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-

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

Inteligencia Artificial y Big Data en los negocios, ¿Qué efectos tuvo el COVID-19 en estas tendencias? – DATLAS Investigación

A inicios de año se nos presentó un reto sin precedentes que afectó completamente la forma en la que hacemos negocios. En respuesta a este gran cambio muchas empresas hicieron un replanteamiento de estrategias y objetivos al final del primer semestre del año. Nosotros no fuimos la excepción, como proveedores nos tocó presenciar de primera mano como muchos negocios lidiaban en distintas maneras con este reto de la pandemia. Fue ahí, justo unos meses después del gran shock inicial que comenzamos a notar una revaloración que las empresas estaban haciendo respecto a sus datos, como un activo clave, y por ende acerca de tecnologías como la Inteligencia Artificial (I.A.) y el Big Data.

Datlas_Blog_Promo_SuscriberFree

Comprometidos con seguir aportando a nuestro ecosistema, y conscientes de lo que estábamos presenciando, organizamos un Programa de 6 Sesiones para este segundo semestre del año (una vez al mes) en donde exponemos con casos de negocios reales los beneficios que empresas de todos los tamaños han podido capitalizar el uso de datos y aprovechar estas tecnologías. Justo este viernes tendremos nuestra segunda sesión titulada “El impacto del Big Data y la Inteligencia Artificial en los negocios” y es por ello que, en esta columna, hablaremos de como estas tendencias han impactado el mundo de los negocios y que tanto la pandemia a “afectado” su adopción.

La relación del Big Data & la I.A.

Antes de profundizar es necesario dejar en claro la razón de hablar en conjunto acerca del Big Data y la Inteligencia Artificial. En un sentido general el Big Data se refiere a esta manipulación de grandes cantidades de datos o información en diversos formatos, mientras que la Inteligencia Artificial (I.A.) se refiere a programas computacionales que son capaces de emular actividades del cerebro humano como el aprendizaje con base a experiencia (eventos pasados). Siendo así, no podemos hablar de Inteligencia Artificial sin hablar de Big Data dado que para construir modelos o algoritmos de I.A. se necesitan datos, que precisamente son obtenidos y manipulados por el Big Data.

¿Qué impacto esperábamos hace algunos años?

Apenas hace un par de años (2018), según información de Deloitte, 9 de cada 10 ejecutivos afirmaban que los sistemas de I.A. transformarían sus modelos de negocio.

datlas_mx_blog_deloitte_encuesta

Además, se esperaba que la Inteligencia Artificial diera lugar a la aparición de nuevos perfiles profesionales que debían convivir con los ya existentes. Estos perfiles especializados abren un nuevo abanico de posibilidades innovadoras que afectan directamente a procesos y herramientas, que ven mejorado su rendimiento.

Impacto actual

Actualmente, lejos de verse mermado el acelerado crecimiento y adopción de soluciones de I.A., por ejemplo, se ha visto una expansión interesante a nivel mundial y también en Latinoamérica. En el caso de asistentes virtuales inteligentes (tipo Siri y Alexa) en Latinoamérica se manejan más de 850 millones de conversaciones en negocios B2B y B2C para atraer, generar, crecer y retener clientes. Y este es solo un tipo de aplicación y una de las múltiples formas de derivar beneficios.

Por otro lado, el Big Data se utiliza para promover productos, desarrollar mejores estrategias comerciales, llegar a los clientes, explorar nuevos mercados y audiencias objetivo, optimizar el flujo de trabajo, reducir los costos y obtener otras ventajas competitivas en el mercado.

Natural Language Processing: A Short Introduction To Get You Started |

Ahora bien, sabemos que no todos los negocios han sufrido esta pandemia de la misma forma. Existen sectores o industrias que han sido impactados de forma más crítica, mientras otros han podido lidiar con esto de una manera menos acelerada. De la misma forma el impacto que estas tendencias del Big Data y la I.A. han tenido en las distintas verticales de negocio ha sido variado, en términos de sus aplicaciones, pero igualmente relevante y trascendente. Por mencionar algunos ejemplos puntuales profundizaremos en industrias como: retail, marketing y publicidad, así como el transporte y logística.

