¿QUÉ ES 5G EN TELECOM Y CÓMO AVANZA LATAM? – INVESTIGACIÓN DATLAS

Hace poco el lanzamiento del IPHONE 12 de APPLE vino con la noticia de que será el celular más pequeño del mundo que acepte 5G. De hecho, en el evento de lanzamiento se le dio un espacio a VERIZON, compañía de telefonía, anunciar el crecimiento de la red 5G. Siendo que esta red promete conexiones hasta x100 veces más rápidas que las actuales.

Pero a todo esto ¿Nos debería de importar? ¿De qué trata el 5G en telefonía? ¿Cuáles son los impactos en los datos? ¿Si vivimos en Latinoamérica nos va a llegar pronto? En esta columna investigamos un poco sobre estos temas y compartirnos sobre este tema y sobre todo aterrizamos los casos para LATAM.

¿Qué es la red 5G?

Esta nueva tecnología móvil aumentará la velocidad de conexión, reducirá al mínimo la latencia (el tiempo de respuesta de la web) y multiplicará exponencialmente el número de dispositivos conectados. En otras palabras: estaremos conectados a todo, todo el día, y en el menor tiempo posible.

Adicional, según fuentes citadas, traerá consigo múltiples beneficios, como un incremento en la productividad computacional, la cantidad de datos generados, la innovación y desarrollo tecnológico en sectores como salud, educación, agricultura, seguridad, energía y comercio, entre otros.

¿Cuál ha sido la evolución de las redes de telefonía?

Desde las conexiones móviles que ocurrían en instrumentos militares, en redes de universidades, en coches de lujo hasta la portabilidad que nos entregaron los primeros teléfonos celulares la velocidad y cobertura de la red se ha amplificado a velocidades interesantes. En la siguiente imagen se muestran las variaciones.

¿Cuál es el avance en 5G en el mundo?

De momento regiones como Estados Unidos de América, Canadá, Brásil y otras regiones de Europa ya tienen establecido la tecnología 5G. En México, por ejemplo las inversiones se encuentran en proceso.

El avance en cada una de la región del mundo

¿Cuáles son los beneficios?

Respecto al máximo ancho de banda, teóricamente:

A) Con la red 3G sería 2 Mbps

B) Con 4G sería 1 Gbps

C) Con 5G sería 10 Gbps

En la práctica, se han registrado las siguientes velocidades de descarga

 5G es la nueva generación de la tecnología empleada en la comunicación entre dispositivos móviles que nos ofrecerá una mayor velocidad de conexión con una latencia mucho menor y que aún así, garantizará un menor consumo energético, lo que ayudará a alargar la autonomía de las baterías

¿Cuáles son los avances para LATAM?

Para México la licitación programa será para el 2020, pero por la pandemia se podrá postergar para el 2021. En Colombia ya están en pruebas piloto y en Uruguay la operación inició en el 2019.

De acuerdo con Qualcomm, empresa impulsora del despliegue 5G en México, esta tecnología puede operar en distintas bandas del espectro radioeléctrico y ofrecería una disminución de hasta 10 veces en la latencia de extremo a extremo, triplicando la eficiencia espectral. Al alcanzar esta, haría la velocidad de conexión hasta 100 veces más rápida y permitiría conectar a 10 veces más de dispositivos de forma simultánea. – THE CIU –

Limitantes y problemas

Hay un youtuber, MKHBD, que explicó el 5G y sobre todo los problemas que tiene de proximidad. Una persona hoy en día tiene que estar a menos de 20 pasos de una antena de 5G para realmente recibir las señales. La verdadera pregunta ¿Es viable instalar tantas antenas para que se puedan concretar los beneficios?

Conclusiones

Hasta aqui la columna de hoy, en una opinión personal el 5G tiene más presupuesto de marketing que de implementación. Hoy en día, al menos para LATAM, no se ven proyectos tangibles hasta el 2022-2023 . En Estados Unidos algunas ciudades ya estarán implementando, pero con mayor certeza el 5G se podrá “sentir” en centros comerciales, aeropuertos o algunas oficinas que requieran este tipo de velocidades para diferenciarse de la competencia.

¿Tú, qué opinas? Déjanos tus comentarios y comparte el blog

Fuentes

INFOBAE. https://www.infobae.com/america/tecno/2020/07/14/presentaron-una-tecnologia-que-puede-revolucionar-y-abaratar-el-almacenamiento-de-datos-es-el-fin-del-disco-rigido/

THE CIU

VISUAL CAPITALIST

ADSLZONE. https://www.adslzone.net/reportajes/telefonia/5g/

NATGEO. https://www.nationalgeographic.com.es/ciencia/que-es-5g-y-como-nos-cambiara-vida_14449

¿Porqué necesitamos más marketplaces de datos? (Adaptación de: nonrivalry and economics of data) – COLUMNA DE OPINIÓN datlas

Conforme crecen y se desarrollan las áreas de inteligencia artificial y big data incrementa la importancia de la economía de los datos. Se espera que en los próximos años haya un mercado enorme para consumidores de datos… pero ¿Y la oferta de datos crece al mismo ritmo? ¿Cuáles son las soluciones propuestas? ¿Qué podemos aprender de otras industrias?

Recientemente llegó a nuestros ojos un paper publicado por “American Economic Review” que levanta cejas a primera vista por su propuesta de que los datos son bienes no rivales. A continuación el abstract de la nota.

Traducido al español se leería como lo siguiente:

Los datos son no-rivales: el historial de ubicación de una persona, los registros médicos y los datos de conducción pueden ser utilizados simultáneamente por muchas empresas. La “No- rivalidad” en los datos conduce a rendimientos crecientes. Como resultado, puede haber beneficios sociales si los datos se utilizan ampliamente en todas las empresas, incluso en presencia de consideraciones de privacidad. Por temor a la destrucción creativa, las empresas pueden elegir acumular sus datos, lo que lleva al uso ineficiente de datos no- rivales. Otorgar derechos de propiedad de datos a los consumidores puede generar asignaciones
que están cerca de lo óptimo. Los consumidores equilibran sus preocupaciones por la privacidad con las ganancias económicas que se obtienen al vender datos de manera amplia.

¿Qué quiere decir que los datos son “no-rivales”?

En economía se le llama “bien rival” a un bien cuyo uso por parte de una persona merma la posibilidad de uso de otras personas. Por ejemplo un trozo de pan, un kilogramo de arroz o una hora de un consultor. En contraste un bien es “no rival” cuando su uso por parte de una persona no merma el posible uso de otras personas. Por ejemplo: Una broma en una mesa, una llamada sobre una red telefónica, entre otros.

