Archivo de la categoría: Data

¿Cómo encontrar clientes potenciales usando mapas? – Datlas Caso de Uso

Hace un par de años cuando le contábamos a la gente que hacíamos análisis de datos con mapas se nos quedaban viendo extrañados. Y es que la historia nos enseñó que el uso común de los mapas era para navegación, establecer rutas, indicar direcciones. Pero hoy en día la disponibilidad de datos geo referenciados (asociados a un punto geográfico, un punto en el mapa) nos ha permitido utilizar los mapas para realizar análisis más complejos, incluso de variables ajenas a temas de tráfico y navegación. En esta columna te vamos a explicar cómo puedes utilizar el mapa Premium de Datlas para encontrar nuevos prospectos, justo como lo han hecho nuestros clientes. Quédate hasta el final y obtén una sorpresa que te ayudará a adquirir tu licencia premium de inmediato e iniciar hoy mismo a prospectar nuevos clientes potenciales.

free_Suscriber

El proceso es muy sencillo, no importa si vendes productos o prestas servicios, el paso #1 es: la delimitación geográfica. Estamos seguros de que tu producto es único y tu servicio es inigualable, que pronto todo el mundo se va a pelear por adquirirlo, pero analizar todo un continente o un país te puede provocar dolores de cabeza. Es por ello que en DATLAS hemos dividido nuestros mapas por estados. Por lo tanto, debes elegir el estado en el que se encuentra la zona donde te quieres enfocar para encontrar a tus prospectos. Para ejemplificarlo de forma sencilla usaremos el caso de Carolina, una joven que vende repostería a través de redes sociales, principalmente en Monterrey. Ella estaba buscando expandir su mercado y comenzar a vender en San Pedro Garza García. Por lo tanto, la plataforma que vamos a utilizar para este ejercicio será el Mapa Premium del estado de Nuevo León, disponible en nuestro Marketplace.

datlas_marketplace_mapa_premium_NL

Una vez definida la geografía que vas a analizar, el paso #2 es: definir el perfil de tu cliente objetivo (o mercado meta). Si eres dueño o parte de una organización que tiene años operando, será mucho más sencillo ya que conoces las características generales de tus clientes actuales y con ello puedes establecer un perfil con ciertos atributos a buscar. Por otro lado, si eres un emprendedor que está iniciando su negocio definir el perfil del cliente objetivo será un ejercicio distinto, basado en el problema que resuelves y el tipo de solución que has diseñado. Para el caso de Carolina ella definió a su cliente objetivo como: mujeres entre los 24 y 31 años de edad, con estudios universitarios o superiores, que tuvieran una capacidad de pago de $1,000 MXN o más.

datlas_mkdo_meta_perfil

Una vez definida la geografía de enfoque y el perfil de cliente que buscas es momento de entrar en la plataforma. Si has tenido la oportunidad de probar nuestro DEMO seguro sabrás como navegar y que atributos están disponibles, si no es así te invitamos a suscribirte para tener conocimiento de algunas de las variables y herramientas que estaremos comentando.

Una vez dentro de la plataforma fácilmente podrás reconocer que los polígonos que aparecen al inicio son interactivos y que al dar click en ellos se revela un pop-up del lado izquierdo con alguna información relevante. Y es justo ahí en donde podrás encontrar la información demográfica y socioeconómica que en este caso Carolina estaba buscando.

datlas_mapa_premium_nl_popup_poligono

Ahora bien, ya identificaste donde está la información ¿qué sigue? ¿checar uno por uno todos los polígonos? ¡Por supuesto que no! para eso hemos habilitado la herramienta llamada búsqueda específica que se encuentra justo en la barra lateral derecha. Esta herramienta te permite establecer un área dentro del mapa y buscar aquellos polígonos que cuenten con características específicas, como por ejemplo mujeres de 24 a 31 años.

datlas_mapa_premium_nl_busqueda_especifica

Una vez identificada la herramienta el siguiente paso es establecer los criterios de búsqueda. En este caso podrás observar que los rangos de búsqueda para variables como “Mujeres” (cantidad de mujeres) desde 0 hasta un máximo (ej: 1547). En el caso de Carolina, podemos hacer un cálculo simple para establecer la cantidad de mujeres que necesitaría encontrar: si Caro quisiera atender 3 bodas cada fin de semana del mes estaría buscando generar 12 clientas. Si su porcentaje de conversión es del 10% eso quiere decir que debe estar buscando una zona con 120 clientas potenciales (prospectos). Siendo así el criterio de búsqueda para el tema de mujeres debería tener como mínimo 120.

Ahora bien, Caro no solo busca mujeres, sino mujeres de cierta edad, así que el segundo paso sería establecer un rango para las edades de 25 a 31. Es importante notar que los datos de edades son agregados, es decir, contemplan tanto a hombres como mujeres por lo que un cálculo simple pudiera ser el siguiente: navegando en la plataforma notamos que la mayoría de las veces la proporcionalidad de hombres y mujeres es de alrededor de 50-50% por lo tanto, usando esta simple regla de dedo, si queremos encontrar 120 mujeres y el rango de edades contempla hombres y mujeres, pudiéramos establecer un mínimo de 240 para la variable de edad de 25 a 31.

Finalmente, Caro buscaba que tuvieran una capacidad de pago de $5,000 MXN o más. Aquí es importante contextualizar. El dato socioeconómico que manejamos es el de ingreso promedio, por lo tanto, si buscamos que sean personas dispuestas a gastar $5,000 MXN en su organización de bodas habría que buscar que su ingreso promedio sea superior a esta cantidad. Para simplificar el ejercicio, en este caso, lo haremos buscando ingresos de $10,000 MXN o más.

El pase de diapositivas requiere JavaScript.

Finalmente, el resultado es muy simple: en color rojo verás todos aquellos polígonos dentro del área que has establecido, pero que no cumplen con los criterios de búsqueda. Por otro lado, los polígonos en color amarillo serán aquellos que cumplen con las características establecidas. De esta forma puedes identificar rápidamente las zonas en donde se encuentran tus prospectos. Con esto, Caro, tú y todos nuestros clientes pueden accionar campañas enfocadas, realizar trabajo en campo de una manera focalizada o muchas otras estrategias para capitalizar a ese mercado meta que ya has podido encontrar.

datlas_mapa_premium_nl_busqueda_especifica_resultado

Recuerda que esta es solo una de las multiples herramientas de análisis que integran nuestros mapas. Puedes combinar el uso de distintas herramientas para realizar análisis más complejos, comparar los resultados en distintas zonas y mucho más.

