Data-driven, qué significa y por qué un enfoque basado en datos es importante en la empresa 

Tener un enfoque data-driven en la empresa significa aprovechar el tesoro del Big data y utilizar los datos de forma eficaz en el proceso de toma de decisiones. En marketing, por ejemplo, el análisis de los datos de los clientes (Customer Analytics ) es ahora una práctica común para varias organizaciones porque permite que las actividades de marketing digital impulsen el crecimiento de la empresa, construyendo relaciones más significativas y duraderas con los clientes. 

¿Qué significa una empresa data-driven: un enfoque basado en datos? 

Las empresas data-driven son aquellas que consideran la gestión de datos no como un factor técnico, sino como un pilar estratégico del negocio. Ser data-driven significa guiarse por los números, tener un enfoque basado en datos, para tomar decisiones informadas, basadas en hechos objetivos y no en sensaciones personales. Por tanto, la transformación hacia una empresa basada en datos no puede realizarse únicamente con tecnología, sino con un camino de gestión del cambio capaz de llevar la cultura del dato a todos los niveles de la empresa.  

Los directores ejecutivos y gerentes de hoy necesitan información que les ayude a comprender lo que les depara el futuro. Es esencial disponer de datos correctos, actualizados y recopilados con frecuencia. En un mundo tan acelerado, no basta con prestar atención al pasado, al análisis de métricas y KPIs basados en series históricas, a la generación de estadísticas e informes finales para realizar análisis de datos sobre el comportamiento de los usuarios o para identificar eventos técnicos o críticos. 

Pensemos, por ejemplo, en la gestión en tiempo real de maquinaria industrial conectada para el mantenimiento predictivo, aplicada en el caso de la industria 4.0, o de las transacciones financieras y de seguros, donde el análisis de datos se utiliza para identificar fraudes o, de nuevo, el marketing, donde está ahora. Es necesario anticipar el comportamiento del consumidor conociendo sus gustos. 

Un ejemplo de excelencia es Spotify que, con su sistema de sugerencia de canciones basado en el análisis de preferencias, es una de las empresas más conocidas por haber invertido considerables recursos en la toma de decisiones basada en datos. Es un enfoque que se aplica a toda la organización, habiéndose creado equipos internos de empleados completamente dedicados al desarrollo de una plataforma que recopila y analiza datos de forma automática.  

Recientemente, Spotify también ha querido seguir esta dirección desde el punto de vista técnico-infraestructural con el objetivo de que los técnicos respondan a las preguntas que se plantean los directivos, garantizando que la infraestructura técnica sea capaz de proporcionar la base de datos sobre la que pensar. Así, queda claro entender la priorización de la intervención en la mejora técnica. 

Qué es y cómo adoptar una estrategia empresarial basada en datos 

Una vez que entiendes qué es el modelo data-driven, surge una pregunta: ¿qué datos se necesitan? El trabajo preliminar es observar y comprender procesos y comportamientos y encontrar la mejor manera de cuantificarlos y medirlos, identificando lo importante para cada uno. Por ejemplo: cuántos clientes, cuándo compran, cuántas transacciones, cuánto gastan. Pero también qué edad tiene, cuándo es su cumpleaños, qué personalidad tiene. 

Una vez identificados los datos significativos, las empresas deben recogerlos, gobernarlos, protegerlos y analizarlos. Aquí aparece el papel de la Inteligencia Artificial y el Machine Learning, el IoT y la Analítica Avanzada en la gestión de grandes volúmenes de datos, los llamados Big Data. Por tanto, necesitamos una Data Strategy. 

Una estrategia basada en datos requiere comenzar con la medición desde el inicio de un proyecto: recuperar los datos más tarde no es la mejor manera. 

Los datos deben ser parte integral de la estrategia competitiva, considerando el contexto macroeconómico, el benchmarking con la industria de referencia y el modelo de negocio de la empresa. A partir de aquí podrá implementar y medir las acciones que le permitan comprender la posición competitiva de la empresa y las necesidades de los clientes. En otras palabras, centrarse en datos, números y medidas cuantitativas no debería reemplazar el valor de la visión. 

La cultura del dato también pasa por la seguridad. Las empresas necesitan infraestructuras potentes y fiables y la gestión inteligente de datos no podrá tratar la Protección de Datos como un extra sino como un pilar importante del propio negocio. 

Fuentes de datos: cuáles utilizar para realizar análisis realmente útiles 

Excluyendo la función de Finanzas, que siempre ha sido la primera fuente de datos para la gestión empresarial, el área donde hoy en día la transformación basada en datos cobra mayor relevancia es la de Marketing. Esta tiene como objetivo predecir el comportamiento de los clientes y aumentar las ventas, personalizando las propuestas en función de las preferencias individuales. Según un estudio de Salesforce, las fuentes de datos siguen aumentando en Marketing: en promedio pasaron de 8 a 10 en 2021y, entre estas, las más comunes son CRM, ERP, e-commerce, Contact Center, sitio web y App Móvil. Se espera que sean 45 en 2025. 