También se consideran como no rivales bienes que son tan abundantes que no es posible en la práctica consumirlos hasta el punto de afectar a terceros. Por ejemplo: El aire que respiramos o el agua en el océano para los seres que lo habitan. De acuerdo al “paper de investigación” citado en el inicio de esta columna los datos corresponden a los bienes “no rivales” por que a nivel tecnológico los datos pueden ser infinitamente utilizados y utilizables.

¿Qué se encontró en este paper de investigación?

– Cuando empresas son propietarias de datos puede que no respeten adecuadamente la privacidad de sus consumidores, pero “no-rivalidad” en datos dirige a consecuencias menos obvias

– Debido a que los datos son “no-rivales” potencialmente se pueden generar grandes ganancias. Los mercados para datos proveen incentivos financieros para promover un uso más amplios de los mismos

– Obviamente hay incentivos de porqué es ineficiente tener todos los datos de todas las firmas. No queremos un monopolio de información (Si es que no existe ya…). Pero un equilibrio en el que empresas sean dueñas de datos y limiten el uso de los mismos con otras organizaciones (intermediarios) podría ser ineficiente.

– Otra opción es que el gobierno o una figura principal preocupada por la privacidad, limite el uso de los datos de consumidores a negocios. Esto potencialmente podría generar costos más grandes por las ineficiencias que arrastrarían crear a la escala adecuada estos modelos

– Finalmente, los autores de este paper, consideran que pueda existir un arreglo institucional en donde los consumidores sean dueños de los datos asociados a su comportamiento. Y de esta manera balanceen la transferencia de datos a organizaciones considerando las ganancias económicas que pudieran ser acompañadas por los mismos. El equilibrio resulta cuando los datos son usados a través de distintas organizaciones.

¿Cuál sería un buen ejemplo?

Considera que el sistema de salud está ansioso de generar un algoritmo de visión computacional en el que a partir de fotografías podríamos detectar si existe o no cáncer de piel. En un sistema, una empresa recopila y es dueña de los datos de imágenes de 20 hospitales. Finalmente tiene un algoritmo y lo hace funcionar. Pero por otro lado, el sistema promueve que todos los hospitales pongan en un “mercado” o “acuerdo institucional” estas fotografías etiquetadas para que los científicos puedan hacer uso de estos conocimientos. Finalmente el algoritmo sería mucho más representativo en el segundo caso. Y lo mejor es que mientras se estaba desarrollando esas imágenes no “dejaron” de ser aprovechadas por otros doctores u hospitales ya que los datos siempre estuvieron presentes en todos los sistemas.

Podcast Café de datos – Suscríbete GRATIS

¿Cuáles son los retos y problemas desde nuestro punto de vista?

– Los datos son “no-rivales”, pero las ideas que generas con los datos ¿Qué son?

Una economía sin competencia y beneficios económicos para quien realice innovaciones puede entorpecer el progreso de una sociedad. Si los datos se vuelven un bien al que todos virtualmente pueden acceder en el momento en el que alguien tenga una buena idea como un algoritmo o una solución técnica tendrá menos barreras de competencia. Esto, tomando en cuenta que empresas como IBM Watson y Microsoft Azure vuelven cada vez más sencillo entrenar algoritmos

– ¿Cómo preciar los datos o productos de datos?

De acuerdo a la calculadora del Financial Times los datos de las personas valen más o menos de acuerdo a las dimensiones que puedan ser considerados.

En una economía que pretende generar un intercambio de datos entre personas y empresas ¿Cómo definir un precio? Los datos de una persona con padecimientos de salud valdrían menos o más que una persona sana. Podríamos caer en problemas de discriminación en algún momento

– ¿Y la privacidad a dónde nos lleva?

Hace un par de columnas escribimos sobre “social dilemma” el documental de NETFLIX que nos trae nueva luz sobre la privacidad de datos. Nos quedó claro el problema, pero por otro lado sabemos que la mayoría de la población digital no está sensibilizada sobre el uso de los datos que las empresas le dan a su información

Si cada quien va a ser libre de compartir su información por cierto precio ¿Quién va a ser responsable de educar a la población sobre estos temas? 18 años serían suficientes para vender tu información… considerando un mundo en el que influencers de 12 años cobran más de $100 dólares por un poco de tiempo en su instagram

– Hace falta profundizar en el valor de los intermediarios

En el blog “Location Intelligence” mencionamos algunos de los intermediarios de comercio de datos más importantes del mundo. Sin embargo no está claro qué tipo de empresa serían, cuál debería ser sus funciones y cómo evitar los conflictos de interés. Al menos este paper concluye mencionando que los intermediarios tendrán un rol protagonista en datos, pero no dejan claro cómo.

¿Para continuar investigando?

Recomendamos además de leer el reporte citado poder complementar con el postulado de CMINDS “Economía de datos e Inteligencia Artificial en LATAM”.

Por otro lado los invitamos a conocer nuestra propuesta de DATLAS MARKETPLACE. Algunos primeros esbozos de hacía donde postulamos una propuesta de cómo manejar un mercado de datos donde conectamos generadores y consumidores de datos.

Hasta aqui la columna de hoy ¿Cómo crees que en el futuro se comercialicen los datos? ¿Ves víable la existencia de más intermediarios al futuro y qué aspectos deberían de tener? Comenta y comparte esta nota

Equipo Datlas

– Keep it weird-

Fuentes:

**Bienes rivales y no rivales. Liga: https://sgcg.es/articulos/2016/12/25/bienes-rivales-y-bienes-no-rivales/#:~:text=Un%20bien%20rival%20es%20un,que%20puede%20darle%20otra%20persona.&text=Como%20contrapartida%20a%20los%20bienes,por%20parte%20de%20otras%20personas.

**Non-rivalry and the economics of data. Liga: https://pubs.aeaweb.org/doi/pdfplus/10.1257/aer.20191330

**Calculadora de valor de los datos. Liga: https://ig.ft.com/how-much-is-your-personal-data-worth/

**CMINDS Economía de datos en LATAM. Liga: https://guia.ai/wp-content/uploads/2020/05/Economia-de-datos-e-inteligencia-artificial-en-America-Latina.pdf

Hablando de Investigación y desarrollo en datos y más para el futuro ¿quienes son los mejores? – Podcast y Libros datlas

Hace un par de días tuvimos una plática muy interesante con Raúl Valdez, Director de Investigación y Desarrollo de la trasnacional HONEYWELL para nuestro podcast “Café de Datos”. Él nos platicó cómo desde México se está desarrollando e impulsando tecnología para el mundo. En este episodio compartiremos algunos puntos de vista complementarios de cómo pensamos que en el futuro se debería colaborar con investigación para datos.

