LOS DATOS:

UN ACTIVO QUE
SE PUEDE MONETIZAR
“Donde los datos son poder, el conocimiento es riqueza”

Bruce Doley
 INTRODUCCIÓN
Todo lo que una persona hace en su vida cotidiana va dejando una huella de datos, una huella que va dando
indicios de quién es. De ahí que, se pueden conocer rasgos sobre la personalidad, intereses, motivaciones,
hasta el estado de la salud mental. Muchas de las aplicaciones que se usan en la actualidad, además de
brindarle al usuario una solución práctica y útil, brinda también la oportunidad a las empresas de identificar
patrones de consumo que permiten incrementar sus ingresos por medio de estrategias personalizadas.

Ahora vale la pena entrar a responder lo siguiente: ¿qué está haciendo la compañía para gestionar los datos
de manera eficiente? El valor está en el uso que se les da a dichos datos, puesto que pueden estar en gran
volumen y almacenados pero no brindar ninguna utilidad.

En este Ebook usted se llevará una idea de por qué los datos de su empresa deben ser el recurso más
preciado y cómo le puede dar el uso adecuado para monetizarlos. Es hora de trascender el análisis
tradicional de la data a la implementación de una disciplina como lo es la Ciencia de datos.
ÍNDICE

Crecimiento exponencial
de los datos 01 Análisis tradicional vs.
Ciencia de datos 04
¿Qué es la monetización
de datos? 02 Retos y desafíos
05
Cadena de valor
y estrategias 03 La Ciencia de datos:
la disciplina que usted debe conocer 06
 CRECIMIENTO EXPONENCIAL DE LOS DATOS
Se ha vuelto una frase de uso repetitivo, que los datos, gracias a la evolución tecnológica, están creciendo de
manera exponencial. Eso tal vez todos lo sabemos no obstante, la verdad es que es un hecho certero y
contundente. Las empresas que no consideren hacer un alto en el camino para prestarle atención a la
información que se almacena dentro de sus negocios, tienden a desaparecer.

Eric Schmidt, el presidente ejecutivo de Google, advirtió hace unos años que entre el origen de la Tierra y el
año 2003 se crearon cinco exabytes de información y que hoy en día creamos la misma cantidad cada dos
días. Por ende, no es que se busque ser redundante frente a la importancia de las tendencias tecnológicas,
sino que es una realidad incuestionable que trae consigo beneficios rentables para las compañías.
Probablemente esta inquietud se está esclareciendo en este tiempo de la pandemia en el que el teletrabajo ha
sido el eje fundamental de las empresas y el cual ha cambiado significativamente los comportamientos de
consumo de la gente.

Sería de gran utilidad, por ejemplo, contar con todos esos datos relacionados con los nuevos hábitos de
consumo de los usuarios en Colombia, pues los niños ya no están yendo al colegio, las personas han tenido
más tiempo para reflexionar sobre su salud y sobre la importancia de hacer ejercicio, entre muchos otros
patrones que se están definiendo. Al entender esto, los negocios podrían especificar minuciosamente
estrategias e ir directamente a las necesidades actuales de los clientes.
 ¿QUÉ ES LA
MONETIZACIÓN DE DATOS?
Al tener presente la importancia de los datos y del uso que se le da, se
puede hablar de la monetización de los datos. ¿Qué es? La
monetización de datos se podría definir como el descubrimiento y el
aprovechamiento del potencial de los datos de una compañía para
generar un beneficio económico (Hernández, 2016).
Este beneficio económico puede derivarse de dos formas. La primera, surge de incrementar el valor de
aquellas nuevas oportunidades de los clientes ya existentes. La segunda, es la venta de la data (ya sea en
bruto o en insights generados a partir de ellos) a otras empresas a quienes puede ser de gran provecho el
acceso a esta serie de información.

