Minería de datos optimizaría indicadores de procesos

La minería de datos se convierte en factor de competitividad

Con base en un sistema de números inteligentes, capaces de hacer mediciones constantes en bases de datos y en lugares que almacenen información, las empresas tendrán todo el material necesario para evaluar rendimientos y procesos.

Así lo explica el estudiante Juan Camilo Giraldo, del doctorado en Sistemas de la Universidad Nacional de Colombia en Medellín, quien resalta que el término minería de datos se refiere a la analogía que se hace con los mineros cuando ingresan a lo más profundo de la mina para extraer el material, de la misma manera que lo hace su programa.

La minería de datos se convierte en factor de competitividad

De esta forma, el software es capaz de evidenciar falencias e inconsistencias en los procesos, para posteriormente hacer la corrección de los mismos.

Las variaciones identificadas son almacenadas en una base de datos como KPI (en inglés Key Performance Indicators, o Indicadores Clave de Desempeño) que miden el nivel del desempeño de un proceso, con el fin de retroalimentar, ajustar procesos o recursos, y que sirvan como variables de punto de comparación en el momento de ejecutar otros frente a objetivos similares.

Inicialmente se ingresan los procesos articulados a unos objetivos trazados, para realizar operaciones transaccionales típicas, y se consolidan posteriormente en una bodega de datos, lo que permite concretar unos hechos del negocio.

Por medio de explotación de información se extraen entonces causas que presenten los históricos y se analizan en términos de indicadores.

Dicho análisis involucra medidas cualitativas y cuantitativas, y está sujeto a una técnica de minería de datos que apoye la interpretación de los KPI obtenidos, que después se almacenarán y servirán como punto de referencia para próximas ejecuciones.

Inbound Marketing y leads scoring:

El Inboud marketing es la metodología por la que una empresa gestiona sus acciones de marketing dirigidas sobre todo a incrementar el número de visitantes que registra una determinada página web, blog, red social,… con el fin de que acaben convirtiéndose en clientes.

Mediante el uso de determinadas aplicaciones se consigue que cada potencial cliente que accede a la página web, blog o perfil en redes sociales  acabe convirtiéndose en Leads. Un Lead es un registro con los datos de las personas que se han interesado o participado en las acciones online de la compañía, mediante la creación de Leads se alimenta una base de datos, con la que se realizarán diferentes acciones de marketing para lograr el objetivo final, lograr que el potencial cliente se convierta en cliente y fidelizarlo.

Sigue leyendo

Dónde Empleamos Nuestra Fuerza, Tenemos el Resultado

“ …En los tiempos que corren, los clientes son cada vez más infieles….. “

Esta frase se escucha cada vez más en las Empresas … pero realmente: ¿ es responsabilidad de “ los tiempos que corren “ o de “ los clientes “, la fidelidad a un servicio o a una marca?

Quizás las Empresas deberían reflexionar y desarrollar una correcto PLAN DE FIDELIZACIÓN.

Sigue leyendo

AutoScoring: Scoring para seguros de Automóvil

Se trata de una técnica que empiezan a utilizar algunas aseguradoras y que consiste en asegurar vehículos para uso particular en base a un sistema de scoring.

El scoring es un sistema de puntuación que se asigna a un solicitante, en este caso de seguros de automóviles, en base a su perfil comparándolo con el que tenían los solicitantes de pólizas de seguros anteriores, es un proceso de evaluación automática que evalúa diferentes características en las que interviene el conductor, el vehículo y el nivel de riesgo que como cliente representa, este análisis supone poder ofrecer un precio personalizado para cada individuo, basándose en el comportamiento de cada asegurado en particular respecto de cada variable considerada.De manera que no pagará lo mismo una persona de 45 años sin hijos en edad de conducir con un vehículo con dos años de antigüedad y que anualmente recorra unos 15.000 km que una persona de 22 años, con una antigüedad de 10 años del vehículo y que además lo utilice para tareas de reparto.

Sigue leyendo

SCORING y RATING, las diferencias?

Para comenzar a mostrar las principales diferencias  que hay entre estos dos productos vamos a definirlos, podríamos definir Scoring  como la puntuación que se asigna a un solicitante de financiación en base a su perfil comparándolo con el que tenían los solicitantes  de operaciones anteriores, se trata de un sistema de evaluación automática de la capacidad de crédito de los solicitantes de operaciones de financiación. Mientras que Rating es  una calificación(opinión) que se asigna a un solicitante de financiación o a una emisión de deuda, atendiendo a su nivel de riesgo crediticio, y normalmente es realizado por agencias especializadas como Estándar & Poor´s o Moody´s.

Los scorings evalúan a personas físicas o a pequeñas o medianas empresas, mientras que los Rating lo hacen con grandes empresas, entidades financieras o administraciones públicas.