Para entrar en contexto, conforme avanzamos en líneas de trabajo de investigación que implican innovación, desarrollo experimental y descubrimientos técnico hay que apreciar los casos de éxito que podemos revisar en el mundo. Otro punto importante es considerar factores relevantes sobre la diferencias de conceptos

¿Cuáles son los temas estudiar en la investigación?

A) Seleccionar temas de relevancia global y no local

La OECDE y la ONU establecen objetivos globales como “pain points” de poblaciones alrededor del mundo. En ocasiones los campos de investigación son poco aplicables a problemas del mundo real. Quedarse muy arriba en investigación no es desperdiciar recursos, pero los mejores proyectos son los que se vuelven sustentables al generar investigación que termine en productos o servicios que puedan ser monetizables.

B) Presupuestar en correcto balance la investigación aplicada y el desarrollo experimental

Investigación aplicada busca generar conocimiento a partir de la resolución de problemas de la sociedad y el sector productivo. Por otro lado el desarrollo experimental consiste en trabajos sistemáticos que aprovechan los conocimientos existentes y está dirigido a la producción de nuevos materiales, dispositivos o sistemas

C) Centro de innovación pública o privada

Pública es muy básica. Al menos en México, cada vez los presupuestos de CONACYT (Consejo Nacional de Ciencia y Tecnología) se reducen más y para investigadores se vuelven más complicadas las aplicaciones

Privada es muy específico para los intereses de la organización y las accionistas. Tal vez después se puede trabajar en más investigación

D) Ejemplos de países y compañías

CHINA

China le puso el ejemplo al sudeste asiático encabezando su inversión sobre investigación y desarrollo. Lanzó programas de alto rigo en universidades y aprovechó el bono demográfico de la gente que se trasladó de zonas rurales a urbanas buscando una mejor vida.

SAMSUNG

Para las empresas, Samsung es el caso de ejemplo. Es uno de los inversionistas más grandes del mundo además del productor de smartphones más grandes. Tiene alrededor de 12 centros de investigación donde constantemente busca cómo encantar a sus nuevos usuarios.

R&D Gasto: $14.9 billion (en dólares)

HINTS Y TIPS (Mencionados en nuestro podcast con Raúl)

– Cómo trabajamos de manera multidisciplinaria

– Cómo colaboramos ágilmente

– Casos de uso relevante

– Aprovechamiento de datos como puente entre investigación y aplicaciones prácticas

¿Donde aprender más?

Escucha el podcast aqui

Hasta aqui la columna de hoy. Recuerda dejar tus comentarios y compartir la columna.

Equipo Datlas

– Keep it weird –

Fuentes:

*R&D Compañías: https://spendmenot.com/blog/top-rd-spenders/

*R&D Países: https://en.wikipedia.org/wiki/List_of_countries_by_research_and_development_spending

*China: https://www.scmp.com/economy/china-economy/article/3025268/chinas-spending-research-and-development-118-cent-us275

4 P’s de Storytelling con datos – iNVESTIGACIÓN dATLAS

En analítica de datos y ciencia de datos puedes ser la o el mejor científico de datos, tener un doctorado o hasta conocer la tabla de distribución Z de memoria… pero sino sabes comunicar tu trabajo… a nadie le va a importar tus credenciales. En esta columna dedicamos un espacio para elevar a la conversación la importancia del “storytelling” de datos.

¿Qué quiere decir storytelling en español?

Se le denomina storytelling al arte de contar una historia para conectar con la audiencia de una forma más íntima. En ambientes institucionales, es un formato de presentación que convierte la atención en auténtico interés. Para que ese interés después pueda ser traducido en diálogo y acciones basadas en los datos recién presentados y no en intuición.

¿Por qué aplicar storytelling?

En ciencia de datos y en la presentación de datos numéricos es muy habitual “perder” a la audiencia por la pasión en comunicar en método en lugar de las respuestas. Storytelling como emisores de un mensaje nos obliga a integrar un inicio, conflicto, climax y final para que de manera breve podamos comunicar los hallazgos de nuestra investigación de una manera entretenida y práctica.

¿Cómo funciona el story telling?

I) RELEVANCIA EN LAS HIPÓTESIS

Para hacer una buena historia primero hay que tener un material qué comunicar. Esto quiere decir que si estamos generando un análisis de datos tengamos claro las hipótesis iniciales. Mismas que tienen que hacer empatía con el público para buscar su interés.

Por ejemplo, si estamos presentando los factores del 2020 que alteran el pronóstico de ventas y las líneas de ingreso que pueden participar de mayor manera en la recuperación entonces tengamos claro que las hipótesis en el público es que hay factores que afectan la venta a la alza y a la baja. Por otro lado también puede haber hipótesis como que las líneas de ingreso digitales son las que mayor recuperación van a impulsar.

En este sentido tendremos que buscar “relevancia” en las hipótesis y los temas que vamos a presentar.

II) COMENZAR POR LAS CONCLUSIONES

En el storytelling no hay nada peor que escuchar una historia y no saber a dónde va. Perderte en los personajes y el conflicto y en pocas palabras terminar más confundido que nada por esa historia.

Un consejo para atender esto es enumerar las 2 ó 3 conclusiones que se van a compartir del estudio. Muy puntuales. Si tu historia comunica más de 3 conclusiones, vas a perder a tu audiencia. Ten en claro que cada conclusión es un “capítulo” de tu historia. Por lo que esto te servirá para estructurar correctamente la presentación.

Otro tema importante es que antes de compartir estas conclusiones puedas compartirlas con un “grupo de control” para conocer sus impresiones y preparar respuestas en caso de que exista debate o dudas.

III) LOS FUNDAMENTALES DEL STORYTELLING

Usamos las 4 P

Personas (People) : Las historias necesitan personas o conceptos que tengan vida gracias al presentador. Puede ser un cliente , un usuario o revisar un dato desde distintas “cachuchas” o perspectivas

Lugar (Place): Lleva a las personas a dónde sucede la acción. Muestra imágenes del desarrollo y argumenta las implicaciones que tuvo la investigación

Proceso (Process): Cuál es el método y cómo se lleva el análisis a la vida. Puedes apoyarte de videos o gráficos con transciiones para que te entiendan. Aún y cuando seas un científico, trata de explicarlo en términos sencillos y prácticos

Productos (product): La historia tiene que tener un protagonismo y este puede ser alrededor del producto comunicado. Un buen producto o análisis no te garantiza una buena historia. Pero contar la historia de porqué un problema provocó una inquietud y en consecuencia trabajar en tu análisis es lo que podría cautivar a un público.

IV) FORMA, POSTURA y LENGUAJE ADECUADO

Finalmente es importante cuidar la forma. Una presentación corta, forzar a 20 ó 30 minutos la presentación de la historia con algunas pausas preguntando ¿Todo claro?

