Professional Documents
Culture Documents
Raúl Arrabales
Profesor en ICEMD
Analytics Senior Manager en Accenture
Raúl Arrabales
Profesor de ICEMD
Analytics Senior Manager en Accenture
Alertas
¿Qué acciones se requieren?
Inspección
de
Consultas ¿Dónde está el problema?
Informes
Ad Hoc
Informes ¿Cuánto, cuándo, dónde?
Datos Estándar
Datos en limpios ¿Qué ha pasado?
bruto
Grado de Inteligencia
Los procesos que convierten los datos en crudo en información de cliente de gran valor tienen
una complejidad creciente y su desarrollo es incremental. Los modelos más complejos
toman como entrada la salida de los modelos más simples desarrollados previamente.
En el paso inicial, la compañía solo cuenta con datos en bruto o “en crudo”, que por sí solos
no aportan en realidad ningún valor, pues es necesario aplicar diversos procesos de minería
y analítica para conseguir extraer la inteligencia de cliente oculta en la miríada de datos que
se obtienen cada segundo.
En el arduo camino hacia la consecución de información útil y accionable, uno de los primeros
pasos requeridos es el aseguramiento de la calidad de los datos. En el mundo real, las
organizaciones raramente cuentan con una fuente de datos que proporcione un 100% de
calidad. Normalmente las fuentes de datos contienen inconsistencias, errores, carencias,
ausencias, etc. Es por lo tanto necesario en primer lugar aplicar un proceso de “limpieza”
de los datos.
Una vez que se cuenta con datos “saneados”, se pueden combinar diferentes fuentes de
datos para obtener informes estándar. Esta es la práctica habitual de multitud de compañías
que cuentan con un departamento de business intelligence (BI), cuyo objetivo principal es
Existe una tendencia creciente a usar técnicas de computación cognitiva tanto en el análisis
de datos como en la relación con los clientes. Los sistemas de aprendizaje automático, que
son capaces de aprender de la propia experiencia, están proliferando mucho en los últimos
años, siendo su uso ya extensivo en dominios como los sistemas de recomendación online.
Un sistema de recomendación online aprende automáticamente las preferencias de los
usuarios de acuerdo a su perfil de comportamiento y la información existente en redes
sociales. Además, estos sistemas toman decisiones en base a ese aprendizaje para
maximizar los ratios de conversión, mostrando a cada usuario los productos que más se
ajustan a su perfil (y por lo tanto con más probabilidad de conversión a venta).
El aprendizaje automático (machine learning) está muy relacionado con los sistemas
cognitivos, pues aborda el proceso psicológico del aprendizaje, ocupándose de los algoritmos
capaces de aprender a partir de la observación de los datos. Estos algoritmos construyen
modelos de la realidad que se pueden usar para hacer predicciones o tomar decisiones.
●● e-Commerce ●● Coolhunting
●● Emprendimiento Digital
●● Big Data
●● Innovación Digital
●● Comunicación Digital
●● Analytics
●● Customer Experience