Archivo de la etiqueta: big data

¿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/

NUEVO DATLAS PLAYBOOK VOL. II – 100 usuarios lo recibirán antes que nadie

En Datlas iniciamos el año con muchos lanzamientos. Ya lucimos nuestro nuevo marketplace de datos y apis donde estaremos activando cupones de descuento durante el año. También lanzamos la plataforma de Laura para hacer estudios de mercado en cuestión de horas, gracias a nuestro sistema apoyado por inteligencia artificial. Y buscando continuar aportando a los entusiastas de datos hemos terminado de redactar nuestro “Datlas Playbook Vol. II”. En esta columna explicamos brevemente qué es un playbook y te invitamos a la dinámica para ser una de las primeras 100 personas en recibir este contenido.

Datlas_barra_suscribir

¿Qué es un Data Playbook?

Un “Data Playbook” es un documento que contiene “jugadas” y técnicas específicas para tu negocio alrededor de una estrategia de datos. Más que teoría, este texto es un diario de aprendizajes basados en ejecución de accionables.

Tras el éxito de nuestra primer versión ahora quisimos lanzar una segunda parte. En esta ocasión con más enfoque al desarrollo de estrategias para implementar Big Data.

A continuación te compartimos el índice

El pase de diapositivas requiere JavaScript.

Este obsequio lo podrás recibir antes que nadie participando en la siguiente dinámica

  1. Entra a nuestro marketplace y selecciona el producto de prelanzamiento. Puedes hacerlo dando click aqui.
  2. Después integra el carrito a tu cesta y vete directo a la pasarela de pagos. Da click aqui para llegar a la ruta directa

Marketplace_Playbook_2020_pasarela

3. Ingresa tu correo y da click en pagar. Completa tus datos y finaliza pedido.

4. El 27 de Enero serás de las primeras personas en recibir el nuevo playbook

Datlas_barra_suscribir

Hasta aqui la columna de hoy, esperamos te guste el próximo Data Playbook, te suscribas y aproveches los descuentos que estaremos compartiendo.

*********************************************************************

En Datlas nos dedicamos a transformar datos en decisiones de una manera ágil y sencilla. Apalancados de técnicas de big data e inteligencia artificial hemos desarrollado 3 plataformas la servicio de nuestros más de 500 usuarios. Con Datlas podrás tener a tu alcance estudios de mercado y soluciones de analytics de inmediato. Para más información contácta a ventas@datlas.mx

*************************************************************************/

Equipo Daltas

-Keep it weird-

 

 

10 Tendencias de negocios 2020 – Datlas research

Iniciamos el 2020 con toda la intensidad que viene acompañada de una nueva década. Para esta primera columna nos inspiramos en compartir información que hemos recolectado y que nos ha ayudado a nuestro proceso de planificación anual. Te interesará esta columna si tu organización, sobre todo, está pasando o planea pasar pronto por una transformación digital.

Datlas_barra_suscribir

10 Tendencias para el 2020

1) Continúa la adopción de tecnología y el compromiso con la transformación digital

Durante la década pasada los estudiosos y consultoras se dedicaron a encontrar la fórmula de crecimiento en un entorno tan cambiante. Tecnología, tecnología y tecnología. Entendiendo esto como la capacidad de una organización para absorber no sólo nuevas capacidades digitales, sino todos los métodos de trabajo que vienen acompañados de esto. Si había duda de que esto funcionaban la validación que algunas startups tecnológicas han puesto en el radar. Como organización tienes que estar atento a: Medir e incrementar la capacidad de absorción tecnológica, actualizar a tus equipos de trabajo y tener apertura a la innovación.

Datlas_Business-Transformation-gif

2) Integración de máquinas y humanos

Pasamos de los homo erectus a los homo sapiens ¿Qué sigue? una simbiosis cada vez más cercanas entre máquinas y humanos. Computadoras como extensiones de trabajo de profesionales. Analítica con pensamientos y cálculos a velocidades sobrehumanas. Humanos incrementando su fuerza gracias a exoesqueletos, entre otros.

Si bien esto despierta algunas conversaciones éticas, una organización no se debería de quedar atrás. En lo que deberías capitalizar tu atención es: Estudiando e identificando las máquinas más modernas que puedan darte una ventaja competitiva y anticiparte a las implementaciones que tu competencia podría explotar si tu no lo haces.