Cuando presentemos gráficos, es un mensaje por gráfico y un gráfico por lámina. No abarrotemos de 10 mensajes una sóla gráfica, tratemos de destacar y si es una gráfica que tiene varios componentes ir apareciendo cada uno de los cambios punto por punto

En postura, si es presencial, hay que buscar generar empatía, compartir un estilo personal y ser extrovertido al momento que presentamos. Tratamos de ver a los ojos a todos los asistentes al menos durante algún momento de la presentación

En cuestión de lenguaje, una presentación de resultados requiere un campo de dominio. Si le presentamos ventas a un área comercial puede que tomen en cuenta las ventas sin impuestos. Pero si es para el área de tesorería pensarán lo opuesto. Hay que clarificar al inicio de la presentación o con notas al pie de página de qué manera son estimadas los términos numéricos. Otro tema importante es hablar en sus términos y en sus conceptos de negocio. Ejemplo si a los clientes se les llama usuarios, entonces llamarlos así para generar una mayor empatía.

CONOCE NUESTRO EJEMPLO

CIERRE

Storytelling es mucho más amplio de lo que alcanzamos a compartir en este blog. Pero lo que podemos destacar es que si eres alguien que trabaja con análisis de datos te recomendamos tener un buen balance en el manejo de matemática, visuales y narraciones. Buscas el punto “dulce” en lo que estos 3 campos se intersectan.

Te recomendamos continuar estudiando, aprender escuchando podcast como Café de datos, continuar leyendo investigaciones en nuestro BLOG Datlas o leer este libro “Storytelling with data”.

Equipo Datlas

– Keep it weird –

Referencias

Crunching data is not enough. https://blog.adverity.com/crunching-data-need-tell-stories

3 reflexiones sobre “social dilemma” (el dilema de las redes sociales) documental en netflix y un ejemplo mexicano- COLUMNA DE OPINION DATLAS

Algún tecnólog@ una vez dijo:

” Si no estás pagando por el producto, entonces tu eres el producto ” – Sin referencia correcta-

Escucha el capítulo SOCIAL DILEMMA en: https://open.spotify.com/episode/6IXLt4ink5DYhzkBCjlPHN

En una economía digital donde las FAMGA (Facebook, Apple, Microsoft, Google, Amazon) tienen un montón de “aplicaciones gratuitas” para la comunidad hay que cuestionarse porque enviar un mensaje de Whatsapp es tan fácil y gratuito, esa estancia de Facebook de 2 minutos se extiende a 20 minutos porque los videos están muy buenos o cómo la estética digital y comunitaria que construyen redes como Instagram se inclinan a mostrar un lado “perfecto” de la vida.

Estos y otros puntos se presentan en el nuevo documental que se puede ver en NETFLIX “The Social dilemma” o “El dilema de las redes sociales” que explora cómo la digitalización de nuestra vida ha sido impulsada por los negocios que promueven las redes sociales. Y este negocio se acompaña de problemas como falta de privacidad, algoritmos que nos producen adicciones y el poder social que han logrado desarrollar.

En esta columna recopilaremos y sintetizaremos 3 reflexiones sobre esta película. Te recomenas ver primeramente este trailer:

**También te puede interesar: 3 reflexiones de “The Great Hack”, Nada es privado

Para poner en contexto primero hablaremos de cómo funciona el modelo de negocio de las redes sociales (mayormente) y después de las 3 reflexiones

MODELO DE NEGOCIO EN REDES SOCIALES y GOOGLE

Una empresa como Facebook o Google ¿Qué son? ¿Una red social, una empresa de internet, una empresa de mercadotecnia, un negocio para promocionar negocios, una casa de subastas o qué? En realidad un poco de todo.

Las empresas más grande de internet (FAMGA) operan bajo un modelo de negocios en donde conectan anunciantes con usuarios relevantes. Debido a esto las compañías de tecnología recopilan datos de usuarios para generar segmentos de usuarios con gustos, intereses y preferencias similares. Estos grupos son ofrecidos en “subastas” a los anunciantes donde se realizan ofertas para que sus anuncios o contenidos estén prioritariamente destacados en las búsquedas que hacen los usuarios o durante su estancia en internet.

En este sentido se imaginaran que estas compañías contratan filósofos, desarrolladores de videojuegos, programadores, expertos en ciencia de datos, expertas en UX y UIX para volver la experiencia más adictiva y relevante. Porque el nombre del juego es … del total de tiempo que pasa en internet un usuario cuánto le dedica a mi plataforma.

Según el documental, existen 3 palancas importantes que las estrategias de las grandes empresas de redes sociales buscan:

1) Engagement – Seguir scolleando

2) Crecimiento – Son sitios que hacen que regreses mediante notificaciones y que invites a más amigos a las comunidades

3) Advertising – Que genere dinero por contenido pagado

AI en la película

Por otro lado, en contexto, estas grandes compañías venden “certidumbre” lo que quiere decir es que tienen que generar buenas predicciones para ofrecerle una clientela relevante a los anunciantes. Y para generar eso necesitas muchos, muchos…muchos datos.

3 REFLEXIONES DE SOCIAL DILEMMA

1) En una generación donde hay que estar conectados siempre (o casi siempre) hay un tercero infiltrado que financia manipulaciones

Casi 1 de cada 7 personas en el mundo nacieron conectados, es decir en un mundo con internet. No muchos conocerán esa frustración de contar con un internet de 56kb que te quitaba la linea telefónica o internet muy muy lento. Pero en los últimos 10 años conforme se incrementaba la velocidad de nuestra conexión nuevas compañías como Facebook emergían aprovechando esta oportunidad para conectar a más personas.

Sin embargo, esto no puede ser gratis si lo quieren hacer bien y rápido. Si verdaderamente redes sociales como Facebook van a llegar a conectar a todo el mundo tienen que tener buenas fuentes de ingreso. Por esa razón siempre que usemos una red social hay que estar conscientes de que hay un 3ero en cuestión “financiando” o “patrocinando” esa conversación.

¿Dirías lo mismo ahora que sabes que alguien que no quieres que te escuche te está escuchando? ¿Compartirías las mismas fotos? ¿Pertenecerías a las mismas comunidades? Son temas a reflexionar…

2) Evolucionamos para ser seres sociales en grupos de 50 ó 100 personas. Pero no para socializar con 10,000 personas y tener su aprobación (Like, corazón, etc)

Las redes sociales en automático nos conectan con miles de personas. A nuestro alcance virtualmente está contactar a una buena parte de la población con accede a internet. Sin embargo ¿Estamos preparados para esto?

