¡Feliz Navidad y un exitoso 2020!

RSK Consulting les desea ¡Felices Fiestas!

.

La importancia de los datos no estructurados

En una empresa, la cantidad de datos generados diariamente es simplemente alucinante. Y hasta el 90% de esos datos se definen como datos no estructurados. Pero, ¿Qué significa eso y qué necesita saber sobre este tipo de datos?

¿Qué son los datos no estructurados?

Este tipo de datos están creciendo cada año y no pueden almacenarse fácilmente en una base de datos tradicional de columna-fila o en una hoja de cálculo como una tabla de Microsoft Excel. Por lo tanto, es más difícil de analizar y no se puede buscar fácilmente, por lo que no fue útil para las organizaciones hasta los últimos años. Hoy, sin embargo, tenemos herramientas de análisis de datos no estructurados con inteligencia artificial (AI) que fueron creadas específicamente para acceder a los conocimientos disponibles a partir de datos no estructurados.

Ejemplos de datos no estructurados

Piense en cualquier tipo de datos que no tengan una estructura reconocible y haya identificado un ejemplo de datos no estructurados. Estos son algunos de los ejemplos más comunes de datos no estructurados:

· Correos electrónicos: Aunque incluyen la fecha, las direcciones del remitente y del destinatario y la información del asunto, el texto en el cuerpo del correo no sigue un formato. Algunos se refieren a los correos electrónicos como datos semi estructurados.

· Archivos de texto.

· Fotos.

· Archivos de video.

· Archivos de sonido.

· Páginas web y publicaciones de blog.

· Paginas de redes sociales.

· Presentaciones.

· Transcripciones / grabaciones del centro de llamadas.

· Respuestas de encuesta abierta.

Importancia de los datos no estructurados

Dado que la mayor parte de los datos generados hoy son datos no estructurados, es importante que las organizaciones encuentren formas de administrarlos y analizarlos para poder actuar sobre los datos y tomar decisiones comerciales importantes. Esto ayuda a las organizaciones a prosperar en entornos altamente competitivos. Si se ignora esta información, las organizaciones no están utilizando todo lo que tienen disponible para tener éxito.

Herramientas de análisis de datos no estructurados

Si bien las organizaciones se han basado en conocimientos de datos estructurados durante años, no fue hasta que se desarrollaron las herramientas para analizar la gran cantidad de información que contienen los datos no estructurados que se volvió accesible y utilizable para las empresas de manera significativa. Los algoritmos de inteligencia artificial ahora ayudan a extraer el significado automáticamente de los volúmenes de datos no estructurados que se crean diariamente. Las empresas utilizan herramientas y software de big data, para procesar, extraer, integrar, almacenar, rastrear, indexar e informar información empresarial a partir de datos no estructurados sin procesar. Sin estas herramientas, sería imposible para las organizaciones administrar eficientemente los datos no estructurados.

Un caso de uso para datos no estructurados es el análisis del cliente. Cuando las empresas pueden integrar datos no estructurados de una variedad de fuentes, como transcripciones de centros de llamadas, revisiones en línea de productos, conversaciones de chatbot y menciones en redes sociales, y usan inteligencia artificial para detectar patrones en la información de estas fuentes, tienen la información disponible tomar decisiones rápidas que puedan mejorar las relaciones con los clientes.

Los datos no estructurados pueden ser un tesoro de inteligencia de marketing. Con la capacidad de escanear rápidamente grandes conjuntos de datos y encontrar patrones en el comportamiento del cliente, los responsables de la toma de decisiones aprenden qué productos o servicios son más atractivos para su mercado objetivo. Esto tiene importantes aplicaciones para el desarrollo de productos, así como para descubrir qué iniciativas de marketing son más valiosas.

Para las organizaciones que están muy reguladas, los problemas de cumplimiento pueden ser costosos en tiempo, dinero y reputación. Con la información proporcionada por datos no estructurados al analizar correos electrónicos y conversaciones de chatbot, por ejemplo, las organizaciones podrían descubrir problemas regulatorios antes y antes de que haya un impacto comercial negativo significativo. Esta capacidad es posible gracias al procesamiento del lenguaje natural, el análisis de sentimientos, el reconocimiento de patrones, las conversiones de voz a texto a través del aprendizaje automático y los algoritmos de inteligencia artificial.