Datlas_0._stickman__2017._performance_

3) Nuevos métodos de trabajo

La transformación de  PMI a SCRUM, KAN BAN, AGILE, entre otros… a traído ciclos más rápidos de producción así como mejor uso de recursos. Nuevos puestos de trabajo como gestores de proyectos, scrum master y líder de cambio han sido de los reclutamientos más claves de los últimos años. Los equipos dentro de la organización deben de actualizarse a las mejores prácticas para su industria y cumplir con los rituales de seguimiento de proyectos de manera obsesiva. Si es posible hasta que los resultados de estos tengan impacto en los bonos de la compañía.

Datlas_scrum-kanban-agile-waterfall-comparatif-oeildecoach

4) Diversidad por todos lados (oferta y demanda)

En tu operación, dejar de contratar de una sola profesión, escuela e ideología se ha vuelto necesario si quieres ser empático con el consumidor que está allá afuera. La diversidad bien comunicada se reflejada en productos y servicios que se adaptan cada vez más rápido al mercado. Como líder en tu organización deberías poner atención a cumplir con cuotas de diversidad y a socializarlas con tu mercado.

Datlas_diversity_iStock-1024073052-1260x840

5) Combina valor de social con valor de negocios

El posicionamiento de las marcas va a cambiar en la siguiente década compensando el enfoque que las empresas le ponen a integrar valor social a su receta de negocios. La disposición a gastar estará acompañada con la identificación a causas sociales y éticas. Cualquier estructura de generación de valor de negocio debe tener claridad en las formas que comunica la generación de valor y económico. Nuevos enfoques en actividades de marketing, responsabilidad social y altruismo deberán ser aplicados.

Datlas_sharedvalue.png

Datlas_barra_suscribir

6) Incrementos a presupuestos de Ciberseguridad 

Los riesgos de ciberseguridad son cada vez más latentes.  Lo que antes significaba dañar los sistemas de una empresa para validar una capacidad hoy es un negocio y existen granjas de personas apuntando a sistemas vulnerables de corporaciones para ganar dinero. Las organizaciones migrando a la “digitalización” deben establecer un presupuesto para para protegerse de estos ataques. Con especial atención a la siguiente lista:

7) Enfoque a resolver problemas cotidianos y masivos (Salud y Finanzas)

Nuevos negocios y lineas de ingresos enfocados en atender problemas masivos donde existen muchos puntos de dolor. Por ejemplo los lentos y costosos procesos de atención de salud. Lo desesperante que puede ser encontrar todas las semanas los tratamientos necesarios para alguna condición específica. De manera similar, la atención selectiva de los grandes jugadores de sistemas financieros permite la entrada a nuevos participantes.

Las compañías deberían estar alertas de las oportunidades en estos dos sectores y como las regulaciones le abren pasos a otras industrias para participar en resolver estos problemas de millones de personas.

Datlas_Healthcare_cost_concept_gerenme_Getty_Images_large.jpg

8) Transparencia en todos los sentidos, sobretodo en en el manejo de la privacidad de datos personales

Las marcas continuarán siendo juzgadas por la transparencia que ofrecen desde la forma en que generan sus productos, los participantes en sus servicios y la realización de su propuesta de valor sin atentar contra el entorno ecológico. En el mismo sentido, los usuarios de servicios buscarán con más interés a marcas que muestren un manejo de privacidad de datos con seriedad. La confianza en las compañías sera una moneda de cambio de más importancia y las organizaciones deberán enfocarse en generar campañas que incrementen estos lazos en específico.

9) SoLoMo seguirá creciendo y tomando más relevancia

SoLoMo (Social, Location y Mobile) es un tipo de usuario que consume contenido en el lugar en el que se encuentra. Las marcas, junto con sus propuestas de valor, deberán de enfocarse en atraer la atención de sus consumidores en “micromomentos”. Los equipos de marketing deberán de apuntar a la omnicanalidad de difusión y buscar generadores de contenido que puedan apoyar a difundir con más asertividad sus mensajes a audiencias específicas.

10) La tensión internacional incrementa y con ello la incertidumbre

Con Irán-USA, BREXIT, Rusia y China incrementan las tensiones internacionales. Se están perdiendo los miedos por entrometerse en asuntos extranjeros en las potencias económicas más importantes del mundo.  Habrá mucha atención en los movimientos de las potencias asiáticas así como en el nacimiento de nuevos segmentos de consumidores más informados y con mayor poder adquisitivo. Las organizaciones deberían estar vigilantes de estos procesos considerando que puedan tener impacto en tipos de cambio así como políticas de importación.

