| 7/8/2015 7:00:00 PM

Big Data: la mina de oro

El comportamiento de los clientes en las redes sociales es la nueva mina de oro en el mundo de los negocios. Poderosas tecnologías inteligentes ayudan a comprender lo que ellos quieren.

¿Puede un tweet trinado por un cliente modificar la operación de una compañía? Si alguien escribe, por ejemplo, “pésimo servicio!”, ¿cómo los directivos de la compañía –a veces con sede en una ciudad lejana–, podrían enterarse del comentario, entre la maraña de billones de trinos diarios en internet, incorporarlo en su base de datos y hacer algo útil con él?

Las tecnologías Big Data tienen la respuesta. El año pasado el operador móvil norteamericano Verizon redujo la fuga de clientes sometiendo a análisis el sentimiento detectado en las llamadas recibidas en su call center. Ningún analista humano podía procesar las llamadas que recibe el operador telefónico más grande de Estados Unidos, con más de 110 millones de abonados, pero una plataforma de analítica, dotada con un sistema de inteligencia artificial capaz de interpretar una llamada de voz o un trino en Twitter, sí lo hizo, y ayudó a tomar decisiones clave para el negocio.

De eso se trata Big Data, de incorporar la información proveniente de fuentes no estructuradas, como las redes sociales, los videos o las conversaciones telefónicas. Por información no estructurada se entiende aquella que no puede ser agregada en tablas tipo excel o en bases de datos relacionales del modo en que se incorporan cifras contables. Porque una cosa es obtener reportes de facturación, costos e inventarios, de lo cual se encargan desde hace muchos años la Inteligencia de Negocios (BI, por su sigla en inglés) y la Data Warehousing, y otra es capturar la percepción del público, las insatisfacciones de los clientes y el sentimiento que la organización está generando entre sus audiencias y mercados.

La ciencia de los datos analiza esa información para obtener patrones y predicciones… pero aquí se requiere mucho más que la simple reportería de la analítica tradicional.

Es decir, la propuesta que Big Data trae a las empresas es que no tienen que enfocarse solamente en los datos que generan sus empleados, sino que ahora es posible también aprovechar los datos que vienen de afuera, de fuentes no convencionales, como el audio, el video, los mensajes en Facebook y, tal vez lo más interesante, la información que proporcionan los dispositivos electrónicos.

La información emanada del GPS en cada auto vendido llega a manos de los fabricantes, que la utilizan para mejorar los diseños con base en los datos recibidos acerca del uso del automóvil. Varios operadores móviles en el mundo están aprovechando el conocimiento que tienen de la localización minuto a minuto de cada uno de sus clientes –porque el operador conoce en tiempo real en dónde está cada teléfono activo– para ofrecer a terceros la posibilidad de enviar publicidad contextual. Si estoy cerca de una tienda Starbucks podría recibir un SMS con la oferta del día. De ese tamaño es la batalla por los clientes.

Hay tantos tipos de datos, estructurados y no estructurados, que los mecanismos tradicionales ya no son suficientes. “La era de internet de las cosas y de la social media ha generado un nuevo orden en el mundo de los negocios y las compañías no están utilizando todas las posibles fuentes de información para tener una foto profunda de la realidad”, explica César Ayala, director de ventas de innovación para la región, de SAP.

Netflix es uno de los ejemplos emblemáticos del provecho que puede sacarse del enfoque Big Data. Asesorados por la firma norteamericana Teradata, el popular servicio de video por demanda debe buena parte de su éxito a la analítica automatizada. El perfil de House of Cards se construyó con base en el análisis de las reacciones, hábitos y gustos detectados en la masa enorme de clientes.

Netflix toma nota de qué escena transcurría cuando un cliente en cualquier país abandonó la película, y con la información de que dispone puede clasificar internamente sus filmes y series considerando las emociones que suscitan entre el público y ya no las viejas categorías de edad y sexo en que se basa la televisión tradicional. Y allí están los resultados. Netflix está redefiniendo el futuro de la televisión en el mundo.

La cantidad enorme de información externa proveniente de fuentes no estructuradas crece exponencialmente. Se estima que en 2020 habrá al menos 26 billones de dispositivos inteligentes en hogares y oficinas, proporcionando datos segundo a segundo. Cámaras de seguridad, teléfonos móviles, televisores de pantalla curva y hasta ollas que se conectan a internet, que informarán acerca de los hábitos de consumo de la gente con más detalles de lo que puede hacer hoy Google cuando rastrea nuestras búsquedas en la web.

Eso significa la palabra Big en el enfoque Big Data. Gigantescas cantidades de información que deben ser capturadas y analizadas por un Sistema Experto. Para Camilo Rojas, de IBM, este enfoque ha sido posible debido a la confluencia de dos condiciones que provocaron una situación de mercado que no se había dado nunca antes: una, la nube (cloud computing) para hospedar toda esa información de una manera costo eficiente; y dos, “sistemas cognitivos expertos especializados en analizar escenarios de negocios y en apoyar a los seres humanos en temas como atender un cliente o diagnosticar un paciente”.