Es fundamental entender que al hacer un buen uso de la data, no se está enfrentando un reto tecnológico,
sino un reto de negocios. ¿Por qué? Porque las herramientas y las soluciones ya existen. El problema no es
cómo recopilar y procesar esos grandes volúmenes de datos, para ello hay una amplia gama de empresas
quienes lo ofrecen. El meollo del asunto radica en cómo éstos se van a aplicar a las estrategias transversales
de la empresa y cómo se van a generar ganancias a partir de ellos.
 CADENA DE VALOR Y ESTRATEGIAS
Para generar un beneficio económico a partir de los datos, se pueden aplicar distintos métodos.
A continuación se hará una breve introducción sobre las etapas de la cadena de valor de los datos.

Cadena de valor de los datos:

1. DATOS EN ESTADO BRUTO → se vende el dato como tal, sin análisis, ni interpretación.

✓ Se requiere baja inversión

✓ Hay bajo riesgo
✓ El beneficio es limitado

Un caso que es recurrente con el uso de los datos en esta etapa, es la información en estado bruto y tiempo
real. Valga por caso, la data de geolocalización que se ha vendido a empresas bancarias para la
identificación de fraudes. ¿Cómo? al identificar la localización de un usuario en tiempo real, se comprueba si
la ubicación donde se realizó la transacción, coincide o no con la localización del usuario propietario de la
cuenta en ese momento en específico.
2. DATOS PROCESADOS → se generan estadísticas de valor que pueden ser útiles para la realización de
reportes informativos.

✓ Requiere una mayor inversión

3. GENERACIÓN DE CONOCIMIENTO → en esta etapa ya se realizan modelos analíticos que permiten

identificar patrones de comportamiento y por lo tanto, hacer una segmentación. Los datos ya se
interrelacionan entre sí y aportan al análisis predictivo de estrategias.

4. CREACIÓN DE APLICACIONES Y PRODUCTOS → por último, cuando las empresas llegan a este nivel de
procesamiento de los datos, están en la capacidad de ofrecer soluciones tangibles en aplicaciones y
productos para dar respuesta a una problemática de negocio.
Un ejemplo claro, es Mastercard. Éste ofrece en su portafolio una herramienta que permite a los inversores
saber en qué se está gastando la gente el dinero. ¿Cuál es el beneficio que se obtiene de esta herramienta?
Saber cuál es el sitio más adecuado para abrir una tienda en función del tráfico que hay en una zona
determinada.

Entretando, la información en tiempo real también juega un papel decisivo en este apartado. Éste posibilita la
creación de aplicaciones que proporcionan información en el momento exacto en el que el usuario así lo
necesita. Valga como ilustración el caso de Waze.

Waze, la aplicación social de tránsito, permite a las personas elegir la ruta más rápida, salir a la hora más
adecuada e incluso compartir sus recorridos. Todo esto, a partir de información en tiempo real y navegación
asistida de GPS. Hoy en día, son 115 millones de usuarios quienes planean sus trayectos con esta aplicación.
¿Cómo monetizaron sus datos? Waze fue adquirida por Google por $966 millones de dólares.
 DOS TIPOS DE ESTRATEGIAS DE MONETIZACIÓN DE DATOS
La monetización de datos se puede lograr de las siguientes dos maneras:

1. Estrategia de monetización interna:

La monetización de forma interna ocurre para optimizar los procesos corporativos, ya sea para generar un
mayor conocimiento acerca de los clientes o mejorar su experiencia.

En estos procesos el elemento clave y el común denominador para todas las empresas debe ser la
información del cliente. El cliente es la piedra angular de cualquier estrategia de monetización interna de
datos. ¿Por qué? Porque es lo que va a permitir adaptar la oferta a las necesidades de los usuarios. Ésta, es
de hecho la razón por la cual la mayoría de empresas hacen hincapié en el desarrollo de estrategias y
proyectos con una visión de 360 grados del cliente.

Para lograrlo, no se trata de juntar la información de los sistemas operacionales, sino que se exige una visión
holística y en tiempo real del cliente.
De igual manera para llegar a este punto de monetización, se debe relacionar la información que esté en
contexto con la solución a la que se quiere llegar. Sin ir muy lejos, sería relevante tener datos, por ejemplo,
sobre las navegaciones web del público objetivo. Con esto, se podría mejorar la oferta según las necesidades
del usuario.