Datlas_trillion_Growth_Trends_2020
Muy recomendado el reporte de BAIN. Podrás encontrar un vínculo al final de este blog.

 

Hasta aquí la columna de hoy.  Comenta qué tendencia te mantiene más ocupad@ en este inicio de año y cómo te estás preparando para incorporarla a tus actividades.

Equipo Datlas

-Keep it weird-

 

Otras referencias:

Fuente:

 

El santo grial de analytics: “Location Intelligence”, y su controversia con la privacidad – Datlas research

(Este blog es una adaptación del trabajo de investigación del #NYTIMES referido en: https://www.nytimes.com/interactive/2019/12/19/opinion/location-tracking-cell-phone.html)

En los últimos 2 años el escándalo de privacidad de“Cambridge Analytica”y Facebook ha levantado polvo sobre lo invasivo que puede llegar a ser la tecnología en nuestras vidas. Nos dimos cuenta que la red social más importante del mundo podía saber tanto de nosotros (como perfil, amigos, familiares, hobbies, donde estábamos, con quién nos tomábamos fotos, etc.) al grado de poder usar esta información para influenciar nuestros gustos y preferencias. Tal y como lo expusimos en el blog sobre el documental de Netflix “The Great Hack”.

Mientras como usuarios nos preocupábamos por hacer conciencia y comprender esta nueva realidad que vino acompañada de servicios digitales  “gratuitos” (por que tu verdadera moneda de intercambio es tu información), existe otra cara de la historia. Nos referimos a las empresas que estaban aprovechando la poca o nula regulación sobre privacidad de datos para generar formulas de marketing nunca antes vistas. En esta columna hablaremos de un caso que publicó recientemente NYTIMES sobre “Inteligencia de Ubicación” o “Location Intelligence” para Nueva York tratando de explicar los beneficios de estas aplicaciones de analítica, haciendo énfasis en que no podemos dejar atrás el enfoque la privacidad de los datos de las personas.

Si quieres comprender cómo la ubicación le sirve al plan de marketing de un negocio también puedes leer: El secreto de tu negocio: Ubicación, ubicación y ubicación

¿Cómo funciona?

La “inteligencia de ubicación” es una técnica que aprovecha la generación de datos geo-referenciados, es decir datos que vienen acompañados de atributos como coordenadas o referencias geográficas para visualizar en mapas, que permite generar análisis dinámicos de muy alta resolución. Compañías como UBER y DIDI utilizan este tipo de datos para ubicar a sus transportes y usuarios dentro de su app. Pero por otro lado hay otras aplicaciones que venden datos de nuestras ubicaciones sin que necesariamente estemos enterados de cómo o cuándo obtienen estos datos.

Una aplicación, por ejemplo, genera datos nos debería de pedir permisos de ubicación cuando usas el app. En algunos casos, como Waze o UBER, no abre el app si no accedemos a dar este permiso y encender nuestro localizador GPS.

Datlas_comofunciona_

Mientras este abierta la aplicación o puede estar cerrada, pero con servicios de segundo plano, el APP estará registrando nuestros movimientos y ubicaciones en bases de datos que luego serán procesadas y comercializadas. El deber ser es que toda esta información se “anonimice” , es decir se borren identificaciones de personas que puedan ponerlos en riesgo. Sin embargo hay casos de estudio que han sacado a relucir que debido a este tipo de apps podemos ubicar a casi cualquier persona. Aqui un ejemplo de cómo “trackear” al presidente Donald Trump que realizó el NYTIMES

¿Cómo se aprovecha esta información?

El pase de diapositivas requiere JavaScript.

En las imágenes anteriores se comparte un ejemplo para NYC.  De compañías telefónicas y aplicaciones se integraron las ubicaciones durante una semana de los usuarios de un teléfono inteligente en NYC. Aunque de manera integrada no nos dicen mucho, es relevante saber que podemos aislar un punto en específico e identificar su recorrido.

En el caso de la nota particularmente se analizaron datos para Nueva York, sin embargo datos similares están disponibles para México ¿Dónde? … no está tan sencillo. Pero compartimos los logros de @sasha_trub que compartió estos mapas en Twitter con el fin de contrastar los usuarios de IPHONE contra los de ANDROID. Sin embargo cada punto es un usuario de celular que ha sido georeferenciado y podría ser localizado con más profundidad.