Puedes probar este ejercicio y todos los demás detalles suscribiéndote en nuestra pagina y probando la versión DEMO.

Si crees que ya estas listo para ponerte manos a la obra y captar más prospectos puedes ir directamente a nuestro Marketplace y aprovechar el código de descuento BLOG100 para obtener $100 MXN de regalo en tu primera compra de cualquiera de nuestros mapas Premium.

De esta manera concluimos el blog de hoy, mantente atento a todos los nuevos casos de uso, videos y nuevos lanzamientos que tendremos para ti.

Siguenos @DatlasMX

Dimensionando la industria de “Analítica de datos e Inteligencia Artificial” – Datlas Research

¿Cuántas empresas de analítica de datos existen? ¿En qué industrias están participando? ¿Quién está desarrollando Inteligencia Artificial? Hoy hablaremos del mapa de mercado desarrollado por “Firstmark”  (@matttruck). Desde Datlas, startup mexicana de analytics, dedicamos esta columna a profundizando en el dimensionamiento y la clasificación de la industria completa de analítica de datos e inteligencia artificial.

Mapa completo de industria al 2019

2019_Matt_Turck_Big_Data_Landscape_Final_Datlas
Descarga aqui: https://cloudup.com/ck5aIRPKNuU

Según el reporte podemos encontrar 7 industrias y 82 sub-industrias para la industria de “datos” (Analítica, big data e inteligencia artificial).  Ahora haremos un pequeño enfoque a cada una.

1) Infraestructura

Abrir una empresa de analítica de datos y de tecnología hace 20 años tenía como 80% del presupuesto dedicado a infraestructura. Comprar potentes procesadores y sobre todo capacidad de almacenaje físico. Sin embargo, en los últimos 10 años ha ido en incremento los oferentes de poder de cómputo distribuido y almacenaje por nube.

1_Infrastructure_Panorama_Datlas

2) Analítica y Machine Learning(ML)

¿Tableau? ¿Power BI? ¿Watson? la mayoría de sus servicios corporativos pertenecen a la vertical de la subindustria de analítica y ML.  En estas plataformas es posible encontrar soluciones para convertir datos en algoritmos o visualizaciones y así mismo en ventajas comparativas para una empresa.

2_Analytics_ML_Panorama_Datlas

3) Aplicaciones con enfoque a empresa

Hay otro segmento de soluciones prediseñadas donde participan las tecnologías de analítica de nicho. Soluciones para gobierno, industria inmobiliaria o financiera son alguno de los ejemplos de empresas que han generado soluciones tan específicas como para atender un nicho. Estas startups buscan como estrategia ser tan importante en la industria que se acerque algun gigante como IBM, Microsoft o Palantir para adquirir su participación en la industria.

3_Aplicaciones_Empresa_Panorama_Datlas

4) Analítica de infraestructura cruzada

Son compañías que desarrollan diversas plataformas suficientemente robustas como para adaptarse a distintas industrias. En su mayoría podemos entender estos desarrollo como empresas que buscan generar ecosistemas más que productos o servicios.

4_Infraestructura_Cruzada_Analytics_Panorama_Datlas

**Si te interesa conocer más de analítica de datos y Big data te invitamos a solicitar GRATIS el DATA PLAYBOOK Vol. II de DATLAS. Solicítalo aqui. **

Datlas_Playbook_prelaunch

5) Open source – Fuentes abiertas

Hay otro segmento de compañías, organizaciones y desarrolladores independientes que son fieles creyentes del “open source”. Esto hace referencia a los aplicativos que son gratuitos y mejorados por la comunidad que los utiliza. Aunque pareciera que no hay incentivos, casos de éxito como R, Hadoop o Linux , que son Open-source, son impulsores de cambios y mejoras en las industrias de manera significativa.

5_OpenSource_Panorama_Datlas

6) Fuentes de Datos y APIs

Los modelos de analítica y Big data requieren datos listos para ser consumidos. Es decir limpios, estructurados y actualizados. En este sentido hay una serie de empresas de fuentes de datos que se han encargado de desarrollar APIs o carreteras directas a fuentes de datos de valor.  Este es el caso, sobre todo, de aplicaciones móviles que recopilan datos de usuarios y como modelo de negocio comercializan esos datos.

6_RecursosdeDatos_Apis_Panorama_Datlas

Si quieres conocer más de este tema te puede interesar ¿Cómo funciona Location intelligence? el blog donde explicamos este tema a detalle

7) Más recursos de datos

Finalmente otros recursos de datos como las escuelas, incubadoras, centros de investigación o plataformas de retos de datos como Kaggle. Sin restarle importancia (Consideremos que Google ha adquirido un par de estas empresas), continua el incremento y las empresas que quieren ganar nombre desde verticales más tradicionales como consultoría, educación o desarrollo de patentes/algoritmos propietarios.

7_RecursosDatos_Panorama_Datlas

¿Qué opinas del tamaño de la industria? ¿Te imaginabas? Hasta aqui la columna de hoy si te gustó el contenido recuerda compartir y aprovecha nuestros descuentos en el MARKETPLACE DE DATLAS.

***BONUS 8 de Enero 2020*** CB Insights libera un reporte de Tendencias en Inteligencia Artificial donde estructuran las iniciativas de “Alphabet”. Parece que ellos están entendiendo como ir capturando la industria desde distintas empresas.

Alphabet_CB_Insights_KEY_AI_Initiatives_Google

 

Equipo Datlas

-Keep it weird-

 

 

 

 

¡NUEVO! Mapa Socios Datlas: Al servicio de agencias de investigación, firmas de consultoría y grandes corporativos.