Los algoritmos en las redes sociales nos han acostumbrado a las recompensas. Como los económistas de comportamiento y sociólogos establecen se pueden entrenar a las masas a estos incentivos ¿Se acuerdan de algo así en una serie llamada Big Bang Theory? (0:40 en video de Youtube)

Subimos el contenido, si alguien nos da Like o similar nos refuerza para seguir hablando del tema o publicando. Por otro lado si subimos esa foto donde en lugar de los 100 likes sólo obtenemos 10, muchos cuestionamientos comienzan al grado de querer eliminar la foto o peor querer alterarnos físicamente para que la foto pueda obtener mejores impresiones.

3) Las redes sociales son herramientas de persuasión. Los paises se pueden invadir sin cruzar fronteras físicas, sólo digitales

Entonces si las redes sociales se financian con grupos de interés y organizaciones, además tienen la capacidad de premiarnos e “incentivarnos” por nuestros acto gracias a los algoritmos sociales inteligentes que han creado entonces estamos creando una máquina “casi perfecta” de manipulación.

Jeff Orlowski, director del documental y uno de los protagonistas, establece junto a un grupo de expertos que a este ritmo un país que identifique cómo aprovechar las redes sociales puede invadir a otro sin cruzar fronteras físicas ¿Les suena a intervención electoral? ¿Confusiones que el 5G es el provocador de COVID-19? o ¿Marcas pro-causa ? Detrás de todo esto hay grupos de intereses aprovechando redes sociales.

**Recuerda que puedes descargar GRATUITAMENTE nuestro DATA PLAYBOOK más reciente “Ciencia de Datos a la Mexicana”. Click aqui

CONCLUSIÓN

A voz del director de esta serie, nosotros construimos estas cosas tenemos responsabilidad de cambiarlas antes de que sean demasiado gracias. La reflexión final es que hay que educarnos más sobre las capacidades de estas máquinas que diariamente guían nuestro día a día. Los incentivos económicos para crear mejores algoritmos para las compañías seguirán creciendo conforme más inversionistas tengan. Estos algoritmos, en su evolución, buscará la manera de ser más “seamless” o transparente en su experiencia. Mientras tanto hay que proponer iniciativas como cuotas de uso, transparencia de redes sociales Entre otros.

UNA DE AZÚCAR PARA EL TEMA, CASO MEXICANO

Recientemente Facebook acaba de liberar una herramienta que brinda transparencia sobre los presupuestos en campañas de redes sociales para políticos. Obviamente no encontramos los de Trump, Bide u Obama… pero para nuestro amado México, más específico Nuevo León, México se liberaron los siguientes datos.

¿Crees que los partidos políticos están aprovechando las redes para influenciar nuestra forma de pensar? (No nuestro voto, nuestra forma de pensar? O sólo se trata de anuncions insignificantes

Déjanos tus comentarios y comparte este blog

Equipo Datlas

-Keep it weird-

Fuentes

Aprender ciencia de datos y big data – 3 apuntes para empezar YA – Datlas manuales

El año pasado en nuestro blog “¿Cómo aprender ciencia de datos?” compartíamos distintos puntos prácticos para empezar a rodearse de círculos y proyectos de analítica donde cualquier usuario interesado podría atender.

En un par de meses la diversidad de puntos de aprendizaje se ha incrementado. Desde podcast, como “Café de Datos”, hasta cursos en línea de todo tipo de nicho dentro de analítica. Pero el día de hoy en esta columna queremos compartir 3 recursos de utilizad que no te puedes perder si quieres aprender de ciencia de datos este 2020-2021.

Apunte 1) Sigue grupos relacionados a Data Science (ciencia de datos) en Facebook y Linkedin

*Data Science – R & Python

*Data Science

*Data Science Beginners (Para principiantes)

*Machine Learning and Data Science

*Data Science Central

En español:

*Data Science Monterrey

*Ciencia de datos con R

¿Donde aprender ciencia de datos o big data? Desde tu escritorio. Estos grupos en redes sociales en realidad son comunidades de aprendizaje. Personas como tú, que en algún momento quisieron incrementar su acervo en Data Science y han encontrado algunos atajos en su camino que quieren compartir.

Si decides entrar a estos grupos y eres aceptad@. Recuerda que lo importante es: Cumplir con las reglas de las comunidades, aportar conocimiento, preguntar y generar diálogo.

Apunte 2) Sigue cuentas de líderes de opinión en data science

* Asif Bhat – Data Analytics

*Randy Lao – ClaoudML.com

*Kyle MCkiou – Data Science Dream Job

* Favio Vázquez – Scientist

*Eric Weber – Yelp

*World Economic Forum

En español

* Ricardo Alanis – Head of Data Science, Nowports

* Aldo Valadez – Director de Analytics en Banregio

* David Puente – Director de analítica avanzada en ARCA CONTINENTAL

Apunte 3 – Busca contenido de calidad y Gratuito en tu idioma

*Podcast “Café de Datos”

* Data Playbook I – Estrategia de Datos para tu negocio

* Data Playbook II – Generando estrategias de Big Data en tu organización

* Data Playbook III – Ciencia de datos a la mexicana (Lanzamiento 15 de Septiembre del 2020 )

Y si conoces alguna otra fuente de valor compártela en @DatlasMX para que podamos darle compartir y mejorar este contenido para todos.

Hasta aqui la columna de hoy. Nos queda invitarte de manera enérgica a que descargues nuestro Data Playbook Vol. III

Descarga AHORA y aprende sobre ciencia de datos

Saludos y si eres mexican@ disfruta este grito en casa.

Equipo Datlas

-Keep it weird-

Referencias:

Lista de Shrashti Singhal: https://gist.github.com/ShrashtiSinghal

Liga de imagen: https://blog.followclass.com/2016/11/22/the-future-of-education/

ciencia de datos a la mexicana, próximo lanzamiento de playbook en 2020 – datlas MANUALES

La ciencia datos en el 2020 no debería ser “ciencia de cohetes” (rocket science) o no se le debería de ver como una caja negra. Está comprobado que “Lo que no se mide no se puede mejorar” y ahora, actualizando esta frase, “Lo que no se mide, no se analiza matemáticamente y no se socializa no se puede mejorar”. Absolutamente de esto se trata la ciencia de datos aplicada para convertir esos datos en historias (insights) y esas historias en accionables.

Uno de nuestros motivadores con Datlas ha sido desarrollar contenido para incrementar el entusiasmo y la aplicación por la ciencia de datos. Este año lo hemos hecho logrando más de 65 mil hits en nuestro blog, más de 4,000 escuchas en nuestra primera temporada del podcast “Café de Datos”, patrocinando el hackathon estudiantil más grande de México y dando más de 30 conferencias y webinars a empresas y estudiantes del ecosistema de transformación digital.

compartir experiencias e incrementar en conjunto el uso de plataformas de big data, analítica e inteligencia artificial.