Otro ámbito de la Analytics es el de la escucha del cliente, es decir, el análisis de la  VoC (Voice of the Customer), es decir, las opiniones dejadas por los clientes durante las múltiples interacciones con las marcas, que se realiza de forma automática escaneando sistemáticamente sus  feedback, tanto públicos, por ejemplo, comentarios en redes sociales, reseñas y valoraciones de estrellas, como privados, como encuestas o satisfacción de atención al cliente. Todos estos datos, obtenidos mediante la interpretación de textos con plataformas inteligentes, nos permiten entender lo que realmente piensan y quieren los clientes. 

El enfoque data-driven también se está convirtiendo en una prioridad de innovación para el Departamento de Recursos Humanos. Gestionar y analizar datos de personas ayuda a proporcionar una mayor toma de decisiones y apoyo estratégico en términos de adquisición, gestión, desarrollo y retención de personas. Los datos que luego se transformarán en información útil para la dirección de recursos humanos son, por ejemplo, datos de rendimiento, tasas de retención y rotación, contribuciones en las redes sociales, resultados de encuestas climáticas, evaluación de liderazgo y competencias. 

En el sector industrial, es decir en la producción y la Supply Chain, el Internet of Things, que hace de cada objeto un dispositivo conectado y comunicante, ha creado innumerables oportunidades vinculadas al acceso a nuevas fuentes de datos. Los sensores pueden enviar información en tiempo real y las etiquetas rastrean cada movimiento. Esto genera nuevas necesidades en gestión de datos, infraestructurales y analíticos. 

Como se esperaba, cada empresa debe poder identificar los datos que son importantes para su negocio en cada área de aplicación. En Marketing, los datos propios, recogidos directamente y archivados en el CRM, son los más valiosos, y luego se integran con datos de terceros, especialmente los de redes sociales, para generar perfiles de usuario y entregar contenidos de forma eficiente. optimizada, mejorando así los resultados de la campaña. 

Las empresas más avanzadas son hoy capaces de adquirir y analizar los datos en tiempo real a medida que se generan, para crear proyecciones e hipótesis que, gracias a la aplicación de algoritmos de Machine Learning , son cada vez más precisas y veraces. En este caso hablamos de Advanced Analytics (Analítica Avanzada), tecnologías que permiten utilizar los datos no sólo de forma descriptiva, como ocurría en los sistemas tradicionales de Business Intelligence, sino también de forma predictiva y prescriptiva, anticipando problemas y comportamientos, necesidades y tendencias. 

Marketing basado en datos: qué es y por qué es necesario 

Los sistemas de Marketing Analytics, es decir, herramientas y procesos para analizar datos de marketing y, en particular, Web Analytics (o Digital Analytics), son ahora una parte integral del trabajo de los directores de marketing. Todo sucede rápidamente, como nunca. Los datos y el análisis están ahora tan entrelazados con la estrategia de marketing que las expectativas en materia de marketing han cambiado: las empresas requieren estar familiarizados con los datos como requisito previo para ser un buen especialista en marketing, habilidades que deben complementarse con habilidades creativas. 

El marketing basado en datos (o Marketing Data Driven)  se ha vuelto importante con la llegada de lo digital. El recorrido del cliente es multicanal, entelaza entre tiendas físicas y online, y sin datos es difícil entender quién y qué es el consumidor. Las hipótesis a menudo resultan erróneas: la única manera de intentar saber quién es cada individuo y cómo se comporta es basarse en los datos. 

Por supuesto, la alta dirección no está interesada en conocer la tasa de apertura de la última campaña de correo electrónico, o cuántos «me gusta» recibe una publicación en Facebook, tasa de clics, impresiones y alcance de una publicación. Pero el especialista en marketing sabe que estos datos son importantes en la medida en que pueden vincularse con los ingresos y las ganancias. 

Las ventajas del marketing basado en datos son evidentes: las campañas realizadas con herramientas de automatización de marketing en segmentos de clientes perfilados obtienen conversiones mucho mayores que las campañas genéricas realizadas en objetivos poco conocidos. El resultado final es, por tanto, un aumento de las ventas. El enfoque del marketing basado en datos es la experiencia personalizada del cliente: sólo con experiencias personalizadas el Marketing puede crear compromiso y lograr el objetivo de lealtad a la marca. 