Para aprovechar plenamente el potencial de los datos no estructurados, las organizaciones deben eliminar los silos de datos a favor de un centro de datos escalable. Al tener los sistemas para almacenar, analizar e informar datos de una variedad de fuentes y compartirlos con los tomadores de decisiones en un negocio, las organizaciones finalmente pueden descubrir el enorme valor comercial de los datos no estructurados.

Fuente: Bernard Marr. Asesor estratégico de datos para empresas y gobiernos.

Algunos errores de estrategia de datos que toda empresa debe evitar

Cada empresa es ahora un negocio de datos. Los datos son un activo estratégico clave hoy en día, ya sea que se trate de un gran conglomerado internacional o de una empresa familiar de propiedad local. Si no tiene una estrategia de datos efectiva, o ninguna, su empresa se está perdiendo las enormes ofertas potenciales de datos de valor empresarial. Para ayudarlo a seguir el camino correcto y evitar los errores comunes, estos son los 6 errores más grandes de estrategia de datos que toda empresa debe evitar.

1. Comenzando con una estrategia comercial desactualizada.

El mundo está cambiando rápidamente y una estrategia comercial que no ha evolucionado para ser relevante para la 4ta Revolución Industrial no será efectiva. Su estrategia de datos debe ser compatible con una estrategia comercial que sea correcta y relevante para el mundo de hoy. No tiene sentido gastar tiempo y recursos en recopilar y analizar datos en apoyo de una estrategia comercial desactualizada. No solo no llegará a donde necesita estar, sino que perderá tiempo y recursos tratando de llegar allí.

2. No comenzar con los objetivos y desafíos de su negocio.

Existen muchas formas y razones para analizar datos, pero no todas son importantes para que usted logre sus objetivos comerciales o lo ayude a resolver un desafío comercial. Demasiadas empresas desarrollan su estrategia de datos en torno a casos de uso que son interesantes o fáciles de implementar en lugar de aquellos que los llevan a su objetivo. Primero, tenga claro qué objetivo o desafío comercial está tratando de superar. Luego, descubra cómo puede usar los datos para llegar allí.

3. No definir medidas de éxito.

¿Cómo determinará si su estrategia de datos es exitosa? Si no ha definido indicadores clave de rendimiento (KPI) para su estrategia de datos que se vinculen con un objetivo específico, será imposible rastrear y revisar su progreso. Es importante que cualquier iniciativa de datos tenga un caso de negocio con los KPI correspondientes que impactará la iniciativa. Esto ayudará a su organización a rastrear el progreso y, en última instancia, a saber si logró su objetivo o no.

4. Solo considerando los costos técnicos y no presupuestando otros ítems críticos.

Sí, existen costos técnicos para implementar una estrategia de datos, pero muchas empresas olvidan presupuestar artículos fuera de los costos técnicos. Se requiere una cantidad significativa de cambios para poner en marcha un proyecto de datos; muchas compañías lo subestiman gravemente. Desde cambiar la cultura en la organización a ser una cultura en la que las decisiones se puedan tomar en base a datos en lugar de instinto o por aprobación del gerente, así como capacitar al personal para recopilar los datos correctos y comprender los requisitos de calidad de los datos, las empresas deben presupuestar para el desarrollo de habilidades y capacitación y gestión de personas y cambios además del presupuesto para costos técnicos. Asegúrese de que su proceso presupuestario sea integral.

5. Solo considerando datos internos y datos tradicionales y estructurados.

Hoy en día, los datos vienen en muchas más formas que solo bases de datos y hojas de cálculo. Gran parte del crecimiento de los datos puede atribuirse a datos no estructurados, incluidas fotos, grabaciones de sonido, archivos de texto y más. Una estrategia de datos sólida debe tener en cuenta los datos estructurados y no estructurados para obtener información sólida. Existen fuentes internas de datos que cada organización recopila, pero no se deben pasar por alto fuentes externas de datos, incluidos los repositorios de datos, los gobiernos y los corredores de datos, que pueden ser útiles para su negocio.