Retail, Marketing y publicidad

La tarea más frecuente de las soluciones de Big Data está relacionada con la búsqueda de patrones de comportamiento que se puedan emplear para muchos propósitos. Comprender los hábitos y deseos de los clientes es la principal preocupación de cualquier negocio, y el análisis de Big Data es la única forma válida de lograr resultados precisos basados en un gran muestreo y cálculos extensos en lugar de intuiciones y experiencias personales.

Otra aplicación común de Big Data en las empresas de retail, marketing y publicidad es el análisis predictivo sobre la base de grandes conjuntos de datos. La mayor cantidad y volumen de datos permite obtener resultados más precisos, configurar más parámetros antes del análisis e incluso ampliar los temas y las posibilidades generales de pronóstico.

Qué es el Big Data Marketing y qué ventajas ofrece?

Transporte y logística

Las empresas de transporte también manejan grandes volúmenes de información sobre vehículos, pasajeros, equipaje y carga. La necesidad de administrar flujos de datos extensos con restricciones de tiempo estrictas impuestas por los horarios de transporte requiere soluciones de software de alto rendimiento diseñadas específicamente para Big Data.

El propósito práctico de tales soluciones radica en rastrear la entrega de carga, monitorear el uso y suministro de combustible, el estado técnico del estacionamiento de vehículos de la empresa, los controles de salud de los conductores y el horario de trabajo, así como muchos otros factores relevantes. De esta forma, las empresas pueden utilizar el software Big Data para priorizar la seguridad además de la optimización habitual del consumo de recursos y la mejora de la eficacia.

How does Big Data save logistics? - How does Big Data save logistics? -  Régens

¿Cómo pinta el futuro?

Los analistas empresariales predicen que los ingresos del mercado global de Big Data alcanzarán los 103 mil millones de dólares en 2027. No importa si tu empresa es grande o pequeña, siempre hay una forma de beneficiarse de las soluciones de Big Data. La ventaja más importante que ofrece esta tecnología es el conocimiento de las necesidades y los patrones de comportamiento de los clientes. Esta información, junto con los pronósticos de alta precisión permite a los empresarios diseñar estrategias comerciales efectivas en lugar de perder tiempo y dinero en el método de prueba y error. La capacidad de manejar grandes volúmenes de información utilizando soluciones de software automatizadas también simplifica enormemente la gestión empresarial, incluidos aspectos como mantenimiento, inventario, envío, carga de trabajo y otros.

Si quieres conocer un caso real aplicado de Big Data e Inteligencia Artificial y enterarte de como puedes tu mismo comenzar a aplicar estas tecnologías en tu negocio el próximo lunes, no te pierdas nuestra sesión este viernes. Inscríbete gratis aquí.

datlas_mx_6_sesiones_2S2020_bigdata_analytics_ia_sesion2_promo

Restaurantes en tiempos de rentas altas $ ¿Qué es una Dark Kitchen y cuáles son sus factores de éxito? – Datlas Investigación

Cuándo pensamos en inversiones de largo plazo muchos libros de hace 20 años van a sugerir las bienes raíces. Pero es una realidad que “los tiempos de los terrenos baratos” terminaron y la burbuja inmobiliaria es uno de los negocios que más se ha inflado por inflaciones ficticias y por una sobredemanda de espacios físicos.

En su contraparte, quienes tienen que rentar un local en una plaza comercial, habilitar servicios, instalaciones, estacionamiento, contratar personal, capacitar, comprar insumos, promocionar y atender de manera exitosa a sus clientes tienen retos operativos y financieros para sacar sus modelos de negocio adelante ¿Hay alguna manera de sacarle la vuelta o reducir la inversión de entrada? 

Datlas_Blog_Promo_SuscriberFree

En esta columna nos enfocaremos en el sector restaurantero y en cómo un concepto nacido en Inglaterra en respuesta a las altas rentas ha sido adaptado en México en tiempos de COVID-19. Hablamos de las dark kitchens o cocinas fantasmas. Y llegó para quedarse. Así cómo qué factores podría integrar una herramienta de inteligencia de datos y analítica para este subsector restaurantero.