Nuestra filosofía está basada en que, con la información y la tecnología adecuada, las personas podrán resolver problemas cada vez más complejos. Para mantenernos en sintonía con esta afirmación realizamos constantes esfuerzos en pro de los tres grandes pilares de nuestra empresa: la información, la tecnología y las personas. Durante los últimos años hemos realizado esfuerzos por integrar cada vez más y mejor información a nuestras soluciones, integrar lo mejor que hay en tecnología y finalmente, lo más importante, escuchar a las personas: nuestros clientes. Cada innovación que hemos realizado ha tomado en cuenta estos 3 pilares y es por ello que hoy nos complace presentarles nuestro más reciente lanzamiento: el Mapa Socios Datlas.

datlas_marketplace_socios_NL

Este nuevo modelo de licenciamiento nace a partir de nuestra relación con agencias de investigación y firmas de consultoría, entendiendo que hoy en día están teniendo su propia transformación digital, al igual que los negocios a los que les prestan servicios. El objetivo detrás de esta nueva herramienta es apoyarles a generar mayor valor a sus clientes. Quédate hasta el final y podrás ver el video de nuestro primer socio.

Pero ¿cómo es que estas agencias y consultoras han llegado hasta este punto? Hace falta entender un poco de historia, se las contamos en breve.

Para tomar una decisión basada en datos existe todo un proceso detrás que podemos simplificar en 5 etapas:

  1. Recolección de los datos
  2. Organización de los datos
  3. Análisis de los datos
  4. Generación de reportes de resultados
  5. Y, finalmente, la toma de decisiones

Esta claro que el valor agregado detrás de los servicios de las agencias y consultoras está en el análisis de la información, por lo que las etapas de recolección y organización de datos resultaban ser un “mal necesario” hace algún tiempo. Dado el contexto de los negocios y la estructura de estas organizaciones, generalmente delegaban este trabajo a un solo miembro de la organización por lo que estas etapas se volvían intensivas en consumo de tiempo y recursos.

datlas_proceso_tiempo

Conforme los negocios fueron evolucionando, comenzaron a exigir cada vez un menor tiempo de respuesta para estos servicios y las agencias y consultoras, muy acertadamente, comenzaron a distribuir el trabajo entre un equipo de personas, logrando beneficios directos.

Pero actualmente el contexto ha cambiado de una forma disruptiva. Hoy en día los negocios no solamente exigen una inmediatez en la respuesta sino una capitalización del valor que saben que esconden sus datos. Y es precisamente en este punto donde, en conjunto, hemos desarrollado una solución que permite a Datlas encargarse del trabajo duro de la recolección y organización de los datos, para que nuestros socios puedan enfocarse directamente y de lleno al análisis de la información y la derivación de accionables de valor.

datlas_proceso_tiempo_optimizado

De esta manera hemos logrado diseñar una plataforma completamente nueva que capitaliza la experiencia que hemos tenido en Datlas y fusiona los grandes conocimientos de estas agencias y firmas de consultoría, dotando a nuestros socios de toda la información de forma inmediata y también permitiéndoles integrar y personalizar capas de datos que ellos puedan manejar de sus clientes.

El pase de diapositivas requiere JavaScript.

Finalmente, te invitamos a escuchar de todos lo que puedes lograr como Socio Datlas desde la voz de nuestro primer socio:

datlas_mapa_socios_testimonio_KM_Galera

Si conoces a alguien que pudiera ser Socio Datlas o tienes alguna duda por favor escríbenos a direccion@datlas.mx y con gusto te apoyaremos. Con tu ayuda seguimos creciendo y generando mejores soluciones que nutran y hagan crecer el ecosistema digital de México.

Siguenos y mantenten al día con los nuevos lanzamientos

@DatlasMX

 

¿Cómo construir un CHECKLIST para iniciativas de analítica de datos? – Datlas research

Hace un par de blogs conversamos sobre cómo cerca del 70% de los proyectos de datos fracasan. Identificando el problema ¿No vendría bien una fórmula que reduzca este oportunidad de error? ¿Hay una receta? Pues la respuesta es sí y no es como la de la abuela, la receta del éxito en los datos no es ningún secreto. Tiene que ver con hábito, cultura y método. En esta columna profundizamos entre métodos que vienen de distintos ángulos: Academia, profesión, ciencia , entre otros para concretar un “listado” a estilo “checklist” de preparaciones para implementar un proyecto de analítica en una organización. Nosotros, desde Datlas, invitamos a las organizaciones a evaluar más de 100 puntos a la hora implementar nuestras tecnologías o cualquier tecnología de analítica. Para esta ocasión hicimos un resumen. Es importante aclarar que el sesgo de este escrito es hacia corporativos y empresas grandes, que tienen funciones repartidas en departamentos con responsabilidades específicas y la burocracia habitual de la estructura vertical de un gran negocio.

Datlas_barra_suscribir

I. Entendiendo el contexto

Datlas_checklist1

Ya hemos discutido antes en ¿Cómo ejecutar una estrategia de Big Data en mi organización? como el contexto y los objetivos tienen principal relevancia a la hora de llevar un proyecto de analítica. Sin embargo cuando la iniciativa de datos arranca desde una gran organización hay otros puntos a clarificar para aumentar las probabilidades de éxito de un proyecto de analítica. Todos ellos tienen que ver con entender el contexto.

Si pudiéramos enumerar 6 elementos importantes qué tomar en cuenta son: Estrategia, datos, analítica, implementación, mantenimiento o soporte y restricciones.

Datlas_Playbook_prelaunchEn general, entender el contexto con la profundidad adecuada nos habilita a tomar todas las precauciones necesarias a la hora de diseñar los presupuestos financieros, técnicos y temporales de un proyecto.  De manera errónea muchas organizaciones le dan el mismo trato a un proyecto de analítica que a un proyecto de TI (Como activar un nuevo punto de venta o implementar un nuevo equipo de hardware). Sin embargo la historia e investigaciones de los últimos 10 años nos vinculan a que los proyectos de analítica requieren equipos especializados y esto es debido a que tienen un “checklist” distinto.

 

*También te puede interesar: Los 5 perfiles para una estrategia de datos éxitosa en mi organización. Y tener nuestroData Playbook Vol. II” GRATIS antes que nadie.

II. Generando un checklist personalizado para proyectos de analítica

Hay un montón de literatura sobre este tipo de checklist, pero siguiendo nuestra fuente favorita de “Fast.ai” encontramos la siguiente estructura a la hora de hacer un checklist para proyectos de analítica. Integra 6 aspectos, pero agregaremos uno más y al final de la columna explicaremos porqué.

