BI

Business Intelligence, BI, Data Lake, Inteligencia Artificial, Big Data, Smart Data, Machine Learning….son términos que están en todas las hojas de rutas de las empresas, grandes, medianas o pequeñas. Es tendencia, es presente y es futuro. ¿Pero los profesionales de marketing digital entendemos realmente la profundidad del término? Si buscamos en Google las palabras Business Intelligence o Inteligencia Empresarial y leemos la definición de la Wikipedia encontraremos algunos conceptos disonantes en marketing digital como: Anticipación de acontecimientos futuros, o sea predicción Herramientas y software de inteligencia Técnicas ETL o almacén de datos Modelado de representaciones. Facilitar la toma de decisiones Ofrecer conocimientos para respaldar decisiones Data warehouse…. Algunos conceptos sencillos y otros conceptos complejos que dificultan a la hora de entender realmente que es el BI o Business Intelligence, su dimensión y porque debemos aplicarlo en la empresa, siendo en este caso el área de marketing digital el principal impulsor. Porque no penséis que es un concepto moderno ni de tendencia pasajera. El BI nació en 1958 de la mano del investigador de IBM Hans Peter Luhn, que fue el primer ser humano en utilizar las palabras Inteligencia de Negocio. Luego, es cierto que el concepto ha ido evolucionando de los DSS (sistema de apoyo de decisiones) de las computadoras (mira que uno se siento viejo al decir esta palabra), a los data warehouse y cubos OLAP de los años 90 hasta las plataformas cloud y open source actuales como Power BI, Tableau o Microstrategy… Qué es el Business Intelligence o BI o Inteligencia de negocio BI significa inteligencia de negocio o aplicar la inteligencia al negocio. La Inteligencia es aprender, entender y razonar para resolver problemas complejos y tomar decisiones. Pero no cualquier decisión sino la mejor de las decisiones posibles, con un significado concreto y en un contexto determinado. Realmente estaríamos previsionando cuál creemos que será la mejor solución al problema planteado. Por tanto el BI busca a través del análisis de los datos encontrar patrones que nos ayuden a poder dar solución al problema resuelto. ¿Os suena esto de algo?, claro que sí porque en marketing digital monitorizamos todo lo que ocurre, diseñamos cuadros de mando en tiempo real y tomamos decisiones en base a los datos, aunque sean solo los datos históricos. 3 conceptos críticos en BI. Siempre que hablemos de Business Intelligence tenemos que tener muy claro estos conceptos de cara a ver el ámbito de actuación. Previsión de datos La previsión se basa en hechos y supuestos del desempeño pasado y actual. Es lo que todas las empresas vienen haciendo desde hace muchos años. En base a datos históricos tomar decisiones. Por ejemplo, de mi cartera de clientes, los que han comprado este producto o servicios con este precio medio en este período de tiempo voy a analizarlos para lanzar una campaña promocional personalizada. Predicción de los datos Se refiere a un cálculo o una estimación que utiliza datos de eventos anteriores, combinados con tendencias recientes para obtener un resultado de un evento futuro. En este sentido podríamos coger los datos de los mismos clientes del ejemplo anterior, pero añadiendo variables como tendencias en la compra de productos similares para poder lanzar una acción de cross selling. Pronóstico de los datos Es el acto de indicar que algo sucederá en el futuro con o sin información previa. Aquí la cosa se complica pero para bien. En este caso se diseñarían escenarios hipotéticos de actuación para determinados clientes que cumplan determinados requisitos. Es decir, para los clientes que dejarán la marca los próximos tres meses tener acciones prediseñadas para retenerlos antes de que se vayan. El BI trata de escalar las decisiones desde la previsión, a la predicción y al pronóstico Business Intelligence, Big Data y Smart Data Cuando hablamos de Business Intelligence rápidamente se asocian conceptos como Big data, datos masivos o inteligencia de datos. ¿Cierto o no?. El concepto de Big Data es un termino que nace en los años 90 y parece ser que de la mano de John Mashey. Aunque lo que hoy entendemos por Big Data se acelera exponencialmente a partir del año 2012. El motivo, los enormes volúmenes de información digital, pasando del megabyte al gigabyte al terabytes, petabytes, exabytes, zettabyte y