**También te puede interesar nuestros Data Playbook Volumen I y II desde nuestro marketplace. Da click aqui para obtenerlo GRATIS.

Ahora te presentamos nuestro Data Playbook Volumen III”, nuestra tercera edición del compilado de nuestros aprendizajes como startup en crecimiento. En este contenido encontrarás definiciones de conceptos, metodologías y, lo más importante, aplicaciones de ciencia de datos. Contamos con lujo de detalle desde la construcción y desarrollo de modelos de respuesta inmediata, estrategias para el sector turismo, plataformas de inteligencia para “Dark Kitchens” hasta estrategias de analítica para aseguradoras. Finalmente sensibilizamos y ampliamos la conversación de nuestro podcast sobre privacidad e inteligencia de ubicación (“Location Intelligence”).

Solicita aqui para ser parte del lanzamiento este 15 de septiembre

En concreto compartiremos muchos de los métodos y aplicaciones prácticas que hemos desarrollado en el último año para negocios y gobiernos. Este tipo de lecturas le servirá a personas que están interesadas en aprender más de ciencia de datos asi como quienes ya están aplicando casos en organizaciones. Lo importante es conocer qué alcances existen, cómo prepararse y cómo acompañarse de startups o empresas aliadas que ayuden a las organizaciones a llegar ahí más rápido.

Hasta aqui la columna de hoy, estamos muy entusiasmados por este lanzamiento que llevamos en el equipo más de un mes preparando. Las y los invitamos a suscribirse en el bloque superior para recibirlo GRATIS.

Equipo Datlas

-Keep it weird-

HACKMTY Digital y reto Datlas “Predictor de Choques y Siniestros”, aqui los ganadores… – Datlas Ecosistemas

Un hackathon es un término usado en las comunidades de “hackers” o programadores para referirse a un encuentro cuyo objetivo es desarrollar nuevas ideas en poco tiempo. Pueden durar desde un par de horas hasta un par de semanas. En la época contemporánea, se han utilizado para generar ideas que terminen en MVP (productos mínimos viables o prototipos) que resuelvan retos sociales y económicos.

El #HackMTY es un evento organizado por el TECNOLÓGICO DE MONTERREY y es reconocido como el “hackathon” más grande de México enfocado para estudiantes que buscan un grado de licenciatura (donde están las ingenierías) y maestría.  El evento está abierto a la comunidad TEC DE MTY y estudiantil. En esta ocasión se realizó el evento de manera digital.Aqui puedes ver su instagram para que conozcas un poco más.

Datlas_Blog_Promo_SuscriberFree

El pasado fin de semana, 24 horas contadas del mediodía del sábado 29 de Agosto a las 12:00pm del domingo 30 de Agosto del 2020 se llevó un hackathon donde desde Datlas participamos postulando un reto y siendo patrocinadores. En esta columna documentaremos cómo vivimos el evento y los resultados obtenidos

El pase de diapositivas requiere JavaScript.

Como empresas participantes existe la figura de “sponsors” y la de “sponsors que publican retos”. En esta ocasión nosotros publicamos el reto “Desarrollar un sistema de predicción de choques y siniestros de vehículos para Nuevo León, México”. La explicación del reto se encuentra en el siguiente video

La gestión del evento y comunicación se realizó en un canal de DISCORD poblado con más de 300 participantes, jueves y empresas sponsors. Nos organizaron generando canales para cada uno de las empresas que postulamos un reto y finalmente los participantes seleccionaban en qué reto querían participar. Este reto era el que de manera preponderante, buscaba soluciones de ciencia de datos.

Una vez que los equipos se suscribieron a los retos, por nuestra parte les compartimos unas sencillas guías y bases de datos para que se pusieran a trabajar. Más tarde alrededor de las 4:30pm desarrollamos un workshop en donde compartimos algunos tips sobre qué orientación podrían darle al reto. Aqui la presentación:

Las ligas a los mapas de ejemplo son:

Datlas_Promo_Facebook_Suscribe

Lo que transmitimos en este taller y que buscamos sensibilizar a los participantes es que este reto tiene el objetivo de desarrollar análisis, modelos predictivos y prescriptivos que puedan impulsar sugerencias para 2 públicos:

1) Gobierno: para impulsar mejores a las vialidades y mejoras al patrullaje de tránsito

2) Empresas aseguradoras: para mejorar sus niveles de servicio ubicando a sus ajustadores más cerca de las zonas donde potencialmente ocurrirá un choque

Después de este breve taller resolvimos algunas dudas y orientaciones que nos hicieron llegar a nuestro canal para pasar al día domingo esperando las premiaciones. Este día a mediodía era cuando los equipos se preparaban para hacer sus presentaciones estelares a los jurados del HACKMTY y a los postuladores del reto para ser calificados y competir por los primeros lugares.

WhatsApp Image 2020-08-31 at 9.20.10 AM

Desde Datlas, los criterios que usamos para calificar fueron los siguientes:

Datlas_hackmty_rubrica

La presentación de los participantes estuvo increíble. Los equipos trabajaron arduamente durante 24 horas y su esfuerzo dio frutos. Realmente quedamos impresionados con el componente social que los participantes agregaron y las técnicas de ciencia de datos que mostraron. Aqui una breve reseña de algunos de los participantes:

Finalmente, como ganadores internos:

  • Mención honorifica para el equipo ENIGMA, quienes los integrantes son estudiantes de la maestría en ciencia de datos, por haber integrado y considerado la mayor cantidad de información contextual en su modelo de una manera eficaz
  • Como ganadores del reto tuvimos al equipo ALPHA TAURI quienes documentaron su proyecto en este repositorio de GITHUB y su plataforma aqui

Estamos muy contentos porque estos participantes del reto terminaron en el TOP TEN GLOBAL del HACKMTY , por lo que participaron por los primeros lugares del evento en el pitch final.

Felicitamos primeramente a los organizadores que hicieron posible el evento. Agradecemos la invitación y esperamos el siguiente año más sponsors se sumen con entusiasmo porque de verdad esta es una de las mejores formas de inyectar consciencia social e innovación en generaciones que se están preparando para salir al mundo profesional.