IBM es famoso por su plataforma Watson, un sistema inteligente capaz de responder cualquier pregunta formulada en lenguaje humano y que es toda una leyenda en la historia computacional. Lo interesante de Watson es que entrega información clave para que los humanos tomen decisiones. En su uso en oncología, por ejemplo, Watson no diagnostica al paciente sino que, basado en el historial clínico, entrega al médico cruces de información que a un ser humano le tomaría semanas realizar, para que el doctor tome la mejor decisión. “La mayoría de decisiones de negocio en el futuro van a pasar por un motor de un sistema experto y cognitivo que ayudará en la toma de decisión”, afirma Rojas.

Las soluciones de Big Data son capaces de analizar videos. Una cámara en un aeropuerto puede identificar un bolso abandonado y alertar al servicio de seguridad. Hay muchos algoritmos detrás para que una cámara pueda entender qué es un bolso abandonado y el peligro que podría revestir.

Pero quizás lo más sorprendente es el análisis de sentimiento. Una empresa lanza una campaña en Twitter mediante un hashtag; la solución Big Data identifica los sentimientos negativos, los positivos y los neutrales expresados por el público en respuesta al hashtag, mediante técnicas de análisis de texto en español, las cuales pueden hilar muy fino, como entender la ironía en un tweet o identificar una negación sutil, además, por supuesto, de extraer la información de cuántos hombres y cuántas mujeres reaccionaron, las horas en que lo hicieron y todos los metadatos asociados al mensaje.

Adiós a los reportes

La manera en que la información es entregada a los ejecutivos y tomadores de decisión también ha cambiado. En la analítica tradicional, los reportes de inteligencia de negocios se entregan mediante gráficos de tortas y barras en la pantalla del computador, pero los reportes de Big data son más versátiles.

Una azafata en pleno vuelo recibe –eso ya está ocurriendo en varias aerolíneas– información en su smartphone acerca de cambios en las conexiones junto con la indicación de cada pasajero que es afectado por dicho cambio y puede comunicarlo personalmente, en lugar de las confusas informaciones generales a través del altavoz, que ocasionan sillas vacías en los vuelos.

“Ya no se trata de reportes que se imprimen y quedan en el escritorio sino mecanismos de interacción constante, y la mejor manera de hacerlo es a través de apps”, dice el experto de IBM Camilo Rojas. La calificación del sentimiento de los clientes en un análisis de mensajes de redes sociales se puede representar con alto-medio-bajo, con caritas felices u otros gráficos cualitativos embebidos dentro de la información.

En Big Data no se necesita una visualización independiente sino un complemento de la visualización de otros reportes. “Se requieren nuevas técnicas visuales de representación de datos orientadas a información masiva, como heatmaps, nubes de tags, nodos de redes de individuos; alejadas de los tradicionales formatos ofimáticos”, explica Iván Nicho, director de Centros de Competencia de Indra.

Para Guillermo Rodríguez, arquitecto de soluciones en Teradata Colombia, el enfoque correcto es el que ellos denominan All Data, que combina el valor de la analítica tradicional con el análisis Big Data. “Los clientes deberían tener un ambiente tradicional de Data Warehouse, pero juntarlo con plataformas para analizar los nuevos tipos de datos y hacer análisis no tradicionales”, dice.

Una solución de Big Data incluye al menos dos componentes: el primero atiende el enorme problema de la captura y almacenamiento de datos. Las llamadas que recibe un call center se almacenan en archivos de audio que ocupan considerable espacio, y luego deben ser convertidos a texto. Hadoop, una plataforma de código abierta, es la alternativa utilizada por la mayoría de proveedores. El segundo es la analítica, que le confiere valor al negocio. Aquí se encuentran los algoritmos, motores cognitivos y los sistemas expertos que procesan, interpretan, infieren y crean modelos predictivos, aplicando técnicas avanzadas de procesamiento y análisis estadístico, algoritmos genéticos, lógica difusa, procesamiento de lenguaje natural y otros lujos tecnológicos. Cada proveedor tiene su propia solución. IBM tiene Watson, SAP tiene Hana y Teradata tiene Aster Data.

De Big Data a Big Brother

Este nuevo enfoque tecnológico en los negocios ha suscitado no pocas discusiones acerca de la privacidad. Los consumidores pueden ser rastreados todo el tiempo, ya no solo cuando visitan un sitio web, sino incluso mientras caminan por la ciudad, y un temor a estar vigilado permanentemente inquieta a la opinión pública.