1) Aspectos Organizacionales

Datlas_checklist_organizacional

Debemos de iniciar cuidando los higiénicos, esto quiere decir los aspectos organizacionales que van en relación a las personas que llevarán a cabo la estrategia. La probabilidad de éxito en un proyecto de datos incrementa si se tienen métodos de trabajo en reclutamiento, ubicación de talento y medición de resultados. Estas 5 preguntas pueden servir de orientación.

2) Aspectos Estratégicos

Datlas_checklist_Estrategia

Una iniciativa de datos habilita un pronunciamiento estratégico de la compañía y no al revés. En este sentido los proyectos de big data e inteligencia artificial deben de responder y aportar a algunos de los objetivos estratégicos de la compañía. Sencillamente cada hora dedicada a junta, proyecto, investigación o desarrollo de un científico de datos deberá estar apuntando a cumplir un objetivo estratégico.

3) Datos

Datlas_checklist_data

El error común de las organizaciones es que inician por los datos, cuando en realidad previo a esto ya establecimos que deberían estar las personas, cultura y estrategia. Luego hay que invitar a los “técnicos” a participar en el checklist para validar el grado de factibilidad a la hora de consultar bases de datos específicas.

4) Capacidades analíticas

Datlas_checklist_analytics

Los datos son la materia prima, pero necesitamos a las mentes expertas que les van a sacar valor y nos guiarán hacia el cumplimiento de los objetivos establecidos. Estas capacidades incluyen, pero no se limitan, a evaluar herramientas óptimas para trabajar, programar ETL para formatear bases de datos en los formatos requeridos y la gestión general del proceso de obtención de valor. Similar a como lo comentamos en ¿Cómo convertir tus datos en dinero?

5) Implementación

Datlas_checklist_implementación

Este tema tiene que ver con el diseño experimental a la hora de implementar un ejercicio de analítica. Sobre todo para poder contrastar si haber integrado la analítica tuvo un cambio a favor o en contra de la manera en que tradicionalmente se hacía esa tarea. Por ejemplo,  si ahora implementaste un nuevo equipo, tecnologías e infraestructura para analizar el programa de lealtad de tu compañía ¿Cómo validas que la inversión haya retornado? Ahorraste en tiempos, ganaste más dinero, lograste mejores redenciones e las promociones que les enviaste. La sección de implementación se relaciona con los factores que definen el éxito del proyecto.

6) Mantenimiento

Datlas_checklist_mantenimiento

Un checklist de éxito en proyectos de analítica tiene que contemplar los procesos de mantenimiento. Por ejemplo en este caso de revisar programas de lealtad hay que responder ¿Cómo será la carga de nuevos usuarios? ¿Cada cuándo? SI algo falla ¿Quién lo resuelve? ¿Cada cuándo se “refactoriza” o se retan los algoritmos?

Y vamos a ser redundante en uno,por temas de  experiencia propia, tendremos que incluir la importancia de analizar

7) Restricciones

Todas las preguntas asociadas a las restricciones en todas las áreas funcionales con las que colaboraremos. Pueden ser desde presupuesto financiero, tiempo disponible, recursos dedicados, otros proyectos activos, entre otros. Todo lo que vaya a tener un impacto o riesgo en nuestro proyecto puede afectar.

Datlas_barra_suscribir

Hasta aqui la columna de hoy, esperamos que después de haber leído esto tengas una mayor idea de cómo implementar un CHECKLIST para tu organización. Recuerda utilizar estos recursos como inspiración y adaptarlo al contexto y madurez tecnológica de tu negocio. Recuerda compartir y no olvides registrarte al nuevo “DATA PLAYBOOK VOL II” que estaremos liberando muy pronto GRATIS. Sólo da click en la liga.

Elaborado con ideas y experiencias propias de la startup DATLAS e inspirado por la fuente: https://www.fast.ai/2020/01/07/data-questionnaire/

Analytics para mejora de experiencia en eventos – Caso Congreso Lidera 2019 del IMEF Universitario

Parte esencial de nuestra filosofía se centra en compartir lo que sabemos y hemos aprendido con los demás y así aportar al desarrollo del ecosistema. El pasado 3, 4 y 5 de octubre tuvimos la oportunidad de hablar acerca del “Emprendimiento en la era digital” a más de 1,000 alumnos de más de 70 universidades de todo México durante el XXI Congreso Nacional IMEF Universitario “LIDERA El momento es hoy” llevado a cabo en las instalaciones del Pabellón M. Durante la conferencia hablamos del perfil de un emprendedor, es decir, las habilidades y técnicas que lo distinguen del resto. Uno de estos aspectos, decíamos, es precisamente la obsesión con el cliente. Entendiendo por obsesión la idea de poner al cliente en el centro de todo el diseño de soluciones y experiencias. Es por ello que más que hablarles del gran apoyo del staff, las interesantes preguntas de los asistentes y las motivadoras palabras de los jóvenes, hoy queremos platicarles de una iniciativa que nace en colaboración con el equipo organizador del evento precisamente como parte de esta “obsesión por el cliente”, es decir, un ejercicio en conjunto realizado para entender mejor a los asistentes y ofrecerles contenido y experiencias innovadoras en sus próximos eventos.

free_Suscriber

El ejercicio comenzó con un recorrido por toda la experiencia del usuario y sus distintos puntos de interacción. Una vez comprendido el “viaje” se dividió en dos grandes fases: pre-evento y durante el evento (naturalmente hay una fase post-evento, pero dejaremos esa como sorpresa para otro blog). De tal suerte que iniciamos por la fase #1 y la primera pregunta que quería responder el equipo era ¿quién es mi cliente? Y para responder a ello se perfilaron las características de los asistentes por categorías como: sexo, si son foráneos o no, la región a la que pertenecen (en base a la división geográfica del IMEF), grupos de edades y nivel de afiliación al IMEF.

El pase de diapositivas requiere JavaScript.

Una vez resuelta esta primera cuestión, el equipo prosiguió a formular otra pregunta: ¿de dónde viene mi cliente? Y para ello analizamos las Universidades de procedencia y las regiones en términos de cuantos asistentes enviaron y que porcentaje representaban del total de asistentes al evento. Asimismo, se realizó un análisis de cada región identificando el perfil de asistentes y la universidad de procedencia.