Top ten y ganador del reto (Video): AlPHA TAURI

Datlas_Promo_Podcast_Suscribe

Equipo Datlas

– Keep it weird –

Chief Data Officer: Ahora los datos tienen asiento en el consejo

Hace un par de semanas tuvimos la oportunidad de colaborar en un podcast muy interesante donde platicamos un poco la historia de Datlas, el tema del análisis de datos y algunas cosas más. Una de las partes más interesantes fue cuando de pronto el entrevistador dijo algo así como:

Hace unos años los diseñadores empezaron a tener tal relevancia que decían que los diseñadores merecían una silla en el consejo, ¿Qué opinas respecto a los científicos de datos o analistas de datos? ¿merecen su silla en el consejo?

Y fue ahí donde comenzamos a hablar de este famoso puesto llamado Director de Datos o Chief Data Officer (CDO). Para nuestra sorpresa, algunos miembros de la audiencia no estaban tan familiarizados con este rol, así que en la columna de hoy vamos a profundizar en las responsabilidades de un CDO y porque son relevantes para los negocios hoy en día.

Datlas_Blog_Promo_SuscriberFree

¿Qué es un Chief Data Officer (CDO)?

El CDO se define como aquel funcionario corporativo responsable del gobierno y la utilización de la información como un activo a lo largo de toda la empresa, a través del procesamiento, análisis, extracción de datos, comercio de información y otros medios. Los CDO generalmente reportan al director ejecutivo (CEO), aunque dependiendo del área de especialización, esto puede variar. El CDO es miembro del equipo de administración ejecutiva y encargado de supervisar el procesamiento y minería de datos en toda la empresa.

Un poco de historia…

El rol de gerente para el procesamiento de datos no se elevó al de la alta gerencia antes de la década de 1980. A medida que las organizaciones han reconocido la importancia de la tecnología de la información, así como la inteligencia empresarial, la integración de datos, la gestión de datos maestros y el procesamiento de datos para el funcionamiento fundamental de las actividades comerciales diarias, esta función se ha vuelto más visible y crucial. Este rol incluye definir prioridades estratégicas para la empresa en el área de sistemas de datos, identificar nuevas oportunidades comerciales relacionadas con los datos, optimizar la generación de ingresos a través de los datos y, en general, representar los datos como un activo comercial estratégico en la mesa ejecutiva.

8 Ways Chief Data Officers Can Help Healthcare Thrive

Con el aumento de las arquitecturas orientadas a servicios (SOA), la integración de sistemas a gran escala y los mecanismos de intercambio / almacenamiento de datos heterogéneos (bases de datos, XML, EDI, etc.), es necesario contar con un individuo de alto nivel, que posea una combinación de conocimientos comerciales, habilidades técnicas y habilidades interpersonales para guiar la estrategia de datos. Además de las oportunidades de ingresos, la estrategia de adquisición y las políticas de datos del cliente, el CDO se encarga de explicar el valor estratégico de los datos y su importante papel como activo comercial y generador de ingresos para ejecutivos, empleados y clientes. Esto contrasta con la visión anterior de los sistemas de datos como simples sistemas de TI de back-end o soporte.

Registros indican que los primeros nombramientos de CDO en corporativos se dieron en el año 2002.

El CDO en la actualidad

De acuerdo a datos de Forbes en 2012, solo el 12% de las Fortune 1000 tenían un CDO. Para 2018, el 67.9% de las firmas encuestadas reportaron tener un CDO.

El CDO también puede ser responsable del análisis de datos (data analytics) y la inteligencia empresarial (business intelligence), el proceso de extraer información valiosa de los datos. Algunas funciones de gestión de datos pueden recaer en TI.

Ronald van Loon en Twitter: "The evolution of the chief data officer role  [#INFOGRAPHICS] by @EdBurnsTT @BizAnalyticsTT | Read more at  https://t.co/tfiwb3apdr #MachineLearning #ML #DataScience #DeepLearning #DL  #BigData #Analytics #BI ...

Por sus siglas en ingles el Chief Data Officer (CDO) es muchas veces confundido con el Chief Digital Officer o Chief Digital Information Officer. La principal distinción radica en que el director de datos es la persona senior, con un enfoque comercial, que comprende la estrategia y la dirección del negocio, pero su enfoque está en cómo respaldar eso con datos.

Asimismo algunas organizaciones también utilizan roles como el Chief Information Officer (CIO) o el Chief Technology Officer (CTO) de forma indistinta con el de Chief Data Officer (CDO). Para hacer una clara diferenciación entre ambos nos gusta citar la analogía que hace Caroline Carruthers, directora de la firma de consultoria Carruthers and Jackson, ex directora de datos (CDO) de Network Rail y co-autora de “The Chief Data Officer’s Playbook and Data-Driven Business Transformation: How to Disrupt, Innovate and Stay Ahead of the Competition”. Ella utiliza la analogía de la cubeta y el agua para explicar la clara distinción entre un CDO y un CIO. Así lo explica:

El director de información (CIO) es responsable de la cubeta. Ellos son responsables de asegurarse de que la cubeta sea del tamaño correcto, que no tenga agujeros, que sea segura y que esté en el lugar correcto. El director de datos (CDO) es responsable del fluido que entra en el balde, sale del balde, que va al lugar correcto, que tiene la calidad adecuada y el fluido adecuado para empezar. Ni la cubeta ni el agua funcionan el uno sin el otro.

The Chief Data Officer | Deloitte

Finalmente, ¿Cómo se si necesito un CDO?

Sin duda el gobierno corporativo es una estructura que muchas veces se asocia a las organizaciones más grandes, empresas nacionales o internacionales. La realidad es que más allá del nombramiento o del puesto como tal, cualquier organización puede adoptar una figura que ostente el rol de CDO dentro de su compañía. Desde una startup hasta nuestros colegas PyMEs pueden adaptar este puesto, a su propia escala, para realmente tener una cultura centrada en los datos. Al final del día lo importante es que esta persona sea responsable de ver en los datos ese activo valioso para la empresa, sobre el cual se puede derivar un valor importante y muchas veces hasta una ventaja competitiva para el negocio.

Datlas_Promo_Podcast_Suscribe

5 ejercicios de ciencia de datos que todo e-commerce debería realizar – Datlas Manuales

En un e-commerce o tienda en línea cada click e interacción que se tiene con el sitio web es una oportunidad de almacenar datos para generar desarrollos que mejoren la experiencia del usuario. Y por ende, que puedan incrementar los ingresos o desarollar ahorros en la operación. Algunas preguntas que podrían salir al leer estadisticas en sistemas como google analytics serían:  ¿Por qué estarías cargando costos logísticos de un producto que ni si quiera se visualiza? ¿Si tu top 80% de ventas se concentra en 5 productos cómo te pudieras diversificar más? ó ¿Al usuario que adquiere zapatos cómo le recomiendo calcetines (productos similares?