El pase de diapositivas requiere JavaScript.

Quién comercializa esta información

Al menos en el continente Americano las empresas con más presencia en el comercio de datos geo-referenciados de usuarios son estas 20:Datlas_logos_compañías

El gobierno de Estados Unidos ya está intentando “limitar” la venta al extranjero de este tipo de información, sobre todo la que utiliza aplicaciones de Inteligencia Artificial. Esto por temas de “seguridad nacional”.

Por otro lado hay mucho generador independiente de aplicativos en facebook, google maps, instagram y otras redes sociales que mediante la habilitación de filtros o juegos obtienen datos de usuarios y se las venden a alguna de estas empresas.

Todos conectados, todos arriesgados

Datlas_smarthead

Para cerrar la columna, te recomendamos tomarte quince minutos para conocer el caso específico del NY TIME (puedes ver la liga al inicio de la columna) y también ser consciente de que la próxima ves que enciendas tu GPS alguien seguramente está registrando estos datos para lanzar alguna campaña de marketing o comercializarlos

¿Qué deberíamos hacer con esta situación? ¿Cómo garantizar que se anónimo y que haya una práctica correcta? Comenta y comparte.

Equipo Datlas

-Keep it weird-

¿Cómo aprender Ciencia de datos? 6 lecciones prácticas tras años de intentos – Datlas TIPS –

Durante los últimos años hemos encontrado una explosión de fuentes de aprendizaje en lo relacionado a temas de ciencia de datos. Estos van desde técnicas de autoestudio, ser sombra de científicos, lecturas especializadas, cursos presenciales, cursos en línea, etc.

De todos estos medios compartiremos en esta columna 6 reflexiones importantes que te serán de utilidad si piensas aprender o estás aprendiendo técnicas de ciencia de datos.

Datlas_barra_suscribir

También puedes leer.

Datlas_Learned_youngone

1) El objetivo de aprender lo tiene el estudiante. Dejamos claro que el maestro no tiene obligación de que aprendas, más bien el estudiante es quien tiene como meta aprender

  • Establecer metas claras en una línea de tiempo: Ser principiante en al menos un lenguaje de programación en menos de 6 meses
  • Cualquier maestro que encuentres (amigos, maestros formales, libros, cursos en línea, etc.) Puede que sea una figura con alto “expertise”, pero es tu trabajo sacarle el mayor provecho

Datlas_datascience_everywhere

2) Se les aconseja a los estudiantes rodearse de todo lo que huela, se vea y se sienta como “Data Science”

  • Entrar a comunidades locales de Datos. Desde grupos de Facebook, los eventos , conferencias más enfocados al tema que tengas cerca, colegas de aprendizaje y finalmente cambia tu lectura a libros de estos temas
  • También busca aportar a la comunidad de regreso lo más pronto posible

Datlas_dominios

3) Apalanca tu aprendizaje iniciando con un campo de dominio donde tengas experiencia laboral

  • Usa tu experiencia laboral, específicamente los datos a los que has estado expuest@ con más frecuencia para que sea un menor reto descifrar la información que vas a analizar
  • También es recomendable mapear 2 ó 3 sectores nuevos de los que quieres aprender y enfocar tus estudios a esas áreas específicas de datos

Datlas_failfast_learnfaster

4) Vas a cometer errores, así que haz que sean rápidos. Recuerda que se aprende más de tus propios errores y no los de los demás

  • Ponte aprueba buscando bases de datos por tu cuenta y generando análisis sin ningún tipo de guía más que tú propia ideación. Sólo ten en cuenta la utilidad de los casos de estudio que estés revisando
  • Ponte en los zapatos del usuario final o de un cliente que quisiera usar esos datos como ventaja para su negocio. Haz el recorrido completo de un analista de datos para transformar datos en accionables

Datlas_nerdreading

5) Aprende a leer documentación técnica y a encontrar información

  • Ciencia de datos tiene como fundamentos la estadística y programación, sin embargo estos son solo los primeros pasos ya que durante el camino habrá que leer mucho para aprender de librerías y métodos que necesitemos aplicar a nuestros análisis
  • Consulta cuáles son las paqueterías o librerías más utilizadas en el lenguaje de programación que estás aprendiendo. Personalmente recomiendo seguir en twitter a otros científicos de datos que publiquen algunos de sus análisis

