios con-
duce a decisiones defectuosas.
Se debe tener cuidado en confiar ciegamente en los
resultados de esos análisis de datos. Debes estar
seguro de que puedes confiar en los datos utiliza-
dos en el análisis.
Aceptamos el resultado del análisis
de datos como concluyente, pero
no lo es
En realidad, el análisis de datos muestra la corre-
lación, no la causalidad. Es fácil caer en la tram-
pa de confiar en la salida de los análisis de datos y
confundir la correlación con la causalidad.
11
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
DESAFÍOS A LOS QUE TE ENFRENTAS PARA MEJORAR
TU ESTRATEGIA DE DATOS
La correlación muestra una relación, pero de nin-
guna manera implica que A cause B. Establecer
una relación causal es el nirvana de la toma deci-
siones precisas y perspicaces. También es increíble-
mente difícil de probar. Si confías excesivamente en
un resultado y asumes una relación causal donde
no existe, tus decisiones serán fatalmente defectuo-
sas.
Nuestros sesgos cognitivos se
amplifican cuando se trata de
evaluar los datos
Al final del análisis más complicado y exhaustivo de
los datos, un ser humano todavía tiene que hacer una
inferencia y tomar una decisión. Y cuando llegamos a
ese punto donde tenemos que evaluar el significado
del análisis de datos, nuestros sesgos entran en juego.
Muchos de nosotros tendemos a confiar en datos que
apoyan nuestras posiciones y expectativas y suprimi-
mos datos que hagan lo contrario. También confiamos
en los datos de fuentes que nos gustan o, confiamos
en los datos que son más recientes.
Todos estos sesgos contribuyen a los desafíos y el
potencial de errores de nuestros análisis de datos.
Muchos de nosotros tendemos a confiar en
datos que apoyan nuestras posiciones y
expectativas y suprimimos datos que hagan
lo contrario. También confiamos en los datos
de fuentes que nos gustan o, confiamos en los
datos que son más recientes.
Hay que domesticar los datos
para poder ser usados para tomar
decisiones
Estas son siete ideas que pueden utilizarse para me-
jorar el uso de los datos para una toma de decisio-
nes efectiva:
Reconocer y mitigar el potencial de los prejui-
cios. Busca datos que entren en conflicto con los
datos que tienes frente a ti. Anima a un observa-
dor externo a que evalúe tus suposiciones alre-
dedor de los datos.
Fortalecer tu comprensión del manejo de da-
tos. Hay abundantes fuentes gratuitas de infor-
mación en la web, y muchas organizaciones ofre-
cen seminarios o talleres sobre análisis de datos
e inteligencia de negocios. Sigue agudizando tus
habilidades.
Pregúntate a tí mismo o a tu equipo: ¿Qué datos
necesitamos para tomar esta decisión? Demasia-
do a menudo, confiamos en los datos que tene-
mos a mano e ignoramos la necesidad de buscar
más datos para completar la imagen.
12
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
DESAFÍOS A LOS QUE TE ENFRENTAS PARA MEJORAR
TU ESTRATEGIA DE DATOS
Sé críticamente consciente de la diferencia en-
tre correlación y causalidad. Como se dijo an-
teriormente, confundir estos dos es una trampa
potencialmente peligrosa para la toma de deci-
siones.
Calidad: revisa los datos. Si tu empresa no tiene
un compromiso de calidad de datos o de gestión
de datos maestros, invierte el tiempo necesario
para evaluar sus datos en busca de errores ob-
vios, incluidos registros duplicados, incompletos
o erróneos. Hay muchas aplicaciones de softwa-
re comercialmente disponibles para apoyar esta
actividad y muchas empresas se basan en la ex-
periencia de expertos en datos para consultar y
evaluar la calidad de los datos. Además, consi-
dere proveedores de servicios externos que pue-
den ayudar a limpiar los datos.
Abogar por reforzar la calidad y gestión de los
datos en toda la empresa: este trabajo ha sido
a menudo el dominio de los profesionales de TI,
pero los datos tienen el potencial de servir como
un activo estratégico. Cada gerente debe preo-
cuparse por la capacidad de su empresa para
aprovechar mejor los datos para la toma de deci-
siones y la ejecución de la estrategia.
Añadir talento técnico y conocimiento de datos
al equipo: los departamentos de ventas y mar-
keting entienden el poder de involucrar a perso-
nas capacitadas en las últimas tecnologías. La
tecnología y los datos ya no es del dominio o la
responsabilidad de una sola función en una em-
presa.
13
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
EVITANDO LOS ERRORES DE UNA ESTRATEGIA DE DATOS DE CLIENTES