Sin embargo, personalizar la experiencia de compra tiene otra cara de la moneda: corre el riesgo de resultar intrusivo y molesto. Se debe respetar la privacidad del cliente. Los datos personales deben recabarse pidiendo permiso, garantizando la seguridad y obteniendo siempre el consentimiento de los propios clientes. Es mejor ser transparente, es decir, explicar qué datos se recogen y cómo se utilizarán. Finalmente, cabe recordar que a cambio de sus datos personales debes aportar valor a los clientes, en términos de productos de mayor calidad y mejores experiencias. 

Cómo recopilar datos útiles para entender al cliente 

El primer objetivo de una marca es siempre enriquecer la base de datos de clientes. El CRM aumenta la cantidad y mejora la calidad de la información recopilada con el objetivo de hacer más efectivas las estrategias de engagement y fidelización a través del Marketing Automation. 

También hablamos de datos propios. El esfuerzo hay que medirlo equilibrando cantidad vs calidad de contactos, privilegiando aquellos datos que permiten conocer a los clientes, datos que dependen del tipo de negocio. Por ejemplo, si vendes productos infantiles será fundamental saber de antemano cuándo una madre está embarazada, pero si vendes neumáticos es fundamental saber el modelo del coche adquirido. 

Esto crea perfiles acordes a las características sociodemográficas y a los hábitos y necesidades reales de los clientes, ya sea que compren online o visiten tiendas físicas. 

Luego, esta información se utiliza para actividades de Email marketing, Marketing Mobile, promociones en tiendas, marketing de proximidad, etc. 

Para enriquecer el CRM se pueden implementar diversas actividades encaminadas a recopilar datos proporcionados voluntariamente a cambio de ventajas como vales de descuento, premios y obsequios. Una herramienta clave para comprender el comportamiento de compra y transmitir promociones específicas son las tarjetas de fidelidad.

Otro ejemplo son las investigaciones. Una marca de joyería, que se centra en la compra de regalos y aniversarios, ha pedido a sus clientes, por ejemplo, datos esenciales, como su estado civil, mediante una encuesta online, para saber, por ejemplo, cuándo celebran su aniversario de boda o si tienen hijos con la edad para realizar el bautismo o comunión. La experiencia ha confirmado que el cliente está dispuesto a facilitar esta información si entiende que esto le permite mejorar su experiencia de compra y si su paciencia al rellenar los campos se ve recompensada con el incentivo adecuado. 

Hoy en día, el objetivo de los especialistas en marketing es integrar múltiples fuentes de adquisición de datos en un solo perfil: comercio electrónico, POS, gestión de campañas, base de datos de clientes, tarjetas de fidelización, actividades en las redes sociales. La tecnología permite un seguimiento integrado, no sólo de las compras online sino también de las acciones sociales, como «me gusta» en una publicación y «compartir», que, aunque no se traducen en facturación, son indicativos del grado de implicación del cliente. 

Desde el punto de vista tecnológico, todos estos datos provenientes de diversas fuentes, estructuradas y no estructuradas, convergen en un datalake, un habilitador importante en este tipo de proyectos, al tratarse de una tecnología flexible y abierta. 

Otra pieza tecnológica crucial es la Customer Data Platform (CDP), una evolución de la DMP, Data Management Platform. Se trata de una base de datos única, gestionada por marketing, accesible desde todos los sistemas de Marketing Automation. El CDP tiene cuatro características clave. 

• Recopila datos, en tiempo real, relacionados con individuos y provenientes de diferentes fuentes, offline y online. 
• Consolidar perfiles individuales a nivel individual, vinculando atributos a identidades desde diferentes dispositivos.
• Segmenta, es decir, gestiona segmentos en función de reglas predefinidas. También debe ser posible importar y desarrollar modelos de clientes creados en entornos externos, utilizando análisis avanzados o sistemas de ciencia de datos.
• Activar: potenciar campañas de correo electrónico, mensajes en smartphone y data-driven advertising. 

La inteligencia empresarial proviene de los datos 

Las empresas deben desarrollar una cultura corporativa centrada en el uso de datos, colaborar con datos e innovar con datos, haciendo de esta cultura un componente de su identidad. De ello también está convencida la empresa de investigación global IDC y acuña el término » inteligencia empresarial » para definir la capacidad de una organización para sintetizar la información que necesita aprender, aplicando el conocimiento resultante a gran escala.  

La inteligencia empresarial se divide en tres aspectos:  

• La capacidad de sintetizar información, que consisten en el proceso de convertir datos en información y luego en conocimiento 

• La capacidad de aprender, que se refiere a la conciencia y comprensión de las relaciones entre diversa información y conocimientos previamente desarrollados, así como su aplicación a un problema particular. 

• La aplicación del conocimiento a gran escala, un apoyo a las decisiones en todos los niveles de la empresa, desde los directivos hasta los trabajadores, pasando por las máquinas pasando por las herramientas de automatización. 