Sigue leyendo

Gestiona tu Big Data: Nosotros te ayudamos.

Conoceratucliente.com ha estado presente en el Retail Forum 2014 que tuvo lugar el pasado 11 de junio.

Julien Boyer participó como ponente junto a Alvaro Valeros, de la Empresa Codeactivos, quien expuso el aumento de eficacia gracias al correcto tratamiento de datos tras usar la herramienta Datalab.

El data minning, la correcta segmentación y tratamiento de datos son, a día de hoy, un requisito indispensable para unir rapidez y eficacia.

Sigue leyendo

Retail Forum 2014

Conoceratucliente.com es gold sponsor en el Forum Retail 2014 que tendrá lugar en Madrid el próximo 11 de junio en el Hotel Confortel Atrium(mapa).

Este evento será el punto de encuentro para empresas de Retail, entidades financieras y empresas expertas en análisis de datos y Big Data, para compartir experiencias y construir nuevas redes de contacto.

Sigue leyendo

La minería de datos desaprovechada

La información es clave para todo tipo de negocios pero el enorme incremento de datos hace que éstos se vuelvan un problema y una carga, si no se los analiza, clasifica y guarda adecuadamente. Ya en noviembre de 2012 la investigadora Gartner anticipaba en su informe ‘Big data and Information Infraestructure’, que, durante este año, los grandes volúmenes de datos impactarían en las organizaciones. Se identificaba así a un conjunto de activos de información, “caracterizados por alto volumen, alta velocidad y alta variedad, que demandan formas innovadoras y costo-efectivas de procesamiento de la información para la mejor comprensión (insight) y toma de decisiones”, según define Edgardo Jury, gerente General de la consultora Technology Value Partners y representante de Gartner para el Cono Sur.
La incógnita para muchas empresas sigue siendo el cómo hacerlo. Una alternativa pasa hoy por la posibilidad de analizar los datos en base de patrones que permitan predecir comportamientos, hábitos de compra o, incluso, de fuga de clientes y fraude, entre otras acciones. Es aquí donde entran en escena las soluciones de data mining o minería de datos.
“La utilización de este concepto permite comprender mejor el comportamiento del mercado, tanto de clientes como de competidores, ayudando al diseño de productos, la gestión de ventas y, fundamentalmente, midiendo, en forma anticipada, los riesgos y la prevención de fraudes”, explica Roxana Matias Gago, socia a cargo del área de Bancos y Compañías de Seguros, de consultora internacional especializada en gestión de riesgo Crowe Horwath.
Por su parte, Daniel Yankelevich, CEO de la consultora Pragma, recuerda sin embargo, que “antes de empezar a minar, es importante entender el valor para el negocio de esos datos y definir una estrategia para alinear el proyecto tecnológico con el bottom line”. En la Argentina aún son pocas las compañías que aprovechan el data mining, recuerdan los especialistas. Entre los que sí lo hacen se encuentra CMR Falabella. Con 518 empleados y una facturación de $ 1.300 millones (2012), la división financiera del retailer chileno Falabella, utiliza la minería de datos para el desarrollo de modelos predictivos que faciliten originar y admitir nuevos clientes como para analizar el comportamiento en la administración del portfolio de clientes existentes.

El retail
La infraestructura para logralo se compone de dos equipos. Uno, compuesto por cinco profesionales, funciona dentro de la gerencia de Riesgos y se dedica a investigar los datos para detectar patrones de comportamiento, identificar desvíos y predecir tendencias. Ello redunda, luego, en la definición y ajuste de las políticas de riesgo de crédito que la empresa gestiona, según cuenta Flavia Nuñez, gerente de Riesgo y Cobranzas de CMR Falabella Argentina. Otro es el equipo de seis personas que funciona en el área de Negocios. Este se enfoca en tareas de minería para obtener información útil referida a preferencias de los clientes y, en base a ello, la potencialidad de compra y fidelización.
La ejecutiva de CMR Falabella cuenta que su compañía utiliza data mining hace más de 10 años. Sin embargo y más allá de la detección de patrones no obvios, “la práctica permite la automatización de las decisiones de crédito, agilizando los tiempos de respuesta a las solicitudes de crédito y ofreciendo un criterio uniforme en cada análisis”, detalla Nuñez. El valor agregado que se genera: llegar a los clientes con ofertas adecuadas, bien dirigidas. “Evita saturarlos con comunicaciones de ofertas que no se acercan a sus necesidades y expectativas”, puntualiza.
La firma trabaja con bases que manejan hasta seis millones de registros. “Se trabaja con un datamart, que contiene un mapa relacional de tablas que se actualizan periódicamente y a partir del cual se construyen los modelos predictivos de mora, de propensión y de fuga, entre otros”, agrega.
En referencia a los tiempos de la implementación de las soluciones elegidas (SPSS, Modeler 14.0, ambas de IBM; y SQL Server, de Microsoft), Nuñez deja en claro que estos dependen de la calidad y complejidad de los datos que le dieron origen. “Si los datos almacenados son consistentes y están organizados debidamente, el desarrollo de un modelo predictivo puede llevar entre ocho y 12 semanas, dependiendo de la complejidad del modelo”, comenta. En caso contario, si los datos de origen no son limpios porque hay datos guardados con formatos erróneos o información faltantes, los tiempos se alargan. Mientras que la implementación de sistemas agrega entre seis y ocho semanas”, observa la ejecutiva de CMR Falabella.