3
EVITANDO LOS ERRORES DE
UNA ESTRATEGIA DE DATOS
DE CLIENTES

Como estamos viendo, la mayoría de las compa-
ñías saben que necesitan una estrategia de datos
de clientes ya que han visto los beneficios que se
pueden conseguir mediante un análisis de datos es-
pecíficos. Sin embargo, para muchas de estas em-
presas puede ser difícil determinar el valor de un
proyecto de datos, lo que les lleva a perder tiem-
po y recursos.
Estos problemas tienen mucho que ver con algunos
errores comunes que suelen cometerse en muchas
compañías.
La cuestión subyacente suele ser la falta de cone-
xión entre los proyectos de datos y los objetivos
más importantes del negocio . Para que los proyec-
tos de datos aporten valor, deben conducir explí-
citamente a las ideas que ayudan al negocio a
alcanzar sus metas. A veces puede ser fácil para
los líderes de proyectos perder de vista estos ob-
jetivos, dando lugar a proyectos que se consideran
infructuosos.

La cuestión subyacente suele ser la falta

de conexión entre los proyectos de datos y
los objetivos más importantes del negocio .
14
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
EVITANDO LOS ERRORES DE UNA ESTRATEGIA DE DATOS DE CLIENTES
Errores más comunes
desarrollando una estrategia de
datos
No tener un plan para la gestión de datos
a través de iniciativas empresariales
Las diferentes iniciativas empresariales tienen requi-
sitos diferentes, por lo que equipos independientes
construyen repositorios de datos enteros y solucio-
nes de análisis independientemente. Esto significa
que los datos están dispersos por todas partes sin
ninguna cohesión.
El resultado es costes excesivos de tecnología,
incapacidad para analizar datos a través de do-
minios de datos, tiempos de entrega lentos y
complejidad desconcertante. Esto hace que sea di-
fícil compartir datos entre las unidades de negocio.
Un enfoque más razonable
es consolidar los programas
de análisis de datos y crear
soluciones que satisfagan las
necesidades de toda la empresa,
en lugar de crear soluciones
independientes para cada
proyecto.
Implementar iniciativas “que están de
moda” sin vincularlas a iniciativas empresa-
riales
Antes de decidir implementar ciertas capacidades,
es importante comprender las implicaciones em-
presariales para estas capacidades específicas.
Muchas organizaciones implementan capacidades
de acuerdo con palabras de moda actuales, como
big data, cloud, análisis predictivo y más, sin tener
en cuenta el valor que realmente les va a aportar.
Implementar dominios de datos sin
vincularlos a iniciativas empresariales
A veces las organizaciones se centran en los pro-
pios datos en lugar de los usos planificados de los
datos. Cuando un proyecto se centra en la im-
plementación de un dominio de datos sin ningún
tipo de uso empresarial específico para impulsar
el alcance, el proyecto tarda mucho más, cuesta
mucho más y tiene muchas probabilidades de ser
cancelado antes de que se complete.
Uso de los sistemas actuales como base
para una hoja de ruta
Demasiadas organizaciones buscan mejorar los sis-
temas actuales como un fin, en lugar de un medio.
Esto puede significar que la verdadera integración
se sacrifica y que la hoja de ruta no satisface las
necesidades de las iniciativas empresariales de más
alta prioridad.
Estar contento por tener apoyo ejecutivo
El apoyo ejecutivo es menos útil si el ejecutivo en
cuestión está presionando para que ciertos proyec-
tos sean completados independientemente de su
relación con los objetivos de negocio reales. Los
proyectos pueden vivir mucho más allá de su fe-
cha de vencimiento natural simplemente porque
un poderoso ejecutivo continúa apoyándolos.
Análisis confusos con proyectos y
operaciones de TI
Hay una diferencia entre la experimentación y los
proyectos de TI, y deben ser gestionados, priori-
zados y tratados como tales. Las organizaciones a
menudo abandonan el rigor de los proyectos de TI
porque creen que los enfoques experimentales son
suficientes. En realidad, esta es una manera de evi-
tar el duro trabajo de mejorar el alcance y la imple-
mentación práctica ante una necesidad. Las organi-
zaciones que confunden la investigación analítica y
15
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
EVITANDO LOS ERRORES DE UNA ESTRATEGIA DE DATOS DE CLIENTES
el desarrollo y las operaciones de TI corren el riesgo
de desconectarse entre las expectativas de TI y de
negocio, y los resultados de negocios fallidos.
Las organizaciones que
confunden la investigación
analítica y el desarrollo y las
operaciones de TI corren el
riesgo de desconectarse entre
las expectativas de TI y de
negocio, y los resultados de
negocios fallidos.
Grandes errores a evitar cuando
incorporas Big Data a tu estrategia
de datos
La prisa por mantenerse al día con otras compa-
ñías puede conducir a errores fundamentales que
hacen que los grandes proyectos de datos salgan
mal. Una encuesta reciente a profesionales de TI
reveló que el 42 por ciento había experimentado
un gran fracaso en su estrategia de datos.
Muchos de esos fracasos se remontan a algunos
conceptos erróneos fundamentales sobre lo que
el Big Data puede y no puede lograr, o tratando de
aplicar viejas metodologías a una tecnología que
tiene muchas nuevas dimensiones.
A continuación veremos algunas ideas y observa-
ciones que pueden ayudar a tu empresa a evitar un
destino similar.
No confíes solo en la tecnología
Entre la euforia de utilizar big data, a menudo se
pierde una idea fundamental: big data es una co-
lección de poderosas herramientas, no una solu-
ción. El uso exitoso de esas herramientas está en
manos de las personas que las utilizan.
Big Data y la analítica avanzada ofrece a las empre-
sas la capacidad de formular preguntas fundamen-
talmente nuevas. Esas preguntas contienen matices
que pueden hacer que la ingenua aplicación de las
técnicas tradicionales de inteligencia de negocios
(BI) falle.
Se habla mucho de la persona, a menudo llamada un
“científico de datos”, que sabe cómo trabajar con big
data. El científico de datos posee una mezcla inusual
de habilidades que es difícil de encontrar en otras per-
sonas. Estas incluyen la voluntad de gastar grandes
cantidades de tiempo en la preparación de datos, un
amplio conocimiento de las estadísticas, una compren-
sión profunda de la problemática empresarial y habili-
dades de comunicación excepcional, entre otras.
El científico de datos posee una
mezcla inusual de habilidades
que es difícil de encontrar en
otras personas. Estas incluyen
la voluntad de gastar grandes
cantidades de tiempo en la
preparación de datos, un amplio
conocimiento de las estadísticas,
una comprensión profunda de
la problemática empresarial y
habilidades de comunicación
excepcional, entre otras.
16
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
EVITANDO LOS ERRORES DE UNA ESTRATEGIA DE DATOS DE CLIENTES