6. No considerar las cuestiones éticas, de privacidad y legales en torno a los datos.

Al comienzo de cualquier proyecto de datos, es necesario que exista un gobierno de datos adecuado. Deben definirse las consideraciones sobre cómo usar los datos de manera ética, así como los problemas legales y de privacidad del uso de datos. La confianza del consumidor es primordial. Los consumidores deben sentirse seguros de que usarán sus datos de manera segura y que obtendrán un valor tangible por permitirles usar sus datos. No se puede subestimar la importancia de determinar los derechos de acceso a los datos, la seguridad, la ética, la privacidad y cómo garantizar la calidad de los datos.

Una buena estrategia de datos es esencial para las empresas de hoy. Es un elemento clave para comprender cómo usar los datos para lograr los objetivos estratégicos de su empresa y se construye a partir de la determinación de los tres a cinco casos de uso de datos de su empresa. Estos casos de uso serán diferentes para cada empresa, pero independientemente, deben alinearse con su estrategia comercial.

Fuente: Bernard Marr. Asesor estratégico de datos para empresas y gobiernos.

Como utilizar una buena estrategia de datos para su empresa

¿Qué debe incluir en su estrategia de datos? Para desarrollar una estrategia de datos en una empresa, observamos las siguientes siete áreas:

1. Estrategia de negocios

Una buena estrategia de datos no debe crearse de forma aislada, debe ser impulsada por su estrategia comercial general. Por lo tanto, el primer paso en cualquier estrategia de datos es considerar las prioridades estratégicas de su organización y las preguntas comerciales clave. Solo así podrá identificar cómo podría usar los datos para ayudarlo a cumplir esas prioridades y responder sus preguntas comerciales.

Los usos de datos y las prioridades que identifique en esta fase son sus casos de uso. Para garantizar que su estrategia de datos esté enfocada y sea alcanzable, limítese a no más de 3–5 casos de uso de datos.

2. Prioridades de adopción a corto plazo

También conocido como victorias rápidas! Debido a que las grandes prioridades de datos estratégicos pueden tomar algún tiempo para implementar y entregar valor, creo que es útil también identificar 1-3 ganancias rápidas de datos. Estas son formas rápidas, idealmente relativamente económicas para que usted agregue valor y demuestre el retorno de la inversión de los datos, lo que, a su vez, lo ayuda a obtener la aceptación de esos casos de uso de datos más prominentes. Por ejemplo, puede hacer un análisis de rotación de clientes para ayudar a prevenir o reducir la rotación de clientes.

A continuación, para cada una de las prioridades de datos / casos de uso que haya identificado, debe analizar las siguientes consideraciones:

3. Requerimientos de datos

En esta etapa, piense qué datos necesita para alcanzar sus objetivos y de dónde provendrán esos datos. Esto incluye:

• ¿Necesita datos estructurados o no estructurados, o (idealmente) una combinación de los dos?
• ¿Puede lograr su objetivo solo con datos internos, o necesita complementar los datos de su empresa con datos externos (por ejemplo, datos de redes sociales, datos meteorológicos, etc.)?
• ¿Ya tiene o puede acceder rápidamente a los datos que necesita?
• De lo contrario, debe configurar una forma de recopilar los datos apropiados. ¿Qué método de recopilación de datos utilizará?

4. Dato de governancia

Los datos brindan grandes recompensas, pero también pueden ser una gran responsabilidad si no prestas la debida atención al gobierno de los datos. Este paso lo alienta a pensar en la calidad de los datos, la seguridad de los datos, los problemas de privacidad y propiedad, la transparencia y el uso ético de los datos. Las consideraciones clave incluyen:

• ¿Quién es responsable de garantizar que los datos sean precisos, completos y actualizados?
• ¿Cómo garantizará que los datos se almacenen de forma segura?
• Si está accediendo a los datos de otra persona, ¿Podría perder el acceso a ellos? ¿Qué harás si te cortan?
• ¿Cómo se asegura el uso ético de los datos?
• ¿Qué permisos necesita para poder recopilar y utilizar los datos?
• ¿Cómo puede minimizar los datos cuando sea posible (un principio fundamental de GDPR)?
• ¿Cómo garantizará el uso abierto y honesto de los datos en toda la empresa?

5. Implicaciones tecnológicas

Después de decidir cómo desea utilizar los datos y qué datos necesitará, el siguiente paso es identificar las implicaciones tecnológicas y de infraestructura de esas decisiones. En términos muy simples, esto significa analizar sus necesidades de hardware y software para:

• Recolectar datos.
• Almacenar y organizar datos.
• Procesamiento (análisis) de datos para extraer información, que puede incluir aprendizaje automático o tecnología de aprendizaje profundo.
• Comunicación de información a partir de datos, incluidos informes y visualización de datos.