yottabytes. No se si alguno recordará los 1028 bytes verdad, ¡pues ya los elevamos a la octava potencia! Si hablamos de Big Data nos metemos en el barro de la inteligencia artificial, el machine learning y el uso de complejos algoritmos. El big data permite almacenar, clasificar y analizar grandes volúmenes de datos. Datos que deben cumplir la regla de las “6 V”: Volumen de datos. Velocidad de los datos Variedad de los datos Veracidad del dato Valor del dato Visibilidad del dato. Si no cumplen las 6 no estaríamos hablando de Big Data, por eso todavía muchas empresa no hacen realmente Big Data. ¿Os suena el caso los 2 Boing 737 Max que se accidentaron en Egipto e Indonesia? ¿O el mega computador Watson de IBM?. Dos ejemplo de uso y aplicación Big Data de libro. Cuando hablamos de BI debemos saber que puede haber Big Data o Smart Data. En ambos casos podemos y debemos aplicar metodologías de BI. Las personas en el centro de tu estrategia de Business Intelligence La pregunta clave a responder sería, realmente ¿quién toma las decisiones?. Normalmente las personas son las que toman las decisiones, todos los días, en estas guerra de decisiones hay personas que toman buenas decisiones y personas que toman malas decisiones. Si vamos atando los hilos, la inteligencia entonces tiene que ver con la toma de decisiones, y las decisiones tienen que ver con personas. Porque las decisiones son la respuesta a una buena solución. Hasta aquí todo correcto, pero ¿cómo construimos una buena solución?, aquí la fórmula mágica: Inteligencia + personas + información. Esta es la base del BI. La información nos ayuda a encontrar las respuestas a las preguntas dadas, y las respuestas ayudan a tomar decisiones. En este sentido podemos agrupar la información es 2 tipos de datos: estructurados (documentos Word, hojas Excel, base de datos…) y no estructurados (videos, redes sociales, email, post…). Si esto lo trasladamos al mundo empresarial y al marketing digital, para poder responder preguntas de negocio tales como por ejemplo: ¿Que producto nos dejará mayor rentabilidad el año que viene? ¿Cuál es la audiencia digital que mejor va a convertir? ¿Cómo puedo mejorar la tasa de conversión de mi campañas PPC para obtener mayor ROI? Las empresas tienen que hacer Business Data, es decir, trabajar los datos del negocio. El primer paso para ello sería recopilar y almacenar todos los datos de productos, clientes, ventas, márgenes, buyer personas, de visitas web….en este punto el mundo digital lo tiene fácil. El segundo paso sería bucear en los datos, analizar, para convertir el dato en información. En este análisis debemos encontrar insight. Insight, ese palabra mágica en BI. Un Insight es el repentino entendimiento a un problema complejo que surge de la observación, el análisis, y la búsqueda de datos. El BI trata de detectar “patrones” que nos ayuden a resolver un problema. Lo hace a través del Data Discovery. Podríamos decir que BI consistiría en tener el acceso a datos de negocio + la gestión de los datos para aumentar las ventas. Es decir, análisis y reporte. ¿Cuántos estáis en esta fase actualmente? A esto se llama BI 1.0 y nació en 1989!!!! Con el despegue digital (las famosas www) los volúmenes de información crecen exponencialmente y el BI necesitó ser rápido y adaptarse. En este contexto surge el BI 2.0 - Acceso online y ofline - Soluciones a medida, cloud, privadas y open source - Consolidación del mercado (cuadrante mágico de Gartner 2019 nos ofrece mas de 50 herramientas BI privadas y opensource). - Mas intuitiva y de fácil acceso para cualquier usuario - Usabilidad - Menos técnica y menos dependencia de TI. - Mas visual, mas intuitiva y mayores resultados Fases del Business Intelligence Si hablamos de metodología profesional, un proyecto de BI necesita como mínimo de 5 pasos o fases de implementación: Fase 1: Data Recollected. Recoger los datos y que estos sean fiables. Para ello debemos analizar las fuentes de datos, el tipo de dato, la veracidad del dato y el formato del dato. Fase 2: Data Analytics Transformar los datos en información, añadiendo el contexto y un significado. Por ejemplo si hablamos de total de sesiones, calidad del usuario, tasas de conversión…son datos a los que le falta poner en contexto y significado. Si añadimos que son los datos de la ultima campaña de Google Ads para la promoción inmobiliaria Mirando al Mar en Málaga empezamos a entenderlos y a interpretarlos. Fase 3: Data Visualization La información en conocimiento. Ese dato con contexto y significado tenemos que transformarlo en conocimiento. Es decir, analizarlos y darle relevancia para poder tomar decisiones complejas con ellos. Fase 4: Data Discovery El conocimiento en insigths o patrones. Esta es la parte mas compleja pero ya hay algoritmos complejos y herramientas que nos ayudan. Como descubrimos ese patrón que nos dará la solución. Imaginaos en la anterior campaña SEM que detectamos que siempre que en los anuncios de Google Ads se da una combinación de keywords concreta, en inglés, en unos días de la semana determinados, en unas ciudades tipo de UK, los datos de conversión son mejores y los leads generados de mayor calidad. Fase 5: Tomar decisiones de BI Los insigths en decisiones de negocio rentables. Vuelta a medir. ¿Qué haríais en la situación anterior?, como mínimo invertir más (duplicar o triplicar la inversión? y/o aplicar modificaciones a las campañas y estratega digital para ser más eficientes. Aquí está el verdadero valor del BI. Estos 5 pasos son la esencia de cualquier proyecto de BI aplicado a marketing digital. Herramientas de BI Como toda disciplina precisa de herramientas especificas para poder desarrollar todas las funciones que la inteligencia de negocio precisa. En este caso existen plataformas privadas y plataformas en entornos open source. Cuadro de mando integral Es la última visualización de todo el proceso de BI que recoge los principales KPIS a analizar y trabajar en profundidad. El cuadro de mando es la herramienta para la toma de decisiones. Herramientas business intelligence En este caso si nos fiamos del Cuadrante Mágico de Gartner más reciente, el top 3 de herramientas de BI profesionales es para: Power BI Buque insignia de Microsoft esta teniendo una gran capilaridad en el mundo empresarial por su integración con todo el universo de aplicaciones del gigante americano. Tableau Ha dado un salto exponencial desde que otro gigante americano, SalesForce, la comprara en 2020 por 15.700 millones de dólares. Esta compra estratégica sumada a la alianza con Google hace de Tableau una herramienta versátil y muy potente. Qlik Es el tercero en discordia, en este caso una empresa europea de base sueca con dos aplicaciones muy potentes Qlik Desktop y Qlik view. Plataformas que permiten crear de forma personalizada e interactiva la visualización de datos, informes y cuadros de mandos. BI y Marketing Digital El Bi pone el foco en las personas como ya hemos visto; y el marketing digital centra su estrategia en las personas, como hemos reiterado en multitud de ocasiones. Es lo que conocemos en marketing digital como Customer Centric Para ello toda marca que invierta en marketing digital debe iniciar el camino estratégico del Data Driven, es decir, virar su modelo actual para poner el dato dentro de la estrategia empresarial. El BI en marketing digital no es mas que con analizar los datos correctos en la momento correcto a las personas correctas para tomar la decisión correcta a los problemas planteados. Donde va a estar la diferencia en buscar la calidad y fiabilidad de los datos, en la profundidad y eficacia del análisis y en la interpretación de los datos para lanzar acciones digitales, volver a medir y volver a empezar, con foco en la rentabilidad del negocio digital. En definitiva se trata de monitorizar y analizar todos los: Datos externos o digitales: web, seo, campañas, leads, conversiones….todas las fuentes de tráfico web. Datos internos: a nivel CRM y ERP si la empresa lo tiene. Tipología de clientes, venta media, periodicidad, micro segmentación, rentabilidad por producto o servicio, buyer journey, esfuerzo comercial… Analizarlos y cruzarlos con foco para ser altamente rentables. Y aplicar la fórmula mágica para marketing digital: Data + insigth + Action Con la aplicación de esa formula pasaremos de diseño de modelos de previsión a predicción y prescripción. O mixtos. Teniendo un conocimiento más profundo de todos los datos de negocio online, conociendo realmente a nuestro cliente y sus circunstancias, para ser marcas que conectan con personas. Imaginemos que podemos cruzar todos los datos de las Campañas de Social Ads de nuestra marca, con todos los datos de la cartera de clientes que han comprado los productos de la promoción de los últimos 2 años. Que tipo de clientes han