Es importante dejar en claro que ninguna compañía en el mundo puede hacer tales cosas sin el consentimiento expreso de los clientes, y la mayoría de empresas que implementa estrategias de Big Data para mejorar sus ventas y su servicio lo hacen con el consentimiento de los usuarios. Los programas de lealtad de clientes son el mejor camino para lograrlo.

En Estados Unidos, Wells Fargo implantó una solución Big Data para el análisis de fraude, mediante la cual identificó clientes con mora recurrente y que simultáneamente en las redes sociales mostraban compras o viajes de turismo. Esa información le permitió enfocar la estrategia de cobranzas en ese tipo de morosos que parecían disponer de fondos. Suena un tanto escalofriante, pero la compañía utilizó información lícita y consensuada.

Pero no todo tiene que ver con vender más. Big Data es utilizado en el área de la salud con resultados asombrosos. Una EPS puede utilizar la información emitida en tiempo real por un tensiómetro, desde la casa de un paciente, para decidir si amerita una visita preventiva cuando el paciente muestre una curva de desmejoramiento de su estado de salud.

Colombia en la era Big Data

Colombia va a experimentar en breve un boom de Big Data en virtud de la próxima implementación de la factura electrónica, que le permitirá a la Dian registrar cada compra cuando esta tenga lugar.

Hoy la Dian recibe esta información mediante los reportes de los sistemas ERP de las empresas, en los periodos de declaraciones. La factura electrónica permitirá obtener esa información minuto a minuto, lo cual permitirá un análisis gigantesco de patrones de evasión, según explica el experto Víctor Muñoz, vicepresidente comercial y de mercadeo de Carvajal Tecnología y Servicios, que ofrece consultoría y soluciones de Big Data.

Los segmentos que están acudiendo a Big Data en nuestro país son el sector financiero, que monitorea el comportamiento de clientes para ofrecerles nuevos productos y servicios; el sector salud para consumo de medicamentos y perfilamiento de pacientes; el sector petrolero, para los análisis de exploración; y, por supuesto, el sector consumo, que a través de las tarjetas de fidelización captura abundante información de sus clientes para brindarles ofertas a la medida y en el momento oportuno.

En Medellín se utiliza una estrategia Big Data para analizar en caliente la información del tráfico y adoptar medidas inmediatas, como cerramientos de vías cuando están sobrecongestionadas, sin esperar años a que un grupo de expertos analice y tome decisiones. Y el sector financiero aprovecha la potencia de Big Data para identificar patrones sospechosos en los movimientos y prevenir el lavado de activos o los fraudes. Sura, Banco Agrario, Bancolombia, Éxito y Fundación Cardioinfantil, así como varias entidades de gobierno, se encuentran en la creciente lista de organizaciones que adoptaron ya estrategias interesantes de Big Data. Pero el mercado está apenas en su primer hervor.

Hay empresas que deben transitar todavía las fases previas de la analítica y el warehousing tradicional. “En Colombia tenemos que entender que la Data no es un recurso, sino una cultura organizacional; cuando una compañía entiende esto, sus resultados de comunicación, mercadeo y en general del negocio se ven beneficiados considerablemente” dice Camilo Plazas, director general de ID Interactive, una agencia que utiliza Big Data para formular estrategias de mercadeo.

El interés del empresariado por estos enfoques ha crecido. El próximo 28 de julio se realizará en Bogotá la Primera Convención Latinoamericana de Analítica, organizada por la compañía SAS, especializada en este tema y en donde se examinarán las tendencias de Big Data y analítica. Además, junto con la Universidad Javeriana, SAS puso en marcha un diplomado en científico de datos. Big Data, sin duda, es una verdadera revolución tecnológica en el mundo de los negocios..

Impacto real en los negocios

No se trata de una moda tecnológica. Se puede cuantificar el impacto de una estrategia de Big Data. Iván Nicho, experto de Indra, una compañía global de consultoría, ofrece las siguientes cifras de impacto:

  • 20% de reducción de costos por optimización de zonas de reparto de catálogos promocionales en retailers.
  • 10% a 15% de incremento de ventas por la aplicación de modelos de optimización de recargas en operadoras móviles.
  • Más de 20% de mejora en la identificación del fraude en suministros de electricidad y gas.
  • Más de 3% de mejora en la predicción del riesgo de impago y cobro oneroso en aseguradoras.
  • Mejoras superiores a 20% en el ratio de impacto exitoso en las acciones comerciales en gran consumo.
¿Tiene algo que decir? Comente

Para comentar este artículo usted debe ser un usuario registrado.

EDICIÓN 531

PORTADA

La Bolsa de Valores necesita acciones urgentes

Con menos emisores, bajas rentabilidades y desbandada de personas naturales, la Bolsa busca recuperar su atractivo. Finca raíz, su nueva apuesta. ¿Será suficiente?