Actualmente, las empresas optan por hacer que la tecnología facilite la ejecución de su estrategia y procesos de negocio. Es por ello, que una de las disciplinas que sigue el camino digital es el marketing, el cual está inmerso en la transformación digital. Sin embargo, son muchos los casos donde no se ve reflejado el impacto de estas soluciones en la compañía por distintos factores como la compra prematura de innovaciones tecnológicas, elección del personal erróneo para el manejo de estas técnicas, entre otros.
En ese sentido, la Sociedad Peruana de Marketing dio inició al 2019 con sus ponencias transversales presentando la conferencia “Tendencias en Data & Analytics 2019 para Marketing”, en donde Julio Quiñonez, Gerente General de Consumer Target Consulting, brindó información sobre esta forma de gestionar estratégicamente la información y que beneficiará a las empresas.
“Es necesario aplicar Data Analytics en la estrategia de marketing de las organizaciones para identificar las problemáticas y necesidades de la empresa y las capacidades estratégicas que deseamos fortalecer con la analítica. Como por ejemplo, casos de negocio donde tengamos más oportunidades de desarrollar la rentabilidad o ser más eficientes en los procesos de la empresa. De este modo, se analizará a detalle las posibles soluciones y recursos a emplear para resolver y mejorar los casos de negocio concretos, alineados a la estrategia del negocio. Además de estimar rentabilidades esperadas de cada posible proyecto analítico”, precisó el especialista.
Sin embargo, existe una alarmante realidad que fue compartida durante la exposición. Se presentó un estudio realizado en Estados Unidos por NewVantage Partner, el cual indica que un 72% de empresas todavía no crea una cultura de uso de información. Además, un 69% no ha creado una compañía con foco en la data, desaprovechando la utilidad de esta valiosa información.
¿Qué es Data Analytics?
Data Analytics es gestionar estratégicamente toda la información organizada y reunida del personal de la empresa (interno y externo). Con esta recopilación, las compañías deberán formularse las preguntas apropiadas para poder tomar decisiones estratégicas acertadas y así poder aumentar el volumen de negocios y dar soporte a su estrategia.
Asimismo, el ponente informó sobre las últimas tendencias en Data Analytics entre las cuales destacaron la Analítica Aumentada, Analítica Conversacional, Inteligencia Continuada, Insights Automáticos/Machine Learning Comercial, Gráficos y Blockchain.
Además, Julio Quiñonez compartió con los asistentes las principales tecnologías analíticas del mercado entre las cuales resaltó a Qilk Sense, Power BI y +Tableau para Visualización Analítica. QlikView, Alteryx e IBM Spss Modeler para Modelo de Datos y Python, TIBCO, R, IBM SPSS Modeler, Knime, IBM, RapidMiner y TIBCO para Modelamiento o ciencia de datos.
¿Qué es la hoja de ruta?
La hoja de ruta es un documento que ayudará a estructurar una estrategia que pueda aprovechar la data obtenida. En este material, se realizarán preguntas para identificar las capacidades clave para poder desarrollarlo. Esta implementación, brindará múltiples beneficios a la organización como, por ejemplo, enfocarse en sus problemas clave de negocio, ahorro en ciertos recursos, ya que evitará la compra de tecnología sin fundamento y además servirá para prevenir o conocer las posibles crisis que pueda presentar la compañía.
Finalmente, el especialista puntualizó que Data Analyticis es como construir un edificio. “El terreno vendría a ser la data, la calidad de la misma y la organización o gobierno de estos datos. Luego está el primer nivel (nivel descriptivo), que debe ser moderno, con una analítica de autoservicio, democrático e interactivo (en el móvil o web). En el segundo piso, está el nivel de la Ciencia de los Datos o Análisis predictivos. Es este nivel, debemos adaptar herramientas tecnológicas amigables para los usuarios de negocio que conocen mejor los problemas de negocio y las herramientas de análisis avanzada para analistas más sofisticados (Científicos de datos). En un tercer nivel, trabajar con inteligencia artificial y modelos más complejos de optimización”, puntualizó Quiñonez.