6. Habilidades y capacidad

A menudo, el principal obstáculo para las empresas que desean obtener más de los datos es la falta de habilidades y conocimientos de datos. Por lo tanto, esta es una parte crítica de su estrategia de datos. Pregúntese:

• ¿Tiene las habilidades para entregar sus necesidades de datos?
• Si no, ¿puede capacitar al personal interno o necesita contratar nuevos talentos?
• Si está buscando habilidades externas, ¿se asociará con un proveedor de datos o existe la posibilidad de adquirir una empresa?

La conciencia de liderazgo es otra parte importante de esto. Su equipo de liderazgo necesita comprender por qué los datos son importantes y cómo los datos pueden ayudar al negocio a alcanzar sus objetivos. Idealmente, esta cultura de datos se filtrará en toda la empresa, de modo que todos en todos los niveles sean conscientes del poder de los datos.

7. Implementación y gestión de cambios

Hacer un plan es una cosa; entregarlo es otro. Entonces, este último paso se trata de asegurarse de que su estrategia de datos se haga realidad. Esto incluye:

• ¿Cómo implementará su plan? ¿Cuáles son las actividades clave que deben suceder a continuación?
• ¿Quién es responsable de realizar cada acción?
• ¿Qué cambios necesita hacer el negocio?

Una vez que haya examinado cada una de estas áreas, puede comenzar a crear un documento de estrategia de datos más formal.

Fuente: Bernard Marr. Asesor estratégico de datos para empresas y gobiernos.

Cuidando el planeta

Ventajas de Data Mining para las compañías de petroleo y gas

Desde los independientes más pequeños hasta las grandes empresas, los márgenes constantemente están bajo presión para las compañías de petróleo y gas. Ahora es el momento para que esta industria explore en sus unidades regionales, grandes cantidades de datos para revelar ahorros.

En pagos

La minería de datos produce datos limpios y confiables para dar valor. Considere estos breves escenarios de Data Mining (Minería de datos):

Análisis de cumplimiento de facturas. Sepa con certeza y sin demora si la factura de un proveedor cumple con su contrato. La minería de datos puede ayudar a las organizaciones de adquisición no solo a saber si los proveedores cumplen, sino que también entienden la implicación de los costos a escala de toda la empresa.

Análisis de condiciones de pago. ¿Cómo se puede optimizar el capital de trabajo? Cuando las organizaciones tienen múltiples contratos que abarcan múltiples sistemas, puede parecer imposible garantizar que estén recibiendo los mejores términos, especialmente cuando los términos de pago tienden a ser urgentes. Al garantizar condiciones de pago favorables, las empresas pueden liberar aún más capital de trabajo para proyectos de producción, planificación y mantenimiento.

En adquisiciones

La minería de procesos brinda total transparencia y más eficiencia a los flujos de trabajo complejos. Considere estos breves escenarios de minería de procesos:

Análisis de proceso. La minería de procesos permite utilizar la cantidad correcta y adecuada de tecnología. Esto ayuda a la interacción humana y optimiza los procesos comerciales. Al tener a una persona del otro lado, la satisfacción del cliente aumenta debido al toque personal, y la tecnología garantiza que las herramientas digitales utilizadas por ambas partes mejoren el ritmo y la calidad.

Procesar paneles de minería. Monitoree los indicadores clave de rendimiento utilizando paneles en tiempo real. Estos paneles consisten en diferentes modelos de proceso que interactúan entre sí en un solo panel de minería de procesos.

Mina las oportunidades

Esto no es una cuestión de 'si' los ahorros están sin explotar. El valor está bloqueado en estos procesos difíciles de manejar. Nuevas herramientas de minería de datos desentierran la información.

Teniendo en cuenta la naturaleza volátil del mercado energético, las compañías de petróleo y gas están cambiando el enfoque del crecimiento de primera línea a la mejora de márgenes a través de operaciones internas y servicios compartidos.