**En la columna algunos términos están vinculados a otras columnas que hemos escrito que pueden apoyarte a incrementar tu conocimiento sobre el tema**

Datlas_Blog_Promo_SuscriberFree

Así como estos ejemplos, el E-commerce es uno de los sectores que más aplicaciones de ciencia de datos tiene por su abundancia de puntos de recolección de datos. En esta columna exploraremos algunas de las técnicas más utilizadas.

5 aplicaciones de ciencia de datos para e-commerce

1) Predicciones y pronósticos de venta en diferentes jerarquías de catálogo

Datlas_prediccion_gif

Los analistas y las personas en general somos buenos para pensar cómo podrían ser las cosas en el futuro, pero malos para puntualmente saber cuándo ocurrirá (¿Coronavirus o COVID-19? Imposible de predecir). Por otro lado la escuela de planeación de escenarios nos propone prepararnos para toda las posibles vetas que se abrirán al futuro dado nuestro contexto y las decisiones que tomamos.

Llevando esto al sentido del e-commerce, si buscamos una predicción de ventas para mejorar la toma de decisiones no solamente nos tenemos que basar en la venta de la última semana o mes. Podemos aprovechar todo el entorno digital, desde la lectura de tendencias que nos brinda plataformas como “google trends”, tendencias de facebook o platicas de twitter hasta la información interna del sitio como tiempo de estancia en sitio web, carritos sin pagar con ciertos artículos seleccionados, entre otros.

Es importante destacar, que la aplicación deberá aprovechar las bondades de ciencia de datos y capitalizar información a distintas jerarquías. Tradicionalmente en una oferta comercial se segmenta por: Categoría, subcategoría, segmento, subsegmento…. hasta llegar a producto. Esta estructura de datos nos permite aumentar la resolución al momento de generar análisis y predicciones. Entender si, por ejemplo ciertos “shorts o pantalones cortos” que vendemos en nuestra tienda están incrementando su venta porque toda la categoría de “ropa para verano” está creciendo o porque se trata de un comportamiento atípico.

2) Sistema de recomendaciones entre productos

El pase de diapositivas requiere JavaScript.

“Otros usuarios que compraron este producto también compraron…” ¿Te suena familiar? (También ocurre en netflix o en spotify cuando te recomiendan contenido de manera autónoma) Y es que en el mundo digital los sitios de e-commerce operan generan segmentos de manera dinámica. Esto significa que los comportamientos de compra entre grupos similares de de usuarios tienden a tener los mismos patrones.

En casos aplicados, almacenar los artículos que un usuario visualiza, qué tipo de correos electrónicos o campañas de marketing provocan clicks o usar sus cookies para aumentar la inteligencia en las recomendaciones son formas de pensar en algoritmos que nos puedan ayudar a generar un sistema de recomendación.

Es importante que en un inicio no queramos poner la vara tan alta si empezamos en cero.  Podemos comenzar trabajando en “batch”, es decir off-line, y cada 15 días actualizar el sistema de recomendación. A partir de los resultados podemos obtener mayor presupuesto y automatizar el flujo por completo.

Datlas_Promo_Facebook_Suscribe

3) Modelado de valor por vida (lifetime value) de usuarios

Datlas_LFTV

¿Cuál es la definición de “lifetime value”? Es una predicción del ingreso neto atributido a la relación futura con un cliente. En resumen, es el dinero que estimamos que un nuevo cliente nos pueda dejar a lo largo de la vida. Normalmente trabajamos este indicador de la mano del CAC (“Customer adquisition cost”). De esta manera una empresa como UBER o DIDI puede ofrecerte $150 MXN de viajes gratis porque sabe que hay una alta probabilidad de que en el primer año multipliquen por 10 el valor ($1,500 MXN de viajes en un año) una vez que descargues el app y sincronices tu tarjeta de crédito.

Fórmula:

(Valor de orden promedio) * (Número de ordenes repetidas) * (Tiempo que dura como cliente)

Este tipo de información puede ayudar para establecer objetivos de crecimiento de la página, optimizar estrategias de marketing, ajustar campañas y promocionales. Algunas empresas como Amazon o Rappi te proponen modelos como “prime” en donde te obsequian todas las entregas dado que eso representaría mayores incentivos para que seas su cliente durante más tiempo

4) Modelo de CHURN (identificar los clientes que puedes perder)

Datlas_Recomendacion_gif3

Así cómo podemos identificar de qué clientes podemos incrementar más la venta, también podemos identificar qué clientes son los que estamos a punto de perder. Un buen e-commerce administra métricas como: Número de clientes perdidos, % de clientes perdidos, valor de la pérdida de negocio recurrente, entre otros.

Si queremos trabajar en campañas de retención para disminuir el CHURN hay que primeramente identificar a los clientes. Normalmente lo hacemos por usuarios, pero también puede ser por su IP, atributos de pago (cuenta de paypal o últimos dígitos de una tdc o tdd) , horarios, comportamientos, entre otros.

Datlas_Promo_Podcast_Suscribe

5) Detección de fraudes

DatlaS_fraud

Finalmente, el fraude y los hackeos están a la vuelta de la esquina cuando se trata de negocios digitales. En E-commerce, el aprovechamiento y uso de tarjetas de crédito robadas para pagos por internet es uno de los casos de los que hay que prevenirse ¿Por qué? Por los contracargos. Esto es, en pocas palabras, una reclamación interpuesta por un tarjetahabiente ante el banco emisor por un cargo no reconocido a sus tarjetas. Como consecuencia el banco no le paga al comercio.

En una situación donde un ladrón de tarjetas roba datos, compra en mercadolibre, por ejemplo, el cliente afectado levanta un reclamo al banco, el banco no le paga a mercadolibre, pero mercadolibre ya había enviado la mercancia ¿Quién pierde? La respuesta es mercado libre porque esa mercancía que envío no va a ser pagada.

Existen en el mercado muchos motores antifraudes, tarjetas y listas negras, pero como e-commerce una empresa puede trabajar en su propia lista y mejor aún colocar un “puntuaje” a cada usuario que realice actividades sospechosas.

**Te puede interesar este blog donde escribimos las aplicaciones y casos de uso que podemos lograr si BANXICO o el gobierno libera listas de tarjetas que se reclaman por fraudes**

Datlas_Promo_Youtube_Suscribe

Hasta aqui la columna de hoy. Esperamos te haya servido y si estás considerando abrir un e-commerce o quieres conocer más sobre aplicaciones de analítica en estos canales de venta no dudes visitar nuestro marketplace y contactarnos para una llamada de brief.

Equipo Datlas

-Keep it weird-

 

Fuente de motivación:

https://towardsdatascience.com/5-data-science-project-every-e-commerce-company-should-do-8746c5ab4604

Temas: Inteligencia de Datos y Transformación digital