Datos: De la nube al éxito real

¿Ha intentado alguna vez tomar una decisión con un solo dato? No se puede, porque de forma aislada no cuenta nunca una historia. Por ejemplo, nos dicen que la temperatura es de cinco grados. Eso es un dato, pero... ¿qué significa? Si se refiere al tiempo en Alicante el próximo puente, la noticia no es muy buena: demasiado frío. Por el contrario, si se refiere a la previsión de temperatura en el Ártico, la noticia es peor: calor y deshielo.

Y es que un dato suelto puede significar cualquier cosa. Por eso, de cuanta más información dispongamos, más interesante será. Y al procesar y analizar los datos, se les dota de significado y utilidad: la información cobra vida.

¿Y cómo hacen las empresas para reunir todas las fuentes de datos distribuidas en sus sistemas IT, bases de datos, tiendas, aplicaciones móviles, etc? Utilizan la centralización de datos como plataforma para crear valor. Así, conducen a los negocios por caminos que otros software de gestión de archivos simplemente no pueden hacer, y permiten así a las organizaciones diferenciarse e innovar de verdad.

Un dato suelto puede significar cualquier cosa. Por eso, de cuanta más información dispongamos, más interesante será. Y al procesar y analizar los datos, se les dota de significado y utilidad: la información cobra vida.

Ya son muchas las empresas que han entendido esto y que han sabido aterrizar su amalgama de información en un beneficio real y tangible.

En la banca, las entidades observan y conectan todos los datos que tiene disponibles. Hasta ahora, ofrecían a sus clientes nuevos productos asumiendo necesidades que se basan en un punto en el tiempo y en grandes objetivos de ventas: ¿Ha nacido un bebé? Pues ofrecen una mejora en el seguro de vida. ¿Un hijo está en edad de ir a la universidad? La oferta será, esta vez, sobre un préstamo para pagar matrículas y costes de estudios. Así, los bancos basaban su estrategia comercial en estándares, lo que no siempre funciona.

Nada parecido a una relación personal con el gestor del banco, algo que se perdió y que ahora los centros de datos vuelven a permitir. Con un conocimiento profundo del consumidor es posible construir relaciones fuertes y duraderas al reforzar aspectos que aunque insignificantes en apariencia, son de gran importancia para el consumidor: hacerles saber que hay un mejor producto que el que tienen contratado, que están pagando por duplicado por el mismo seguro, o simplemente felicitarles por su cumpleaños. 

En esta línea, la analítica de datos puede permitir solucionar también algunos problemas del negocio minorista más tradicional. Las tiendas físicas se esfuerzan por conocer qué ocurre en sus locales: los clientes van y vienen y solo algunos de ellos compran algo. ¿Por qué? En los ecommerce, disponen de mucha información del comportamiento del consumidor, pero en el retail, o minorista, es complicado averiguar qué ha visto el cliente, qué productos le gustan o cuánto tiempo pasan en la tienda antes de efectuar la compra. Las tradicionales y costosas encuestas en frío solo brindan fragmentos de información que, junto con datos históricos escasos y una buena dosis de intuición, formaban la base sobre la cual los minoristas y las marcas hacían grandes inversiones en campañas de marketing y creación de productos: un tiro al aire.

Poco a poco se van desarrollando tecnologías que tratan de extraer datos para ofrecer a los minoritas información al detalle de lo que ocurre en la tienda. Y no únicamente a través de balizas en carros y cestas, también con análisis de la información que genera cada comprador, en tiempo real, mientras continúa en la tienda. Es posible monitorizar continuamente el comportamiento de los clientes mientras ocurre su experiencia de compra: en qué pasillos están, qué direcciones siguen, incluso cuanto tiempo pasan delante de diferentes productos. Este sensor puede predecir momentos cumbre y lograr así una mejor gestión de personal; el product placement deja de ser resultado de la intuición. Así, las tiendas físicas empiezan a parecerse a sus equivalentes online, que hacen crecer sus ventas tras escuchar los datos.

En este sentido, las posibilidades que ofrecen los datos parecen ilimitadas: una mejor experiencia de consumo u optimizar la disposición en una tienda, pero también en otras áreas como la seguridad y detección de actividades fraudulentas. Y es que el fraude es la ruina de muchos sectores de consumo, aunque ninguno es más susceptible que la industria de los seguros.

Este problema es real y los costes del fraude recaen tanto en la aseguradora –con pérdidas- como en los asegurados -con primas más altas-. Muchas de las aseguradoras trabajan para ajustar las pérdidas validando las reclamaciones, limitando su exposición y tratando de destapar los fraudes. Sin embargo y a pesar de todo, este tipo de estafa sigue siendo un gran problema: en el Reino Unido se estima la pérdida en miles de millones de libras y el incremento de las primas en un 5%. ¿El motivo? El fraude no puede advertirse de forma aislada, como un dato aislado.

Otras aseguradoras, tras años analizando datos de reclamaciones y combinarlas con fuentes de fuera y dentro de la organización consiguen detectar tendencias emergentes y patrones que revelan signos de fraude, utilizando datos contextualizados y machine learning para encontrar esa aguja en el pajar. 

Tom Reilly es CEO de Cloudera