algoritmos

La importancia de dar sentido a los datos en internet

  • La experiencia nos ha enseñado que los datos, por sí mismos, no son relevantes cuando las preguntas son complejas y hacen referencia al negocio de una empresa 

  • Para obtener información de valor es necesario el cruce de variables, crear sistemas de análisis que faciliten información concluyente para la toma de decisiones

 

En WEROI nos dedicamos a analizar el mercado potencial digital de las empresas y, a continuación, diseñamos y ejecutamos las estrategias digitales que convierten internet en un canal efectivo de captación de oportunidades comerciales para ellas.

Esta frase resume, más o menos, nuestro trabajo.

Dicho así, parece sencillo, ¿verdad?

 

Análisis y estrategia.

 

Pues créenos: no lo es. O al menos no siempre lo es.

 

Cada una de estas palabras, análisis y estrategia, encierra, por lo general, gran complejidad y exige mucho trabajo e inteligencia para encontrar lo que nosotros llamamos ‘la salida del laberinto’, sobre todo cuando hablamos de grandes empresas con varios países objetivo y diferentes líneas de negocio.

 

Pero vamos por partes.

 

Este post vamos a dedicarlo al análisis, cuyas conclusiones son esenciales a la hora de marcar la estrategia.

Y para realizar un buen análisis digital, sea cual sea, lo primero que hace falta es información, DATOS. Por suerte, y como ya hemos comentado alguna vez en este blog, una de las grandes ventajas de internet es que permite medirlo todo. Existen herramientas para adquirir datos, muchísimos datos. En WEROI las conocemos y sabemos cómo utilizarlas.

 

El problema empieza entonces:

 

  1. Puedes encontrarte con un auténtico océano de datos. Y con que todos, a priori, te parezcan interesantes. Pero tal cantidad de información te aturde y puede ocurrir que no sepas ni por dónde cogerla. La simple idea de tratar todos esos datos de manera manual te sumerge en una profunda desesperación. Y te preguntas: en este maremágnum, ¿se puede llegar a conclusiones de valor?
  2. Lo anterior es lo más habitual, aunque también puede ocurrir lo contrario, que dispongas de pocos datos que no resuelvan el problema que tienes entre manos ni te den, al menos de forma explícita, pistas sobre cómo solucionarlo. Complicado llegar a alguna deducción interesante.

 

Sea como fuere, la experiencia nos ha enseñado que los datos, en sí mismos, no son tan relevantes (o no siempre lo son):

 

  • En muchas ocasiones es preferible detenerse y pensar con antelación qué es lo que se quiere saber, para qué se quiere saber y cómo obtener esa información, y a partir de aquí buscar (o crear) las herramientas que lo hagan posible.
  • Y otras veces te encontrarás con que debes cruzar diversas variables de análisis para obtener la información que necesitas. Y aquí es donde aparecen las matemáticas (los algoritmos) y la estadística.

 

 

Pero basta de abstracción. Vamos con los ejemplos.

 

Piensa en un banco que quiere saber qué tipo de clientes son más propensos a contratar un fondo de pensiones.

¿Le sirve de algo al banco para lo que quiere saber que en los últimos 6 meses han visitado sus oficinas una media de 35.800 personas/mes? ¿Le es útil para lo que anhela conocer que de ese total el 24,3% eran mujeres? ¿Puede ayudarle el dato de que el 45% ha llegado a sus oficinas por medio de una promoción publicitaria realizada en prensa escrita? Y así podríamos seguir y seguir.

Datos y más datos. Ninguno de ellos útil por sí mismo para lo que el banco busca: la tipología de clientes más susceptibles de contratar un fondo de pensiones.

Pero ¿y si se pudiesen combinar y cruzar todas las variables, millones de datos analizados, meterlos en una coctelera, agitarla (aplicando algoritmia+estadística) y que de ahí saliese justo lo que buscamos?

Algo así como: “Hombre de 45 años con un sueldo medio de 40.000 euros brutos al año, casado, con dos hijos, dos viviendas, con una hipoteca de 230.000 euros de la cual lleva pagada el 30 ó 40%, etcétera”.

Sabiendo esto, imagina lo fino que podría hilar el banco en sus campañas de captación, ¿no te parece?

 

Ahora aplica esto mismo al ecosistema digital, donde disponemos de millones de datos.

Pregúntate: ¿es realmente útil para ti saber cuántas personas han visitado tu página web? ¿Si eran hombres o mujeres? ¿Si han accedido por marca o no? ¿Qué páginas han visitado?

Si las preguntas son sencillas, perfecto. Ahí tienes las respuestas.

Pero si las preguntas son complejas y están relacionadas con el negocio y no sólo con la analítica web, ten por seguro que el camino para obtener las respuestas también será enrevesado, un laberinto.

 

Por ejemplo: imagina que quieres saber cuáles son los canales digitales (LinkedIn, SEO, SEM, Twitter…) más potentes para captar negocio en, digamos, Polonia con uno de tus productos.

Aunque seas algo profano en la materia, seguro que has oído hablar de Google Analytics, ¿verdad?

Pues te dices: “Allá voy, ‘San Google Analytics’, ilumíname”.

Ya, pero ¿qué variables vas a tener en cuenta?

  • ¿Todo el tráfico que recibes a tu web por ese canal en ese país?
  • ¿Sólo el número de usuarios nuevos que recibes por ese canal?

 

Verás que ni los paneles de Google Analytics, ni las vistas, ni siquiera el proyecto en Beta de Data Studio de Google te permiten cruzar variables para obtener la respuesta que tú buscas.

Para saber lo que quieres necesitarás cruzar muchos datos. Conocer cuáles, por qué y cómo te mostrará ‘la salida del laberinto’ y te iluminará tremendamente en la toma de decisiones estratégicas.

 

Y esto es justo lo que hacemos en WEROI: trabajamos con nuestros clientes para crear sistemas de análisis que ofrezcan información concluyente y de valor partiendo de millones de datos analizados.

 

¿No nos crees? ¡Ponnos a prueba!