Más y mejor entretenimiento
DirecTV, operadora de televisión satelital, es otro caso donde la tecnología del data maning se volvió fundamental para una operación, que en la Argentina, cuenta con 3.000 empleados. “Nuestra compañía cuenta con nueve operaciones distintas en la región que llamamos Panamericana. Ellas maduraron a diferentes velocidades, según la realidad de cada mercado. Por ello, conviven una cantidad importante de versiones distintas de software de base de datos y sistemas satélite de la compañía. SAS (N.d.R.: proveedor con el cual colaboran en data mining) resultó un aliado frente a este contexto, ayudando a llevar las fuentes de datos a una visión estandarizada y permitiendo, luego, una explotación más ordenada de la información”, comenta Damián Ignacio Ramos, gerente Regional de Analytics en DirecTV para la región Panamericana. El ejecutivo resalta que tuvieron avances “en tan sólo dos meses, en la gestión de campañas y en aplicaciones de análisis avanzado con interfaces sencillas de usuario final”.
La buena experiencia con la solución hizo escuela dentro de la empresa, que para la región Panamericana registró, al 31 de diciembre 2012, una facturación anual de u$s 2.700 millones. Junto al área de Experiencia del Cliente, hoy, la están utilizando otros sectores de la compañía, como Marketing, Finanzas y Operaciones.
“Lo utilizan más de 100 usuarios repartidos en las operaciones de América latina, con la administración de la plataforma y el hardware centralizados en la Argentina – asegura el ejecutivo de DirecTV y continúa- Nuestra área, compuesta por 40 personas, la utiliza para analizar las razones de fuga de clientes, gestionar campañas de fidelización, para cobrar, para hacer controles de auditoría y para realizar la segmentación de clientes”.
Mientras, en Nextel, el disparador que los condujo hacia la implementación de data mining fue la creación de un área de Business Intelligence (BI). “El objetivo era hacer una consolidación efectiva de la información de los sistemas para reporte y generación de tableros de alta complejidad. El tema es que debía ser de fácil uso para facilitar el proceso de toma de decisiones estratégicas. Una vez que la plataforma de BI estuvo madura, surgió la necesidad de buscar formas predictivas de retener e identificar a nuestros clientes”, recuerda Matías Ravizzoli, director de Business Intelligence de Nextel Argentina. Los proveedores elegidos por esta empresa fueron MicroStrategy, para la visualización, y SPSS para la generación de modelos de minería.

Telecomunicaciones y data
La empresa de telecomunicaciones móviles, que tiene en nuestro país 1.650 empleados y factura, aproximadamente, u$s 700 millones, utiliza este tipo de soluciones para la retención, fidelización, cobranzas y atención al cliente. “A toda operadora de telecomunicaciones, le preocupa el nivel de clientes que se desactivan (churn). Por eso, buscamos soluciones para predecir la posibilidad que tenía cada cliente de darse de baja en nuestro servicio, tanto en forma voluntaria como involuntaria, por falta de pago”, comenta Ravizzoli. Como complemento de estos modelos de predicción de churn se realizó un modelo de valor de cliente para saber también a qué clientes priorizar en nuestras acciones proactivas, revela el ejecutivo. Con las implementaciones, Nextel logró reducir la tasa de ‘bajas’ de clientes y los deudores. “Además, la percepción de nuestros clientes cambió positivamente”, agrega.
Antes de concluir, Ramos, de DirecTV sugiere a las empresas interesadas en implementar data mining que contraten los mejores talentos posibles porque, allí, radica la mayor parte de probabilidad de éxito. El especialista recomienda no comenzar con proyectos grandes sino con pequeños, “siempre, teniendo una estrategia de centralización de datos y aplicaciones como norte, para evitar la duplicidad de soluciones”.
Mientras, Nuñez, de CMR Falabella, aconseja no dudar en incorporar el data mining a la gestión. “Los ayudará enormemente en concentrarse en la información más relevante, a la hora de tomar sus decisiones de negocio”, sostiene. Sin embargo, muchas empresas aún se debaten ante tal posibilidad.

Fuente: Cronista.com