El pase de diapositivas requiere JavaScript.

Hasta este momento, el equipo ya tenía un perfil de cliente y su procedencia. Para cerrar esta fase el equipo planteo la intención de entender como era la dinámica de pagos y su temporalidad, por lo que se realizó un análisis para saber con cuantos días de anticipación pagaban los asistentes del evento. Esto permitió identificar tendencias y áreas de oportunidad que resumiremos al final de este blog. Una vez concretado este entendimiento, pudimos pasar a la fase #2 donde naturalmente la pregunta obligada fue ¿les está gustando el evento? Para lo cual realizamos un análisis de la dinámica ocurrida durante el evento. En este caso los organizadores generaron un hashtag oficial del evento y establecieron que la ronda de preguntas y respuestas para el final de las conferencias fuera a través de twitter utilizando el #CNLidera2019. Esto nos permitió hacer un análisis de interacciones durante el evento, registrando cuantos de los asistentes interactuaron, cual fue el alcance de sus publicaciones, desde que dispositivo enviaron su tweet y si hicieron menciones de conferencistas o amigos.

El pase de diapositivas requiere JavaScript.

Siendo así, y homologando un poco esta sección al análisis a la fase anterior se busco analizar la procedencia de los usuarios que realizaron las interacciones, para comprender si realmente representaban la diversidad de regiones que analizamos en la primera fase. El resultado fue sorprendente pues más del 60% del país estaba representado.

datlas_imef_u_congreso_nacional_lidera_2019_analytics_5

 

Ahora bien, con todo esto habíamos logrado comprender al usuario, sus características, su procedencia y su interacción con los contenidos presentados en el evento. Pero más de uno podría estarse preguntando ¿y esto como sirve para mejorar la experiencia y el contenido del siguiente evento? Así que permítanos resumirles algunos de los accionables derivados de este ejercicio de análisis:

  1. Se identificó la región con menos asistentes para coordinar apoyos de marketing y aumentar su convocatoria en siguientes eventos
  2. Se definió el nicho objetivo de asistentes con posibilidad de volverse socios para ajustar los esfuerzos comerciales y concretar su afiliación
  3. Se mapearon las Universidades con mayor convocatoria para ajustar paquetes o posibles beneficios
  4. Se calendarizó la temporalidad de pagos para ajustar precios, promociones y descuentos
  5. Se evaluó el alcance de las interacciones en redes sociales como indicador de gustos y preferencias del público para ajustes de contenido e invitados

Finalmente, estos son solo algunos ejemplos (fáciles y rápidos) de lo que puedes lograr haciendo análisis sobre la base de datos de asistentes a un evento. Si te gustó la idea y tendrás tu evento próximamente no dudes en contactarnos, encantados de colaborar de esta manera contigo. De igual forma si tienes algún comentario o retroalimentación por favor compártela en nuestras redes sociales. Gracias y nos vemos la próxima.

@DatlasMX

🤖No se aprende “Big Data” en un curso de 2 horas, pero tampoco ocupas un doctorado – Compartimos 3 DO’s and DONT’s para identificar el conocimiento de calidad en analítica

La transformación digital llegó a boca y mente de casi todas las organizaciones en este 2019 (algunas desde antes).  Frases como: “No hay que quedarnos atrás” ; “No queremos ser el blockbuster”, “AIRBNB está compitiendo a los hoteles  y no tienen como defenderse” ; etc.  se esuchaban en los “radiopasillos” de la mayoría de las empresas de LATAM y, más de cerca, en México.

Datlas_DigitalTransformation

El caballo de batalla en esta transformación afortunadamente (lo digo para startups como Datlas) ha sido la analítica. Se han contratado consultores de lo más sofisticado. Un dineral invertido en sistemas como lago de datos y licencias de software. Prácticamente armamos un “Ferrari”. Pero… y ¿Quién los va a conducir?  Y hemos visto en la industria errores TERRIBLES en esta ejecución. En esta columna hablaremos de los DO’s and DONT’s de implementar analítica y Big Data en las organizaciones. Sobre todo el tema de cómo aprenderlo.

“Yo considero que empecé a aprender (Big data) sin saberlo en mis primeras clases de estadística, pero no sabía que eso en el futuro iba a ser Big Data”

“(…)No necesitas 2 doctorados para ya hacer algo valioso”

-Anónimos, científicos de datos-

Datlas_barra_suscribir

CONTEXTO

También te va a interesar leer estos blogs ….

Ya hemos hablado en estos blogs sobre los perfiles, metodologías y ejemplos pero quisimos complementar con toda la sección de cómo identificar un buen aprendizaje de Big Data. Y algunas observaciones en el otro polo, el cómo SI aprender

DONT’s

  • No se aprende en un curso de 2 horas. Hoy en día prolifera en internet la oferta de cursos y aprendizajes de Big Data , pero no hay que olvidar que esta materia tiene bastantes fundamentos estadísticos de trasfondo. Recomendamos leer libros sencillos como NAKED STATISTICS donde por $10 dllrs podrás incrementar la comprensión estadística tuya o de tu equipo.

 

  • Un Data Scientist no es un experto en todos los dominios de la ciencia de datos. La analítica avanzada requiere de la convivencia entre múltiples áreas de conocimiento desde un ingeniero de datos hasta un analista de negocio. Una parte del valor agregado, sin duda un valor cada vez más incremental, viene del data scientist. Sin embargo si quieres fundamentar una buena estrategia requieres cubrir múltiples ángulos de esta actividad apropiadamente.

 

  • No requieres un doctorado. Big data es una ciencia relativamente nueva y es muy constante la cantidad de publicaciones como lo cita CMINDS. Como cualquier nueva ciencia, deporte o instrumento. Uno se siente atraído por esas espectaculares formas de meter “goles” o “canastas”. También por la manera de que “tal” artista toca una canción y tu la quieres replicar. En el campo de ciencia de datos los de nuevo ingreso comenzamos queriendo hacer lo más complejo. Poco a poco eso te lleva a mapear las áreas donde quieres especializarte. Alguien con doctorado ya está especializado en un área, y eso ayuda.. sin embargo un buen encargado de analítica puede figurar mientras continúa desarrollando su conocimiento.