Para la industria del petróleo y el gas, la extracción de datos y procesos permitiría lo siguiente:

• Descubra relaciones previamente desconocidas y posiblemente útiles en los datos, mejorando así la comprensión de los equipos, sistemas, operaciones, personas, etc. de la planta.
• Pronostique patrones de uso y determine modos sostenibles de operaciones a nivel granular. Esto ayuda a modelar, estimar y calcular con precisión el rendimiento de la planta.
• Rastree y pronostique la demanda de petróleo y gas mediante el uso de indicadores macro, como el clima y las unidades de producción / volumen en un período de tiempo determinado.
• Proporcione un enfoque objetivo, concreto, consistente y repetible para analizar los datos continuamente.

Las compañías de petróleo y gas pueden realizar análisis para descubrir patrones y modos de operación para cualquier evento crítico próximo. Esto puede permitir el mantenimiento predictivo y evitar grandes costos de mantenimiento, que retroalimentan la toma de decisiones de adquisición.

Las organizaciones más avanzadas pueden identificar fases como recuperación primaria, recuperación secundaria y recuperación mejorada, y los mejores modos de extracción para cada fase de una manera más eficiente. Además, al desarrollar un modelo de extracción de referencia, las empresas tienen la capacidad de detectar eventos críticos que pueden ocurrir. Tal modelo puede usarse para propósitos de presupuesto y planificación, así como para descubrir patrones y modos de operación típicos dentro de las diversas fases.

¿Por qué minar datos y procesos hoy?

Las compañías están tratando con conjuntos de datos significativamente más grandes con contenido más variado y, por lo tanto, necesitan una estrategia de big data. Del mismo modo, los procesos se han vuelto complejos con cuellos de botella, desviaciones, largos tiempos de producción y otros obstáculos.

La minería de datos y procesos ha existido durante mucho tiempo. Lo que hoy es diferente son las herramientas para hacerlo. Los avances increíbles en inteligencia artificial (IA), aprendizaje automático y estadísticas ahora hacen posible ver información crítica de compra a pago en minutos, no en meses.

Los lejanos informes largos y arduos han terminado.

Fuente: Pam Rhoads. Senior Principal - Accenture Energy.

La Inteligencia Artificial está transformando la industria cervecera

¿Existe una fórmula mágica para preparar la cerveza perfecta? No. Aunque es probable que quien la encuentre tenga mucho éxito. Además, es una pregunta que uno de los mayores cerveceros del mundo espera responder con la ayuda de la Artificial Intelligence (AI).

AB InBev, uno de los principales productores de cerveza en el mundo, incluidas Budweiser, Stella Artois y Corona, está incorporando el aprendizaje automático en áreas clave de su negocio, ya que busca llevar una de las industrias más antiguas del mundo a la era digital. La compañía ha invertido en una serie de iniciativas basadas en datos con el objetivo de mejorar todo, desde cómo elaborar cerveza hasta cómo gestionar sus relaciones con los clientes y comercializar sus productos al público.

Comenzó sus pasos hacia la transformación digital hace varios años estableciendo lo que denomina su Beer Garage, un centro de innovación con sede en Silicon Valley, donde investiga, desarrolla y prueba soluciones basadas en tecnología.

El Director global de Innovación de AB InBev, Andrew Green, habló sobre los desafíos que implica agregar tecnología de punta a la preparación. "Beer Garage es nuestra oficina de tecnología emergente. Como empresa estamos super comprometidos con la innovación, por lo que ubicar a las personas aquí para estar realmente a la vanguardia de lo que está sucediendo es muy emocionante para nosotros. Es como si estuviéramos abriendo puertas al ecosistema externo e invitándolos a colaborar y co crear con nosotros".

Green explica: "Pasamos la mayor parte de nuestro tiempo trabajando con startups, empresas en etapa inicial, así como startups más grandes, y aprendemos mucho de ellas, es una forma realmente emocionante de trabajar para nosotros". La función de Beer Garage es sentarse entre este ecosistema de inicio y el negocio principal de AB InBev, y descubrir formas en que cada uno puede ser beneficioso para el otro. 

¿Cómo está AB InBev usando AI en este momento?

Green habló de tres casos de uso en áreas muy diferentes del negocio de la compañía. 

1er caso de uso: Es un sistema llamado Sense AI que utiliza el aprendizaje automático para ayudar a los cerveceros a mejorar la calidad y el sabor de sus productos. Implica el uso de análisis en tiempo real para medir los datos recopilados durante el proceso de elaboración de la cerveza, para predecir las cualidades del producto final. Sense AI propone: Tenemos todos estos datos, ¿Cómo podemos utilizarlos para poner el mejor producto que podamos en las manos de nuestros consumidores?