Un ejemplo claro de cómo la información en contexto aporta a la monetización de datos, es el caso del
supermercado Target. Éste identificó el embarazo de una adolescente a partir del análisis automático de
patrones que las mujeres embarazadas normalmente presentan en la compra de sus productos. Tal como lo
narra el periódico CNN, Target sacó a la luz este suceso, sin siquiera ella saberlo.

¿Cómo? A la adolescente le empezaron a llegar cupones de descuento para pañales y cunas, a tal punto que
su padre se había mostrado molesto con este tipo de publicidad. Lo sorprendente, es que la cliente realmente
sí estaba en estado de embarazo. Todo ésto se logró por medio de una combinación de matemática y
estadísticas que daban como resultado un alto porcentaje de probabilidad de embarazo.
2. Estrategia de monetización externa:

La información que una empresa necesita, no necesariamente tiene que existir en los sistemas de
almacenamiento. Tal vez, la información que una compañía tiene puede ser de gran interés y mejor provecho
para otra. De ahí, surge una oportunidad de intercambio con otros sectores que pueden proporcionarse entre
sí esa información adicional.

Esta estrategia de monetización externa está orientada a vender datos, ya sea en bruto o como insights que
se han generado a partir de ellos.

Un caso claro de este tipo estrategia se puede reflejar en el sector automovilístico. Pues bien, ciertas
empresas de dicho sector venden datos de patrones de conducción a compañías de la industria aseguradora
para alimentar sus procesos de análisis de riesgo.
ANÁLISIS TRADICIONAL VS.
CIENCIA DE DATOS
 ANÁLISIS TRADICIONAL:

Se basa en el procesamiento de datos descriptivos para la realización de diagnósticos.

Sus características son:

✓ Datos agregados para minimizar costos

✓ Datos estructurados
✓ Modelos analíticos simples
✓ Mentalidad enfocada en los datos
 CIENCIA DE DATOS:

La Ciencia de datos, como ya se explicó anteriormente, es un campo interdisciplinar que se encarga de la

extracción del conocimiento de los datos. Tal y como se evidencia en la infografía “The data scientist
shortage”, los científicos de datos combinan estadísticas, informática y conocimiento empresarial, para
analizar datos recopilados de la web provenientes de teléfonos inteligentes, de clientes, sensores y otras
fuentes.

El factor diferencial de la ciencia de datos es su poder de predecir fenómenos y anticiparse a las

necesidades de los usuarios.
Algunos ejemplos:

✓ Empresas de logística analizan los patrones de tráfico, las condiciones climáticas y otros factores para
mejorar los tiempos de entrega y reducir costos.
✓ Las empresas del sector salud analizan los datos de las pruebas médicas y los síntomas reportados
para ayudar a los médicos a diagnosticar enfermedades con anterioridad y tratarlas de manera más
efectiva.

Sus características son:

✓ Mayor granularidad disponible en los datos

✓ Datos estructurados, no estructurados, internos y externos
✓ Modelos analíticos complejos
✓ Mentalidad enfocada a la monetización
 TÉCNICAS DE CIENCIA DE DATOS:
¿Cómo lo hacen? Hay cuatro técnicas por las que la Ciencia de datos se desarrolla:

1. Aprendizaje automático (machine learning): un experto se encarga de transferir conocimiento a la

máquina para luego programar ciertas reglas teniendo en cuenta todos los escenarios posibles. Un
ejemplo de ello es la automatización de respuestas en los chatbots.

2. Automatización robótica: se crean informes interpretativos con base en estadísticas para generar
predicciones y ayudar a los profesionales del área a mejorar su toma de decisiones.

3. Análisis de patrones: es una técnica para verificar las secuencias de las respuestas y determinar
posibles patrones, como se puede evidenciar con el reconocimiento del rostro y la identificación de
emociones.