***Te puede interesar: 13 TÁCTICAS DE RESPUESTA PARA RESTAURANTES Y SECTOR TURISMO EN ÉPOCA DE COVID19 – DATLAS RESEARCH

DatlaS_darkkitchen_cocinafantasma6

¿Qué es una dark kitchen o cocina fantasma?

Es un modelo de negocios gastronómico en tendencia que se enfoca en atender pedidos únicamente a través de reparto a domicilio. En China ya existen más de 7,500 dark kitchens, en India hay más de 3,500, mientras que en Estados Unidos están comenzando a ganar relevancia con 1,500 y en Reino Unido con apenas 750, señala el reporte de Euromonitor.

Exiten algunos formatos a tomar en cuenta:

  • Pura: Buscan espacios con excelente cobertura que los acerque a sus clientes potenciales en donde sólo instalan cocina y almacén de insumos para enviar pedidos a domicilio
  • Impura: Son espacios que tradicionalmente estaban preparados para restaurantes, se diseñó una experiencia y un “journey” para el comensal. Pero por tiempo de pandemia y en adaptación a la tendencia se tornaron en dark kitchen
  • Compartidas: Hay ubicaciones que tienen cocinas compartidas entre varios restaurantes. Es decir 4 marcas se ponen de acuerdo y en una misma cocina se prepara sushi, pizza, tacos y hasta postres
  • Híbrida: En momentos del día opera como restaurante tradicional y en otros momentos subarrenda su espacio para que otras marcas utilicen su espacio como dark kitchen

DatlaS_darkkitchen_cocinafantasma3

¿Qué característica tienen las dark kitchens?

  • La tasa de éxito de estos modelos son alrededor del 80%, la recomendación es buscar alimentos de tendencia
  • No tiene camareros o meseros, Sin ambientación y espacio para atender
  • Exigen una inversión menor que restaurantes físicos (entre un 15-20% menos)
  • Todos los menús en uno (Existe un menú más concreto para una marca sin tantas personalizaciones)
  • Las apps de delivery y pedido a domicilio son una extensión del negocio
  • Se preocupan por el “packaging” o el embalaje necesario para que la presentación del platillo se mantenga al momento de la entrega
  • La inversión en equipo es similar a esta: Estufa, refrigerador, horno, mesa de trabajo, sartenes, cuchillos, ollas, cazuelas, tablas, etcétera

El pase de diapositivas requiere JavaScript.

Recomendaciones para el éxito de una dark kitchen

1) Cuida tu oferta de platillos y alimentos. Cumple con calidad y supera expectativas. Sorprende.

2) Ofrece un muy buen servicio al cliente a distancia, busca fidelizar con algún programa de recurrencia

3) Ofrece precios competitivos. Considera que la cantidad de opciones al alcance son muchos más grandes que cuando estás en una calle de la ciudad. Compites contra más propuestas de valor, por lo que los precios deberán ser justos

4) Mejora tu comunicación. Domina y capitaliza las redes sociales para que puedas generar una experiencia lúdica y de antojo con tus comensales

5) Investiga qué beneficios ofrecen las plataformas de delivery y marcas. Algunas veces te dan créditos o se asocian en tu crecimiento siempre y cuando tengas una buena ubicación para tu negocio

***  También te puede interesar: ¿Cómo tener la mejor ubicación para mi tienda?

Datlas_Promo_Facebook_Suscribe

¿Qué tipo de inteligencia de datos se pudiera generar para dark kitchens?

Técnicas de análisis geo-referenciado o de big data que se han utilizado en la ubicación de otras franquicias pueden ser aprovechadas en estas circunstancias. Una buena investigación de datos podría darnos la siguiente información de un restaurante:

  • Nombre del restaurante
  • Ubicación geográfica
  • Id en Rappi, Uber Eats, SinDelantal, etc
  • Categoría de restaurante
  • Categoría de precio
  • Rating de Restaurante
  • Número de reseñas
  • Menú del restaurante

Un ejemplo de análisis exploratorio pudiera ser utilizando box-plot y validando para una serie de restaurantes cuáles es la media de precios identificada. Otra exploración es usar un gráfico de distribución para evaluar la distribución de precios de la oferta gastronómica en esa plataforma

El pase de diapositivas requiere JavaScript.