Otros datos que se utilizan incluyen los resultados recopilados de un proceso de clasificación, donde expertos catadores de cerveza evalúan el sabor de la cerveza informada algorítmicamente. Por el momento, esta capa de aportación humana es esencial. Todavía no se ha desarrollado un sistema digital de “degustación” que pueda ofrecer una evaluación tan completa y confiable del sabor y la calidad de una cerveza terminada, como un experto con lengua y cerebro biológicos. Pero, "En el futuro, es totalmente posible que podamos darle un giro más objetivo a eso, ya que algunas de estas cosas se vuelven más posibles de hacer de forma escalable a través de la tecnología", dice Green.

2do caso de uso: Implica el uso del aprendizaje automático para construir mejores relaciones y más sostenibles con los clientes, los distribuidores y puntos de venta que venden sus famosas marcas en todo el mundo. Esencialmente, ejecuta un modelo de análisis de riesgos, lo que significa que la empresa puede evaluar rápidamente a los clientes para determinar la cantidad de acciones que necesitarán y la cantidad de crédito que pueden ofrecerles. "Es un proyecto genial que se inspira en los servicios financieros y la tecnología financiera. Estamos vendiendo cerveza a minoristas, pero también estamos buscando ayudar a nuestros socios minoristas y clientes a desarrollar sus negocios". 

Green dice: "El sistema ABCredit le permite a la empresa identificar el nivel de crédito y términos de pago que se ajustan a su relación con un cliente individual, al hacer evaluaciones individuales más precisas en lugar de tener que usar términos más amplios para considerar los riesgos y las oportunidades.

Actualmente en fase de prueba en Brasil, la compañía espera que la plataforma finalmente se implemente a nivel mundial, una buena noticia para los fanáticos de la cerveza que tienen más probabilidades de encontrar sus tiendas, restaurantes y bares favoritos bien abastecidos cuando pasan por un momento de relax.

3er caso de uso: Una tercera iniciativa impulsada por la AI gira en torno al marketing y al concepto cada vez más popular de permitir que las máquinas tomen decisiones creativas con respecto al contenido de los materiales publicitarios y de marketing. Funciona analizando el historial de rendimiento de piezas individuales de material publicitario e imágenes, para saber qué funciona y qué no cuando se trata de atraer clientes a través de canales de marketing en línea.

Green dice: "Con solo tocar un botón, podemos crear un nuevo anuncio digital ... cuando piensa en todo el trabajo que se dedica a la fabricación de diferentes anuncios que se ven en las plataformas, incluidas las imágenes y el lenguaje necesarios, o poner la cerveza ligeramente hacia la izquierda o hacia la derecha podría ser la forma óptima ... ahora podemos automatizar muchos de estos procesos que permiten a nuestros creativos pasar su tiempo haciendo cosas creativas, en lugar de trabajar en la centésima repetición de un anuncio en particular. "

Esto libera al personal creativo para pasar el tiempo buscando las imágenes más atractivas o contando la historia más convincente, respaldada por datos sólidos sobre el impacto que probablemente tendrá cuando el anuncio se ponga en el mercado.

Las incursiones de AB InBev en la inteligencia artificial y el cambio impulsado por la tecnología son típicas de las que vemos en los líderes del mercado en todas las industrias. Su trabajo destaca cómo los sistemas inteligentes, de autoaprendizaje y automatizados pueden aplicarse a cualquier problema comercial para aumentar la eficiencia y mejorar los productos que suministran a sus clientes.

¡Salud!

Fuente: Bernard Marr. Asesor estratégico de datos para empresas y gobiernos.

La importancia de la alfabetización de datos en la empresa

Cuanto más alfabetización de datos tenga su organización, mejores serán sus resultados. Las organizaciones que no logran aplicarla o mejorarla, quedarán detrás porque no pueden utilizar completamente el recurso comercial vital de los datos para su ventaja comercial.

¿Qué es la alfabetización de datos?