En lugar de centrarse en encontrar una persona,

muchas empresas han logrado resultados impresio-
nantes utilizando un equipo heterogéneo de exper-
Una técnica de modelado
tos innovadores, cada uno de los cuales trae una probada y correcta pero que
especialización. Las funciones más comunes utiliza-
das son el científico de datos, ingeniero de datos, ar-
es un ajuste pobre, incrementa
quitecto de soluciones y expertos en empresa y BI. dramáticamente la probabilidad
de encontrar correlaciones
No utilices modelos antiguos
falsas debido a combinaciones
Las personas tenemos problemas para extraer de datos al azar. Este fenómeno
ideas de datos no procesados o brutos, pero las
ideas derivadas de una analítica adecuada pue-
suele denominarse “la maldición
den producir un valor comercial significativo. Es del big data “.
por eso que el análisis de big data está ganando
impulso. Es una forma comprobada de extraer va-
lor empresarial tangible de una combinación de
fuentes de datos estructuradas, semiestructura-
das y no estructuradas.

Un error común de los proyectos de big data es que

se piensa muy poco en cómo abordar los proble-
mas de big data desde una perspectiva de mo-
delado. Muchos analistas simplemente utilizan las
técnicas de modelado con las que están más fa-
miliarizados y las aplican, sin modificaciones, a los
problemas de big data.
Una técnica de modelado probada y correcta pero
que es un ajuste pobre, incrementa dramáticamen-
te la probabilidad de encontrar correlaciones falsas
debido a combinaciones de datos al azar. Este fenó-
meno suele denominarse “la maldición del big data
“. Algunas correlaciones, como “los clientes que
llevan camisas azules tienen más probabilidades
de ser fanáticos del baloncesto que los que usan
colores más oscuros”, pueden ser descartadas por
las empresas solo por mera coincidencia. Otras, sin
embargo, son más difíciles de identificar, tanto como
errores como por ser ideas valiosas.
Quienquiera que esté realizando el análisis de la
ciencia de datos necesita tener la experiencia su-
ficiente para probar las correlaciones para determi-
nar cuáles son verdad.
En muchos enfoques de modelado, el científico de
datos debe encontrar una compensación entre la
complejidad del modelo y la transparencia de la
lógica utilizada para llegar a una conclusión. Los
modelos que son más complejos pueden producir
resultados más precisos y mitigar los efectos del so-
breajuste. Sin embargo, la lógica y los cálculos que
resultan en su respuesta pueden ser casi imposibles
para un analista humano.