Podemos realizar una exploración de precios promedios por código postal, delegación o área conurbada. Otra variable de utilidad puede ser el rating. Entender cuál es el rating más alto y qué marcas de restaurantes se ubican en los extremos.

El pase de diapositivas requiere JavaScript.

Podríamos también generar nubes de palabras de los ingredientes o las palabras más usadas en un menú. Y darnos licencia para soñar para además de generar descriptivos empezar a cruzar variables.

Continuaremos avanzando en la generación de más inteligencia para el sector restaurantero así como para esta nueva tendencia del dark kitchen.

Datlas_Promo_Podcast_Suscribe

Hasta aqui la columna de hoy, te invitamos a escuchar nuestro podcast y a seguirnos en nuestras redes sociales. Te recomendamos

 

Saludos

Equipo Datlas

– Keep it weird-

 

Fuentes:

“Quiero poner una tienda en línea” más fácil decirlo que hacerlo. Los 4 errores típicos al iniciar en e-commerce

No es la primera vez que hablamos de comercio electrónico, tiendas en línea e incluso análisis de datos de puntos de venta, pero en esta ocasión queremos centrarnos en los principales errores que cometen los nuevos entrantes al mundo digital ya que, en los últimos meses, aunado al tema de la pandemia, hemos visto un crecimiento importante en individuos y negocios que buscan incursionar con una tienda en línea.  Es importante recordar que ya hemos descrito un plan para iniciar en e-commerce así como un caso de digitalización de anaqueles que tuvimos con uno de nuestros clientes. Si estas iniciando o quieres iniciar en esto del comercio electrónico leer estas 3 columnas evitara que seas uno más de los que se quedó en el intento.

Datlas_Blog_Promo_SuscriberFree

Error #1: “La tienda en línea es como una tienda física, pero abierta para que todo el mundo pueda comprar”

Sin duda existen algunas cosas similares entre la tienda en línea y la tienda física como, por ejemplo, la necesidad de tener inventarios. Sin embargo, la tienda en línea tiene una característica distintiva que la hace mucho más compleja que la tienda física y es precisamente: la logística. Mientras que en una tienda física estamos acostumbrados a recibir clientes, realizar una labor de ventas, cobrar y descontarlo del inventario, en una tienda en línea se agrega la complejidad de recibir la orden (u ordenes), generar el paquete (en caso de que haya adquirido más de un artículo) y preparar los envíos (porque generalmente mandas varios paquetes en una misma ruta). Asimismo, es importante contemplar que a pesar de técnicamente poder realizar una venta a cualquier individuo del “mundo” hay limitantes geográficas naturales que hacen que el costo de envío sea tan alto que saca de competencia a tu producto de ciertos mercados, es decir, sale más caro el envío que el producto y pues no se vende.

Tienda virtual o tienda física: ¿Cuál es mejor para mi negocio?

Error #2: “El producto se vende solo, simplemente hay que ponerlo a disponibilidad del público”

Muchos nuevos entrantes se concentran más en el logo y nombre de la marca, que de los productos que esta desplegando en el anaquel digital. A diferencia de una tienda física donde tenemos vendedores que interactúan con el cliente cara a cara y pueden realizar una labor de convencimiento o persuasión para generar una compra, en una tienda en línea existe la gran complejidad de que el usuario realiza su “viaje” completamente solo, sin interactuar con otra persona, por lo que se vuelve un arte el hecho de generar puntos de impacto durante ese “viaje” que ayuden a convencerlo. En esta labor se engloban desde las fotografías de los productos, hasta las descripciones exhaustivas de su contenido o elaboración, las recomendaciones de otros usuarios, la calificación que le dan con respecto a los distintos atributos que tiene, etc.

Zimbabwe E-commerce Shopping Cart | Webdev. Zimbabwe web hosting, domains,  web design, e-commerce, classifieds

Error #3: “Tu enfócate en vender, si compra ya la hicimos”

Otro de los grandes tropiezos que hemos visto en negocios o individuos que incursionan en el comercio electrónico es esta concepción de que el viaje del usuario termina cuando este procesa su pago y se completa su compra. Quizá en una concepción de tienda física de hace 15 años este pudiera haber sido el caso más común, pero hoy en día esta comprobado que es mucho más fácil retener a un cliente que ya ha consumido tu producto (siempre y cuando haya tenido una experiencia positiva) que obtener un cliente nuevo. Esto por el simple hecho de que el viaje desde el conocimiento, el interés y finalmente la venta es mucho más largo para alguien completamente nuevo que para alguien que ya inicia en la parte del interés. Es por ello que la relevancia de la recolección de datos, el almacenamiento de información y la analítica avanzada juegan un papel crucial al hablar de comercio electrónico. ¿O apoco Amazon no te ha “leído la mente” con sus sugerencias justo en el momento indicado?