Datlas_motivation

6) Sé paciente, positivo y busca fuentes de motivación, las necesitarás

  • Ten paciencia, no te frustres. Un buen aprendizaje toma tiempo, a veces avanzamos demasiado rápido y porque tenemos que refrescar la estadística nos frenamos un poco. O bien nos entretenemos mucho en descubrir cómo funciona un nuevo algoritmo cuando con una regresión básica hubieramos solucionado el reto. Hay que ir midiendo qué métodos de aprendizaje nos funcionan mejor
  • También recomiendo seguir en linkedin a personalidades que ya sean científicos de datos de grandes empresas que constantemente publican consejos y guías de aprendizaje para mantenerse más motivado

Datlas_barra_suscribir

Hasta aqui la columna de hoy, recuerda que en este blog contamos con distintos casos de investigación que pueden animarte a investigar. También concluimos con un vínculo a nuestras publicaciones que hemos hecho en conferencias de datos. Esperemos que haya muchos entusiastas de los datos, coméntanos en nuestra redes en Facebook , Twitter e Instagram.

 

 

 

Keep it weird

Equipo Datlas

🤖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 –

 

 

 

¿Big data en mi organización? Cómo puedo empezar – Datlas Research

Hemos tenido oportunidad de estar presentes en algunos de los foros y conferencias más destacados del país en cuanto a transformación digital se trata. Una de las preguntas qué más frecuentemente nos hacen cuando empezamos a entrarle a todos los conceptos de analíticos es ¿Cómo se empieza esto del big data? En esta columna daremos una guía resumida de cómo iniciar una estrategia de datos así como compartir algunas de las mejores herramientas para volver realidad big data en tu organización.

Datlas_barra_suscribir

Este es un blog para avanzados, si quieres familiarizarte antes con algunos conceptos puedes profundizar un poco más consultando nuestro DATA PLAYBOOK Gratuito.

¿Cómo aprovechar el Big Data? Dentro de las muchas definiciones nos centraremos en la que considera aprovechar la mayor cantidad de puntos de generación de información a los que tiene acceso tu organización. El primer paso lógico identificar la oportunidad para tu organización “mapeando” los datos a los que se le pudiera extraer más valor.  Puedes leer los ejemplos en  “Almanaque Datlas ¿Cómo convertir datos en dinero?” .

El pase de diapositivas requiere JavaScript.

Ideación para Big Data. Como cualquier fase en las estrategias de transformación digital, lo sugerido es integrar a los tomadores de decisiones y líderes de influencia en tu organización en talleres de ideación. Esto te servirá para integrar la visión estratégica de distintas áreas en tu estrategia de big data, ir gestionando el cambio cultural de manera más natural y enlistar los proyectos que más sentido le hagan a diversas áreas.

El pase de diapositivas requiere JavaScript.

Monetiza los resultados.  En algún momento tendrán que priorizar los recursos de la organización, obtener presupuestos y echar andar en los mejores calendarios algunos pilotos de propuestas.

Datlas_barra_suscribir

Durante toda la conversación es conveniente iniciar con KPIs (metas medibles claras) y alinear todas las decisiones durante los pilotos hacia estos objetivos. Siempre cuidando que estos KPIs puedan ser monetizables. Puedes leer también 15 métricas para tu PYME

El pase de diapositivas requiere JavaScript.

Selecciona a los perfiles adecuados. Hemos hablado mucho en nuestras conferencias sobre la relevancia de identificar las habilidades que requieren los retos que hayas mapeado en la organización. Un “skillset” o set de habilitades habitual para los retos de data science integran, pero no se limitan a: Computación, matemáticas, lógica, modelos predictivos, investigación, comunicación y aprendizaje computacional avanzado. Puedes leer también  5 perfiles para una estrategia de datos.

El pase de diapositivas requiere JavaScript.

Monitorea, ejecuta y repite. Una vez que ejecutes los pilotos. Decide dónde profundizar y genera actividades más recurrentes que vengan acompañados de metodologías. En cada iteración hay que buscar la mejora continua y la especialización. Puedes leer ¿Por qué no necesitas un data scientist?

El pase de diapositivas requiere JavaScript.

Hasta aqui la columna de hoy, si conoces a alguien que esté liderando una transformación digital y estrategias de analítica en su organización compárte este blog. También, no olvides consultar nuestro DATA PLAYBOOK Gratuito.

Saludos y gracias por leer.

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: