Cinco ejemplos de cómo aplicar análisis al Big Data para cumplir con los objetivos del negocio

14211230670_70288a0b23_b
Existe un convencimiento para materializar iniciativas relacionadas con el análisis de grandes cantidades de datos. ¿Por dónde se debe empezar?

Existe un convencimiento para materializar iniciativas relacionadas con el análisis de grandes cantidades de datos. Si se debe utilizar la analítica la pregunta ahora es ¿por dónde se debe empezar?

SAS, una de las principales empresas privadas de software a nivel mundial, presenta cinco ejemplos para cumplir con los objetivos de tu negocio aplicando análisis al Big Data y por dónde debes comenzar.

1. Optimizar las operaciones del negocio

La llegada del análisis de datos grandes o “Big Data” redefine el arte de lo posible. Problemas que antes eran difíciles o imposibles de resolver, ahora son descifrables.

Las organizaciones pueden analizar todos sus datos -no sólo un subconjunto de ellos- más ampliamente, de manera iterativa y con frecuencia. Los expertos en analítica de las organizaciones están aprovechando esta tendencia para contestar preguntas que nacen de la gestión de sus operaciones comerciales y que antes no tenían respuesta.

Creditreform, empresa líder en el mercado alemán de los informes de negocio (una especie de Dicom en Chile), recientemente implementó un proyecto de Big Data que tenía como objetivo analizar 650 millones de datos de transacciones de sus clientes que se producen en las 130 oficinas que ellos poseen en todo el mundo.

Gracias a la analytics, aceleró procesos hasta 30 veces más rápido, lo que le significó bajar sus costos a la mitad y entregarles a sus clientes información valiosa para sus transacciones comerciales.

2. Dar respuestas rápidas

Una de las ventajas más importantes que posee el análisis de Big Data es su capacidad para ofrecer las mejores decisiones de negocio en una fracción del tiempo.

Por ejemplo, la empresa de comercio móvil del Reino Unido Webe diseñó un sistema de anuncios en tiempo real a través de una aplicación para sus 17 millones de clientes.

De esta manera, el usuario que navegaba a través de las aplicaciones móviles recibía, en una fracción de segundo, una oferta dirigida exclusivamente para él.

El objetivo no era enviar información que derivara en spam, sino que a través de la navegación de sus clientes y los sitios que ellos visitaban, la compañía conocía de mejor manera sus hábitos de consumo y generaba una estrategia de marketing en tiempo real que atendía directamente sus preferencias. Aumentaron en 40% sus ventas gracias al uso de analytics.

3. Mejorar la calidad de los servicios

Un mejor análisis, mejor información y procesamiento de los datos más rápido permiten dar un valor real al negocio.

Creditreform, por ejemplo, se especializa en realizar informes de evaluación crediticia que consisten predecir la solvencia de una empresa durante los próximos 12 meses. La calidad de esta predicción determina la calidad del informe.

Al aplicar análisis en tiempo real a su base de datos, que está compuesta por cerca de 150 millones de entradas, mejoraron en un 10% la calidad predictiva de sus reportes, previniendo en sus clientes pérdidas por entre US$20 millones y US$40 millones.

4. Estrategias de marketing relevantes y personalizadas

El retail está cambiando y hoy el comprador obtiene la información de sus productos desde distintos canales: PC, televisión, dispositivos móviles, redes sociales, entre otros.

La tendencia es no segmentar este tipo de información, sino analizarla de manera complementaria para satisfacer sus demandas. Ahí es donde nuevamente la analítica y Big data toman un rol protagónico.

El auge de sistemas de pago móviles ha permitido que la industria del marketing gane en la habilidad de entender este entorno que rodea al nuevo consumidor.

Y es a través de experiencias de omnicanalidad (distintos canales para adquirir un mismo producto) que las ofertas están siendo dirigidas y personalizadas.

5. Entrega de nuevos servicios que antes eran imposibles

El Big Data ayuda a las organizaciones a capitalizar una gama más amplia de nuevas fuentes de datos, aplicar análisis más sofisticados a la misma y obtener respuestas en minutos que antes tardaban horas o días.

Las tecnologías móviles revelan dónde están los clientes en este momento y si están navegando por sitios web móviles, comparando precios o comprando directamente.

Por ejemplo, una cadena de supermercados en el Reino Unido está utilizando la georreferenciación de los dispositivos móviles de potenciales clientes fuera de la tienda para enviarles ofertas y atraerlos a comprar.

Se trata hoy del marketing personalizado, más relevante y convincente que el tradicional y un cambio radical las estrategias desarrolladas en los últimos 30 años: una oportunidad posible gracias a la aplicación del Big Data y la analítica. Gestión

Fuente imagen destacada