How to Maximize E-Commerce Sales with Online Reviews • ECN | E-Commerce  Nation

 Error #4: “No se ocupa publicidad, nada más compártelo en redes”

Este es un error que va de la mano del #2, creer que el producto se vende solo gesta esta idea equivocada de que no hace falta publicidad dado que ya está en el mundo digital y por ende es de tan “fácil” acceso que lo único que se necesita es un par de buenas intenciones y compartirlo en las redes sociales de los 4 miembros del equipo.  Desafortunadamente vivimos en la era digital, la facilidad con la que alguien puede encontrar tu tienda es la misma facilidad con la que pueden encontrar a otros 300 proveedores de ese mismo producto, no solo a tus compatriotas sino incluso a oferentes extranjeros que manejan distintos precios o incluso productos complementarios que hacen que su oferta de valor sea más competitiva que la tuya. Todo esto sin mencionar que esos otros competidores que si invierten dinero en publicidad obtienen la ventaja de aparecer 30 lugares encima de ti en los buscadores, redes sociales y más.

7 Benefits of Hiring an eCommerce Marketing Agency - Worth of Blog

Finalmente, ¿Cómo evito estos errores?

Muy fácil: tómatelo enserio. Emprender una tienda en línea es un proyecto igual de complejo que cualquier otro y se debe tomar con esa seriedad para poder realizar una buena planeación y por consecuencia una ejecución coherente. Hablando específicamente de los errores mencionados podemos sugerir algunos accionables

Error #1: Se realista, delimita tu alcance geográfico de tal forma que simplifiques al máximo tu actividad logística. Por lo menos al inicio y planea una ruta de escalamiento que te permita controlar el crecimiento del negocio y llevarlo al siguiente nivel de manera ordenada. Asimismo, es importante evaluar el hecho de realizar la logística de manera propietaria o tercerizar el servicio, poniendo en la balanza algunas ventajas y desventajas de ambas resoluciones.

Error #2: Diseño centrado en el usuario. Ponte en los zapatos de tu consumidor y realiza el viaje de punto a punto dentro de tu tienda en línea, inspecciona cada detalle como si jugaras al “abogado del diablo”, esto te ayudará a anticiparte a algunas posibles quejas o razones por las que la gente pudiera abandonar tu tienda y a pulir cada detalle de la experiencia para asegurar una mayor probabilidad de conversión (venta).

Datlas_Promo_Youtube_Suscribe

Error #3: Genera un motor de inteligencia. La mayoría de las plataformas integradoras de comercio electrónico tienen una sección de analíticos que arroja algunos datos e indicadores interesantes de manera agregada, pero existe la posibilidad de que puedas personalizar algunos de estos reportes o incluso consultar y descargar los datos de forma que tú mismo realices análisis o visualizaciones para seguimiento y control. No es fácil, pero existen expertos en la materia con los que puedes colaborar.

Error #4: Genera un plan de marketing. Aunque sea con pocos recursos, pero debes tener en cuenta el perfil del cliente al que te quieres dirigir, ubicarlo geográficamente y también dentro del mundo digital para poder enfocar campañas que hagan valer la inversión que vas a tener que realizar, sobre todo si son pocos los recursos, hay que sacarles el mayor provecho. Nota importante: el perfil inicial de cliente que tu definas podrá cambiar, es parte de lo que los datos (que mencionamos anteriormente) te van a ayudar a profundizar.

Así que ya lo sabes, si estas batallando o de plano estas por iniciar y quieres evitarte el dolor de cabeza de lidiar con este tipo de retos, contáctanos, nosotros podemos ayudarte.

@DatlasMX

 

Emprendimiento de Inteligencia de Datos y Big Data