comprado, cuando compraron, por donde compraron, como fue su relación con la marca una vez adquirieron el producto, comportamiento de los clientes online versus los off line, compra media por geolocalización, problemas que se encontraron en el proceso de compra y envío… Con todos esos datos se podría afinar mucho más la campañas de Social Ads a nivel audiencias y micro públicos, copys, productos, localizaciones, intereses…para volver a medir y valorar resultados. Reduciendo la inversión y maximizando las ventas. Dudas del BI Para terminar el post quiero adentrarme en la parte más oscura que lleva aparejado toda esta explosión de los datos, del BI y del Big Data, del machine learning y la inteligencia artificial (IA). Es cierto que el uso del BI en tiempo real para la toma de decisiones y el diseño de modelos predictivos está cada vez más avanzados. Los entrenamiento de complejos algoritmos ayudan a encontrar soluciones a problemas cada vez más complejos. Hasta aquí fenomenal, pero no podemos pasar por alto los riesgos que se deben controlar. - Quien diseña el algoritmo (si es de caja negra sobre todo) es el que condiciona las respuestas finales. Es posible manipular desde el inicio el proceso con buenos o malos fines. Por este motivo se aboga por algoritmos de caja blanca donde todo el proceso sea transparente. No a los algoritmos de caja negra y sí a los de caja blanca. - No hay una única versión de la verdad. Siempre que se trabaja con datos esta sentencia es universal. Se puede ver los datos de una manera (para hacer el mal) y de otra manera (para hacer el bien). Sino recordar el caso reciente de las elecciones en EE.UU. - Hasta la fecha, las máquinas no pueden tomar decisiones relevantes y complejas a nivel neuronal, donde entre en juego no solo datos sino intuición, experiencia, improvisación….sino ver los recientes casos de accidentes de Tesla y Boeing, donde la inteligencia artificial tomó la decisión final por encima de la persona y terminaron en sendos accidentes mortales. - Y qué pasa con la ética, la protección y la buena gobernanza de los datos. Este debate está al alza sobre todo a nivel digital, hasta donde está en juego la integridad de las personas y su vida privada. Como profesionales de marketing digital debemos abogar por establecer límites, poner a la persona realmente en el centro y dar un buen uso al custodio de los datos. Salidas profesionales del BI Cuando uno se adentra en una nueva disciplina uno de los factores que más preocupa es la empleabilidad del mismo, es decir, de que voy a poder trabajar. En el caso del BI estamos de suerte porque es una profesión de alta demanda y si nos vamos a especializar en ella es importante que pide el mercado. Pero el BI es una disciplina que ademas complementa cualquier puesto profesional que trabaje con datos y deba tomar decisiones sobre ellos para alcanzar los objetivos. Por tanto desde perfiles directivos o gerenciales, mandos intermedios o incluso técnicos especialistas. Analista de Business Intelligence Es el responsable de la Inteligencia de negocios, por tanto de entender y analizar todos los datos de la empresa que impactan directamente en la Cuenta de Resultados. Busca la eficiencia y la eficacia en la toma de decisiones. Suele ser un perfil híbrido, con conocimientos técnicos, de negocio y de BI; pues necesita trabajar los datos, cruzarlos, visualizarlos y buscar los insights. Desde nuestra experiencia no es el responsable de diseñar las arquitectura de datos pero sí de participar en el diseño del modelo de datos. Desde la parte de Data Recollected, Data Analytics, Data Visualizatión y Data Discovery. Participando activamente en las 2 ultimas fases del proceso. Es un perfil altamente demandado en un entorno competitivo donde cada vez los datos son el centro de las estrategias empresariales. Normalmente las vacantes de este tipo suelen pedir este tipo de habilidades: Análisis del ciclo de vida de los datos de la empresa. Trazabilidad de los datos. Diseño del modelo de datos en entornos BI Calidad y gobierno de los datos. Reporting avanzados. Mejorar y garantizar la consistencia, integridad y valor de los datos. Salario Analista de Business Intelligence Además tiene una horquilla salarial el perfil de Analista de Business Intelligence que ronda los 50.000 a 70.000 euros anuales, dependiendo del tipo de empresa y sector. Businessman with book - Imagen by Sergey Nivens