Datlas_barra_suscribir

DO’s

  • Se aprende colaborativamente.  Las mejores estrategias de analítica como las de BBVA o UBER funcionan de manera colaborativa. Es decir evitan el “compro un software de millones de dólares para que una o dos personas lo manejen”. De manera más natural hay un ambiente de trabajo donde todos tienen hambre de compartir su trabajo y, con la correcta documentación, el nivel general va subiendo de nivel poco a poco.

 

  • Enseña y explica , basta de cajas negras. La ciencia de datos es muy especializada, sin embargo no pueden existir más cajas negras. Como lo platicamos en “Por qué no necesitas un data scientist en tu organización” , un analista deberá ser capaz de explicar de manera sencilla su trabajo. Dejar de lado los complejos términos estadísticos y ser más “ameno” en sus capacidades de comunicación.

 

  • Contribuye a la comunidad. Existen comunidades como Data Science & Engineering Monterrey en las que generadores de datos y analítica comparten sus hallazgos y conocimientos.  Si descubres algo que valga la pena , únete a alguno de estos círculos virtuosos para que crezca la comunidad.

Hasta aqui el blog de hoy. Para cerrar nos gustaría puntualizar en los distintos roles dentro de un equipo de datos y algunas de las plataformas en las que se requieren especializar. Si le quieres entrar y avanzar al mundo de los dato “hay tarea” y por aqui algunas rutas de cómo empezar.

Datlas_Netmind_BigData_Analisis

Danos tu opinión sobre cómo has aprendido de datos, analítica y cómo has compartido todo esto que has aprendido.

Equipo Datlas

– Keep it weird –

 

 

 

Por qué no necesitas un Data Scientist (es Clickbait) en tu organización Parte 1 – Datlas News

Data scientist la carrera “más sexy” del 2018. Los científicos de datos son los mejores pagados.  Los datos son el petróleo del futuro. Habrá un déficit de 400k especialistas de big data para 2020. Si no estás avanzando con un equipo que desarrolle Inteligencia Artificial vas a quebrar.

¿Les suena conocido? No he dejado de escuchar en cada conferencia de empresarios que nos toca asistir aseveraciones de tal calibre. Justamente queremos hacer la reflexión sobre este tema en esta columna. Y que no cunda el pánico, no es una discusión de 1-0 o blanco y negro. Pero sí hace falta balancear el diálogo de si tu empresa necesita un especialista en datos o no. Iniciamos.

View at Medium.com

Datlas_barra_suscribir

El pase de diapositivas requiere JavaScript.

Una organización, con o sin fines de lucro, va creciendo de manera orgánica conforme las necesidades van rebasando a los puestos. Al principio un par de personas gestionan el negocio, pero conforme va creciendo la operación es necesario buscar ampliar el capital humano. Después viene el tema de no tener personal ocioso y optimizar equipos y personas. Ya al final viene los puestos de innovación, que muchos lo ven como pirotecnia. Sin ofender a nadie, me refiero a que hay áreas que no impulsan directamente a la operación ya que su valor agregado va más dirigido a la báscula de ventajas competitivas.

En resumen, concédenos generalizar el proceso de la siguiente manera:

1.Nace la organización > 2.Crece en una sola gestión > 3.Se multiplica en distintas áreas >> 4.  Se optimiza constantemente >> 5. Innova en apuestas a ser disruptiv@

¿Dónde entran los Data Scientist (DS) ? ¿A qué horas me transformo con datos?

La mayoría de las organizaciones hacen estas inversiones en el paso 5) ¿Cuál es el reto? Cuando la cultura de innovación en la empresa no está 100% socializada y la ciencia de datos es un área que con muchos celos demanda atención, gobernanza y autoridad para sacarle valor a un activo de la compañía,(los datos) y reflejar la voluntad de entender que “Los datos no pertenecen  a ningún área o dirección, son de la compañía“.

¿Estoy listo para transformar mi organización con DS?

La primera evaluación es hacia tu organización ya que para implementar esta innovación tiene que lograrse esta cultura de innovación al mismo tiempo del timing tecnológico correcto. Es decir

  1. Si no estás listo para abandonar los excel-es que llevas operando y mejorando toda la vida. No contrates un DS
  2. Si te da miedo transferir procesos y responsabilidades a “cajas negras” que no vas a entender. No contrates un DS
  3. Si eres de los líderes que les gusta decir cómo resolver el problema, en lugar de ceder el problema y la resolución del mismo a tu equipo. No contrates un DS
  4. No entiendes los beneficios de la ciencia de datos o el potencial de tu información. No contrates un DS, terminarás concluyendo que “no sirve” sólo porque no supiste sacarle valor
  5. Y por último, si quieres un DS para que se la pase extrayendo datos y datos, mejorando tableros y visualizaciones. No contrates DS, ambos se frustarán por sólo estar dando la mitad de todo el potencial

(Tomado de inspiración B) citado al final del blog). El trade-off es claro, hay que evaluar.

Mucha crítica ….¿Y qué consejos son mejores prácticas para lograr transformar?

Como cualquier caso en una organización, tienes que tener algunas historias de éxito para convencer a los tomadores de decisiones que vale la pena hacer la apuesta. La mayoría de los casos comienzan contratando consultorías y empresas externas para aprender cómo funciona este mundo.

  1. Vete a lo seguro. Analiza a tus clientes, toma decisiones comerciales como cambios de precios, planes promocionales, marketing y mide resultados KPIs.
  2. Evalúa distintas consultorías que sobre todo tengan capacidad y voluntad de “enseñarle” a tu organización cómo funciona.
  3. Invita a distintos roles a que te acompañen en el proceso.
  4. Genera la historia, “socializala” (Que todos se enteren) y  mapea nuevas posibilidades para datos
  5. Finalmente evalúa repetir el proceso hasta que la organización pueda ceder recursos para interiorizar las capacidades. Aún así la mayoría de las organizaciones que orquestan un área de datos interna contratan y subcontratan. Así es , hasta el mismo Google, IBM, Microsoft o startups como UBER, AIRBNB, CABIFY , entre otras distribuyen el trabajo ya que retener a científicos de datos en una organización es complicado por la demanda actual que existe. Además exigen un alto grado de especialización que puede capitalizar una consultoría porque el análisis de datos es su negocio principal que no pueden descuidar.