Si bien el gasto en servicios y soluciones de análisis y gestión de datos seguirá creciendo a un ritmo de dos dígitos, IDC revela que sólo el 29% de las organizaciones encuestadas dicen que están «muy preparadas» para abordar los desafíos de los datos en el futuro cercano.  

El mayor obstáculo para las iniciativas de datos corporativos está representado por obstáculos culturales, no tecnológicos según afirmaron el 90% de las empresas. El riesgo, concluye IDC, es que, si en 2024 las empresas no son capaces de controlar el crecimiento de los datos, la capacidad de análisis y la proliferación de silos de toma de decisiones experimentarán una duplicación de la pobreza de atención con la incapacidad de separar las señales del ruido. Aprender y transformar el conocimiento en una ventaja competitiva. 

Los desafíos del marketing basado en datos 

Como está claro, el primer desafío del Marketing data-drive es la gobernanza de datos, que es fundamental para lidiar con enormes volúmenes de datos extraídos de múltiples fuentes, en diferentes formatos y con frecuencias variables. 

Segundo problema: los departamentos de marketing a menudo se encuentran sin los especialistas y los procesos necesarios para analizar, comprender y explotar los datos y recurren a informes retroactivos ineficaces.  

Para superar estas complejidades, Deloitte ha elaborado un manual sobre cómo crear un marketing basado en Big Data capaz de generar valor. Según un análisis publicado en el Wall Street Journal, los especialistas en marketing tienen dificultades para gestionar el enfoque basado en datos: intentan explotar el big data para campañas específicas y personalizadas y para aumentar la visibilidad, pero con resultados insatisfactorios. 

1 – Dar sentido a los datos 

Los datos valen poco si no están en forma utilizable. Están los datos de tus clientes o usuarios, y los de segundos o terceros, y deben colocarse por orden de prioridad. Dado que es poco probable que una sola tecnología haga esto, la efectividad proviene de la combinación de múltiples productos: análisis en línea, plataformas de gestión de datos, CRM, plataformas de ventas, etc. 

2 – Experimento 

Hoy en día existen el aprendizaje automático, la inteligencia artificial y el análisis cognitivo, pero las personas deciden cómo utilizar los datos: la ciencia de datos produce los resultados más satisfactorios. Los especialistas en marketing tienen la tarea de experimentar, formular hipótesis con conjuntos de datos únicos y enfoques semimanuales, confiando en el científico de datos para extraer valor y analizar datos significativos. Los enfoques automatizados y basados en algoritmos son útiles, pero el valor se crea con la intervención de la ciencia de datos y la experiencia humana. 

3 – Enfoque 

Experimentar no es suficiente: debemos centrarnos en oportunidades específicas, con el objetivo de crear valor en etapas específicas del recorrido del cliente. Atención: el recorrido del cliente, no recorrido de marketing, ventas o servicio. Priorice segmentos, grupos de usuarios y etapas del recorrido en función de los datos de conversión y el análisis de correlación. Define tus objetivos de negocio y empieza a apuntar al objetivo que tengas más a mano. 

4 – Las oportunidades del aprendizaje predictivo 

Volviendo al aprendizaje automático, la inteligencia artificial y el análisis cognitivo, ¿cuánto importan? “Importantes, necesarias, pero no preparadas para sentarse en el puesto de mando porque no son tecnologías maduras”, responde Deloitte. Por lo tanto, es necesario comprender qué se puede obtener hoy de estas herramientas y qué es solo experimentación y no olvidar las plataformas que se integran inmediatamente con los sistemas de marketing existentes (como la detección de anomalías y la identificación de tendencias, segmentos y propensiones), también buscando anticipar evoluciones en las plataformas de marketing en las que su organización ya ha invertido. 

5 – La gestión de datos debe ser integrada y en tiempo real 

Gestionar las múltiples y dispares fuentes de datos es prohibitivamente caro y requiere mucho tiempo si se trata de una operación completamente manual. El uso de datos requiere una combinación de procesos y políticas que incluyan una gobernanza de datos clara y un enfoque ágil. Abandonar el sistema de informes mensuales y previsiones trimestrales, que generan conocimiento de forma episódica y no en tiempo real, significa ponerse en el camino del éxito: hay que fusionar datos, análisis, estrategias, personas, procesos y tecnologías. 

6 – El uso ético de los datos debe ser la base 

El uso de datos para tomar decisiones en tiempo real o casi en tiempo real ofrece enormes oportunidades, pero corre el riesgo de pisotear los derechos a la privacidad y la seguridad. Son cuestiones que no pueden plantearse a posteriori: la estrategia de marketing data-driven debe incluir desde el principio la protección de la empresa y su audiencia frente a las ciberamenazas y una sólida defensa de los datos de los clientes. Los datos son la nueva forma de poder, pero, como dicen, el poder también conlleva responsabilidad.