17
 MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
EVITANDO LOS ERRORES DE UNA ESTRATEGIA DE DATOS DE CLIENTES
Para muchas aplicaciones, esto puede ser un proble-
ma significativo. Los seres humanos deben decidir si
toman acciones de acuerdo con los resultados del
análisis de big data. Los modelos complejos pueden
hacer difícil evaluar si los resultados producidos por
esos cálculos son válidos.
Los modelos simples pueden ser más fáciles de en-
tender para los analistas humanos y los tomadores
de decisiones, pero su simplicidad podría significar
que funcionan bien sólo en aplicaciones limitadas y
no de manera consistente. En este caso, los tomado-
res de decisiones de negocio podrían poner más fe
en un modelo que es menos preciso.
Los modelos simples pueden
ser más fáciles de entender
para los analistas humanos y los
tomadores de decisiones, pero
su simplicidad podría significar
que funcionan bien sólo en
aplicaciones limitadas y no de
manera consistente.
Los científicos de datos deben trabajar en estre-
cha colaboración con todos los interesados para
comprender la estrategia empresarial, las tácti-
cas, la cultura, la aversión al riesgo, las preferen-
cias de los usuarios finales, la confianza en las
ayudas de decisión automatizadas y la voluntad
de comprometerse con la toma de decisiones ba-
sadas en datos para saber qué enfoque de mo-
delado resultará en un producto de datos que ac-
tualmente se utiliza.
Haz de tu gran programa de análisis de
big data un éxito
La aplicación de avances tecnológicos ha permitido
procesar big data. Las empresas siguen ajustándo-
se a las diferencias entre las aplicaciones de BI tra-
dicionales y los nuevos requisitos que el big data
nos aporta.
Una de las lecciones más importantes que están
aprendiendo es que la diferencia que supone el big
data no depende únicamente de la infraestructura
que compras o del tamaño de los clústeres Ha-
doop que se construyen.
Conseguir la promesa de big data
requiere de la tecnología correcta,
así como relevantes, datos de alta
calidad. Lo más importante es que
requiere de individuos altamente
capacitados que puedan
extraer el verdadero valor de un
océano de datos y comunicarlo
claramente a aquellos que
pueden actuar sobre él.
Poner énfasis tanto en la obtención de los mejores
científicos de datos como en la obtención de la últi-
ma tecnología le proporcionará una poderosa capa-
cidad que devolverá dividendos significativos con la
inversión. Y además creará una ventaja competitiva
que tu competencia no podrá igualar.
18
MEJORA TU ESTRATEGIA DE DATOS DE CLIENTES PARA MEJORAR
LOS RESULTADOS DE TU EMPRESA
CONCLUSIÓN

CONCLUSIÓN

Las empresas necesitan una gran estrategia de datos de clientes para

mejorar la experiencia con su marca. Si no puedes entregar una gran ex-
periencia de cliente, puede que no consigas nunca clientes leales.

Los clientes han aumentado sus expectativas. Con cada interacción con
nuestra empresa, en cualquiera de los puntos de contacto, forma una opi-
nión que dicta cómo y cuándo van a volver a hacer negocios con nosotros.

Sus opiniones pueden dar forma a las decisiones de compra de las perso-
nas que les conocen, aunque estos no sepan nada de nosotros. Nos guste
o no, el competidor más cercano está tan cerca como una búsqueda de
Google. Esto hace que la entrega de una gran experiencia de cliente sea
un imperativo.

Para ello es necesario conseguir una excelente estrategia de datos de

clientes que nos permita mejorar los resultados. En este ebook hemos
visto:

Como el bad data puede ser un problema para conseguirlo, incluso per-
judicando nuestros resultados actuales hasta llegar a ser peligroso. Y es
necesario que toda la empresa apoye la solución de este problema. No
podemos dejarlo todo en manos del departamento de TI.

Los desafíos a los que una estrategia de datos se enfrenta en la ac-

tualidad, con una calidad de datos deficiente y enormes cantidades de
datos fluyendo por todas partes.

Algunos errores tanto de una estrategia de datos tradicional como

aquella en la que incorporamos big data, que deben ser evitados si que-
remos que esta tenga éxito.
KYOCERA DOCUMENT SOLUTIONS
ESPAÑA S.A
Teléfono de información comercial:
Edifcio KYOCERA
Calle de Manacor 2, 902 99 88 22
28290 Las Rozas, Madrid,
España