No olvides leer nuestro blog de “Los 5 perfiles para una estrategia de datos en tu empresa”

Para el cierre ¿En qué áreas donde agrega valor un científico de datos?

Cerramos con un par de infografías que mapean las áreas de mayor valor agregado para un científico de datos. Recomendamos leer y generar un plan para implementar los “quick-hits” de mayor impacto.

El pase de diapositivas requiere JavaScript.

Hasta aqui la parte uno de la columna de Datlas más enfocados en la cultura de innovación y datos antes de arrancar sin un plan. En la siguiente parte comentaremos de algunas herramientas que pueden ayudar a iniciar experimentaciones de big data sin tener que hacer la “gran inversión”.

Gracias por leer, estamos abiertos a opiniones y buscamos difundir este tema en organizaciones que están batallando mucho para iniciar a experimentar con datos. Siempre contarán con empresas y startups como Datlas para acompañarlos en su desarrollo.

Inspirado gracias a la lectura de:

View at Medium.com

AIRBNB, el nuevo negocio inmobiliario de los Regios – DATLAS RESEARCH

Monterrey Nuevo León es una de las ciudades potencias en México. Al contar con un gran número de empresas de manufactureras, de las principales que cotizan en la bolsa, universidades importantes, economía estable y gozar de una conveniente posición geográfica (en cercanía a EE. UU.). Por esta coyuntura, Monterrey atrae a diversas personas que vienen por negocios, de turistas por la cantidad de eventos que hay en la ciudad, a visitar familiares, entre otros motivos. Acompañado de esta situación viene la necesidad de estancia y hospedaje en la ciudad. Nuevas alternativas como AIRBNB comienzan a competir a los hoteles desde hace más de 2 años y hoy están en una etapa de madurez donde verdaderamente son “rivales” de los hoteles. En esta columna compartiremos algunos datos de contexto y recomendaciones sobre la plataforma AIRBNB en la ciudad de Monterrey.

(También puedes ver AIRBNB EN CDMX ¿Amenaza o bondad? )

Datlas_barra_suscribir

Hoy en día algunos hoteles pueden llegar a ser muy costosos y mucha gente tiene un presupuesto limitado o simplemente no desean pagar esas cantidades, una buena opción que hoy en día se está utilizando, y mucho, son las plataformas en línea de hospedaje. Por ejemplo, Airbnb. Estos últimos pueden llegar a ser hasta 60% más económicos que un hotel. Muy deseables para quienes desean ahorrar y,  dependiendo de la zona, encontraremos buena cobertura en los principales puntos de interés con diferentes precios y diferentes características del lugar de residencia (amenidades).

Datlas_AIRBNB_MONTERREY

En Monterrey y su Zona Metropolitana hay un total de 2816 Airbnb. Los precios de los mismo varían dependiendo de la zona de interés de hospedaje, el tipo de alojamiento y la cantidad de huéspedes principalmente. Existen tres tipos de alojamientos: un apartamento o casa completa, un cuarto privado y un cuarto compartido.

Entre los limitados datos que logramos recabar sobre los Airbnb en Monterrey enumeramos los siguientes hallazgos:

  1. “En lo que corresponde a Monterrey y su Zona Metropolitana hay aproximadamente 11 Airbnb por cada kilómetro cuadrado, siendo San Pedro el municipio con el mayor numero de Airbnb por km2, pero Monterrey es en donde más Airbnb hay.”

2) “La distribución de tipos de cuartos es casi equitativa en cuanto a un apartamento o casa completa a un cuarto privado, pero en cuanto a un cuarto compartido el porcentaje es más bajo.”

3) “A un precio promedio de $810 MXN por noche por persona si todas las propiedades de Airbnb en Monterrey y su Zona Metropolitana se usaran al mismo tiempo, se estaría generando $2.28 millones MXN por día.”

Datlas_barra_suscribir

Conclusiones

“Los Airbnbs” y plataformas digitales de turismo han tomado fuerza y continuarán capturando más valor en corto plazo.  Para no quedarse atrás en esta transformación digital compañías hoteleras así como otros miembros del gremio en el sector turismo deberán de monitorear más de cerca la oferta de los Airbnb. Resolviendo constantemente ¿Qué es lo que la hace atractiva? ¿Cuáles son los puntos de precio? y ¿Cuáles son las temporalidades más relevantes? , entre otras preguntas que pudieran apoyar su toma de decisiones. Nuevas estrategias en los sectores “tradicionales” de turismo podrán ser modeladas con más y mejor información del mercado.

Datlas_AIRBNB_Monterrey_point

En Datlas estamos trabajando para complementar y mejorar nuestro sistema de monitoreo en el sector turismo. Este año haremos nuevos lanzamientos y buscamos empresas que quieran sumarse el piloto. Contáctanos direccion@datlas.mx

Hasta aqui la columna de hoy,  te invitamos a compartir la nota con tus socios y amigos usuarios de AIRBNB en MTY. 

Equipo Datlas

Keep it weird

 

 

 

¿Y en qué quedó el CoDi (Cobro digital) de BANXICO? – Datlas research

(En Datlas, startup de analítica Mexicana e impulsores del movimiento de big data mexicano, estamos  interesados en el CODI por la generación de datos que esta iniciativa va a promover. Un nuevo recurso abundante se aproxima ¿Cómo le haremos frente?)

**ÚLTIMA ACTUALIZACIÓN

Datlas_Update_blog_CODI

**** Continúa blog original

Imagínate que vas camino a la tienda de la esquina y al momento de pagar te das cuenta de que no llevas contigo tu cartera o imagina que estás de vacaciones, es momento de pagar la cuenta en un restaurante, pero al abrir tu cartera notas que no tienes efectivo. Te imaginas evitar pasar todos estos eventos que te provocan perder tiempo, pasar vergüenza, etc. Actualmente se está desarrollando una tecnología en México que te podrá ayudar con eso, y su nombre es CoDi. En esta columna te platicamos un poco de qué es y cómo van los avances según la información pública.

Datlas_barra_suscribir.png

CoDi es una plataforma de pago fintech, propuesta y en proceso de desarrollo por el Banco de México, en la cual se podrá realizar y solicitar pagos en los procesos de compra-venta de bienes y en los procesos de pagos de servicios, de una manera rápida, eficaz, segura y sin tener que llevar consigo una tarjeta o efectivo.