4. Procesamiento de lenguaje natural: hace uso de análisis de textos para extraer el significado
subyacente.
 BENEFICIOS DE LA MONETIZACIÓN DE DATOS

Los beneficios de la monetización de los datos son muchos, pero lo más destacados son:

✓ Mayores ingresos (upselling)

✓ Reducción de costos
✓ Descubrimiento de nuevos negocios
✓ Mayor fidelización de clientes
✓ Reducción de riesgos (seguridad o incumplimiento)

El podio de los numerosos beneficios lo ocupan las nuevas fuentes de ingresos conseguidas (en un 69% de
las empresas), seguidas por la creación de nuevos servicios (con un 66%) y la mejora de la fidelización de los
clientes (en un 63%).
 RETOS Y DESAFÍOS
Si bien la Ciencia de los datos es una disciplina que se ha puesto en práctica
desde el año 2008, aún falta una mayor incursión de esta doctrina en los
programas de gestión de las empresas. Más aún en países latinoamericanos
donde todavía existe cierta resistencia frente a la incorporación de
herramientas tecnológicas. Lo que sí es vital saber, es que esta ciencia no
elude a ninguna empresa por su tamaño, su industria, ni localización.
Los beneficios son aplicables globalmente en los negocios de todos los
tamaños y sectores. Ahora bien, se van a nombrar los principales
retos a los que las compañías se han enfrentado con el tiempo
que se lleva implementando esta ciencia.
 1. ADMINISTRACIÓN CENTRAL RIGUROSA

Se necesita un control riguroso para definir las herramientas y los procesos con los que se va a trabajar para
el desarrollo de la Ciencia de datos. Existe una serie extensa de las formas de aplicar esta disciplina, por lo
que si en un equipo hay personas especializadas en diferentes métodos, el trabajo en equipo se va a
perjudicar. Para ello, es fundamental definir requisitos y parámetros a la hora de contratar talentos.

Se necesita una administración central que se enfoque solamente en velar por un funcionamiento coherente e
integrado entre los científicos. De esta manera, se unifican los métodos y las herramientas que se van a
utilizar en una empresa. De esta forma, se evitan flujos de trabajo ineficientes y ambientes de trabajo
caóticos que obstaculizan el retorno de la inversión.
 2. PROCESO EFICIENTE DE ACCESO A LOS DATOS

Lo usual es que en las empresas un administrador de base datos se encargue del acceso de los datos y de
extraerlos, para después entregarlos a los científicos de datos quienes se ocupan del respectivo análisis. No
obstante, por lo general, las empresas presentan en esta fase un cuello de botella porque deben esperar
demasiado para tener los datos. Ésto se suma a que los científicos deben asegurarse de que, una vez
extraídos los datos, estén bajo aplicaciones compatibles. De lo contrario, se tienen que implementar los
modelos en aplicaciones útiles, lo que podría tomar semanas o incluso meses.
 3. VINCULACIÓN DE LOS GERENTES EMPRESARIALES A LA
CIENCIA DE DATOS DE SUS EMPRESAS
Los gerentes empresariales se encuentran muy alejados de la ciencia de datos. Los flujos de trabajo de la
ciencia de datos no siempre están integrados en los procesos y en los sistemas de toma de decisiones
empresariales, lo que dificulta que los gerentes comerciales colaboren de manera inteligente con los
científicos de datos. Si no cuentan con una integración mejor, a los gerentes empresariales se les dificulta
comprender por qué toma tanto tiempo pasar del prototipo a la producción, y es menos probable que
respalden la inversión de proyectos que consideran demasiado lentos.
 LA CIENCIA DE DATOS:
LA DISCIPLINA QUE USTED
DEBE CONOCER
Para concluir, vale la pena pensar en la siguiente pregunta:
¿en dónde estaría su empresa mañana, si usara esta ecuación en su mercado?
 + + + =
BIG DATA + PROPÓSITO + TECNOLOGÍA + PERSONALIZACIÓN = MONETIZACIÓN

Ahora, ya no solo se habla de herramientas de Big Data, inteligencia artificial o la ciencia de datos, sino que
empezó una nueva era en la que se habla del Huge Data. La data es la madre de todas las mega-tendencias y la
Ciencia de datos está ahí para acompañarlo. Ustedes son quienes tienen el poder de decisión. ¿Incursionará en
la valorización de la información de su negocio?
 ¡GRACIAS!
¿Deseas saber más? Visita matrixcpmsolutions.com