Datlas_example_CODI.png

El proceso de uso requiere de un código QR, el cual el vendedor deberá proporcionar ya se por una impresión o por una foto digital, el cual el comprador deberá escanear, despues de esto al comprador se le haría llegar un mensaje donde se solicitará aceptación para realizar el pago.

Datlas_Sample_CODI

¿Es novedad Mexicana?

En países como China, están dejando de lado el uso de efectivo y de tarjetas, y han optado por usar métodos de pagos iguales a Codi. Alipay y WeChat Pay son de los servicios que ofrecen este método de pago. Compañías como Apple y Samsung han puesto al alcance de sus usuarios un método de pago llamado NFC el cual estará enlazado con la tarjeta del usuario, pero este método no requiere de un código QR, aquí con solo acercar el teléfono a la terminal automáticamente se realizará el pago sin que el usuario tenga que sacar su cartera o cargar con ella, pero esta tecnología solo sirve en ciertos países y no todos los comercios cuentan con la facilidad de usar este método.

Datlas_AliPay_Sample.png

¿En México? ¿Cómo vamos?

Hoy en día CoDi está en fase de prueba, pero según Banxico, la plataforma estará habilitada a partir del cuarto trimestre de 2019. Solo algunos bancos tienen acceso a lo que se le puede llamar prueba piloto y se estima que para julio o agosto se iniciara una segunda etapa de prueba con algunos usuarios.

La lista de beneficios los cuales traería consigo CoDi es amplia:

  • Evitar el cargar con efectivo y/o la cartera.
  • Transacciones rápidas, eficientes y seguras.
  • Una mayor inclusión hacia todos los comercios tanto tiendas grandes como tiendas pequeñas como la de la esquina.
  • Crea y fomenta la competencia para que nuevos métodos de pagos sean creados con el fin de mejorar el servicio y beneficiar tanto al comprador como al cliente.
  • Al ser pagos electrónicos se evita la corrupción y se motiva más a la transparencia.
  • Podrás disponer de lo que este en tu cuenta de banco.

Datlas_foto_BANXICO_Comofunciona.png
Imagen obtenida del sitio web de BANXICO: http://www.banxico.org.mx/sistemas-de-pago/codi-cobro-digital-banco-me.html

En conclusión, se puede decir que la implementación de CoDi es un gran avance para México, el dejar de disponer siempre de cargar con efectivo, haciendo que dejemos de ser tan vulnerables a los asaltos en la calle podría ayudar a crear una sociedad más segura y además CoDi ayudaría a comercios pequeños a entrar en la evolución sin tener que gastar tanto. Estos métodos de pagos son un gran salto a la evolución de la economía en el país, y más aun cuando países  como China, Japón, EE. UU., etc., ya usan esta tecnología y funciona de una gran forma.

Datlas_barra_suscribir

Hasta aqui la columna de hoy. Te agradecemos leernos y si te gustó comparte. Pronto comenzaremos una etapa que podría ser un inicio de “cash-less” society o sociedad sin dinero en efectivo.

 

Equipo Datlas

(Desarrollado por José Romo parte de nuestro programa de intern de verano)

-Keep it weird-

 

Fuentes y otras referencias de datos:

Análisis de NLP discurso de AMLO de 1 de Julio 2019 – Datlas research

(Este análisis sólo tiene fines científicos, no son interpretaciones políticas)

7 meses de gobierno de AMLO, la 4T , el gobierno de transformación o cómo le gusten llamar. Y el pasado primero de Julio se promovió un evento en el Zócalo capitalino de la CDMX en México para “celebrar” algunos avances del gobierno en su corta temporada.

datlas_barra_suscribir

Muy al estilo de Andrés Manuel Lopez Obrador, preparó un discurso con hechos, datos y planes que le dan a su sector votante y a los mexicanos un ocaso de esperanza. Sin tomar algún tinte político, desde Datlas, donde nos dedicamos a la analítica, quisimos hacer un ejercicio de Procesamiento de lenguaje natural (NLP por sus siglas en inglés) para analizar en dos sentidos este discurso. Primero conocer la carga “emocional” aplicando un “análisis de sentimiento” a las frases. Y en el segundo sentido con un simple conteo de frecuencia de palabras.

En este blog explicamos cómo funciona a detalle estos análisis: Análisis de discurso presidencial de AMLO

Análisis de sentimiento

Contamos alrededor de 108 enunciados  que promediaban 22 palabras cada uno. Cada frase fue procesada por un algoritmo que nos interpreta si el sentimiento o la intención del enunciado fue negativo, neutral o positivo

SA_AMLO_General

Para una mejor comprensión, hacemos un conteo general donde obtenemos lo siguiente

SA_AMLO_Calificacion

En contraste con el análisis del primer discurso que AMLO dió como presidente. En aquella ocasión el 15% de los enunciados encausaba mensajes positivos. En esta ocasión hablamos de un 12%.

Frecuencia de palabras

Respecto al conteo de palabras. En una lógica parecida se hace una limpieza de preposiciones, números, puntuaciones y acentos en el discurso. Para posteriormente hacer una tabla de conteos. Por ejemplo aqui les mostramos las primeras 10

NLP_ConteoWording

Para una mayor apreciación usamos un gráfico de nube para comunicar los hallazgos.

Datlas_Count_RplotVFFF

Las interpretaciones las dejamos abiertas, pero a ojo de analista encontraremos en tamaño más grande las palabras que más veces se repitieron. Por ejemplo en el análisis del discurso presidencial encontramos: Todos, México, Corrupción, amigos, país y gobierno. En este caso: Pueblo, país, publica, social, entre otros. Sin duda alguna se ve más como un discurso de rendición de cuentas más que un discurso de arranque como lo fue el caso anterior.

¿Te interesa conocer más sobre análisis de datos? Visita nuestro sitio www.datlas.mx en donde desarrollamos plataformas para reducir incertidumbre para tus decisiones de negocio.

Atentamente.-

Equipo Datlas

 

Fuentes de discurso:

https://www.gob.mx/presidencia/articulos/discurso-de-andres-manuel-lopez-obrador-presidente-de-los-estados-unidos-mexicanos?idiom=es