El primer paso en la alfabetización de datos es la capacidad de comunicarse, escribir y leer sobre datos en contexto. Luego, los empleados, no solo los científicos de datos, necesitan evaluar críticamente los datos, encontrar el significado en los números y obtener información comercial práctica a partir de ellos. Los empleados con experiencia en un área de negocios serán los que estén en mejores condiciones para actuar sobre los datos para crear resultados. Esta es la razón por la cual es fundamental para todos en su organización, no solo los analistas de datos, tener acceso a los datos y una capacidad básica para leer y usar datos. Su organización no solo puede tomar decisiones basadas en hechos cuando tiene conocimientos de datos, sino que los usuarios pueden experimentar con los datos para descubrir nuevas perspectivas y oportunidades. Utilizar los datos, no solo recopilarlos, es la clave del futuro de su negocio.

¿Por qué la alfabetización de datos es importante para todas las empresas?

A pesar de que se supone que el gasto en productos de Big data y Analytics superará los $ 200 millones para 2020, según la International Data Corporation (IDC), el 50% de las organizaciones aún carecerán de conocimientos de datos y habilidades de inteligencia artificial para lograr el valor comercial. No importa cuántos datos recopile su organización; no es beneficioso hasta que se pone a trabajar para su organización. Los datos deben analizarse para obtener información procesable antes de proporcionar valor comercial.

Según una encuesta anual del Director de Datos (CDO) de Gartner, la escasa alfabetización de datos es uno de los principales obstáculos para el éxito de los CDO y la capacidad de crecimiento de una empresa. Para combatir esto, el 80% de las organizaciones tendrán iniciativas específicas para superar las deficiencias de datos de sus empleados para 2020, predice Gartner.

La alfabetización de datos es para el siglo XXI lo que la alfabetización era en el siglo pasado. Impulsará el éxito. Es esencial que todos en una organización entiendan por qué es importante mejorar la alfabetización de datos. Los empleados deberían poder utilizar los datos para influir en sus actividades cotidianas, así como en las decisiones generales. Si se usa de la manera correcta, puede ayudar a cada empleado a lograr sus objetivos, desempeñar mejor su trabajo y contribuir al desempeño general de la empresa. Y, cuando le da a todos acceso a los datos, puede hacer que sus operaciones sean más ágiles y eficientes, ya que aquellos que conocen su negocio no tendrán que esperar a que los científicos de datos los interpreten. Se elimina el cuello de botella.

Cómo promover y comenzar a desarrollar la alfabetización de datos

Aquí hay seis pasos esenciales que lo ayudarán a aumentar la alfabetización de datos en su organización:

1. Determine la alfabetización de datos actual de su organización. ¿Sus Gerentes pueden proponer nuevas iniciativas respaldadas por datos relevantes? ¿Cuántas personas están usando datos hoy para tomar decisiones?

2. No solo necesita analistas de datos que sean expertos en hablar naturalmente sobre datos, sino que también necesita tener "traductores" que puedan cerrar la brecha y mediar entre los analistas de datos y los grupos empresariales. Además, identifique dónde las barreras de comunicación impiden que los datos se utilicen en todo su potencial comercial.

3. Aquellos que entienden el "por qué" de las iniciativas tienen más probabilidades de apoyar la capacitación para llegar allí. Asegúrese de explicar por qué la alfabetización en datos es esencial para el éxito de su organización.

4. Es vital que tenga una manera para que todos puedan acceder, manipular, analizar y compartir los datos. Este paso podría involucrar la búsqueda de tecnología, como una visualización de datos o un panel de administración que lo haga más fácil.

5. Cree un programa de alfabetización de datos comenzando en pequeño. No se extienda demasiado lanzando un programa para todos a la vez. A partir de las evaluaciones, de "oportunidades perdidas" con datos, comience con una unidad de negocio a la vez. Lo que aprenda en su programa piloto se puede usar para ajustar el programa la próxima vez. Asegúrese de hacer que su programa de alfabetización de datos sea divertido y atractivo. Y recuerde: ¡el entrenamiento de datos no tiene que ser aburrido!

6. Lidere con el ejemplo. Los líderes de su organización deben priorizar el conocimiento de los datos en su propio trabajo para mostrar al resto de la organización la prioridad que su equipo asigna al uso de datos para tomar decisiones y respaldar las operaciones diarias. Insista en que cualquier propuesta de nuevos productos o servicios esté respaldada con datos y análisis relevantes para respaldar esas ideas. Con el tiempo, este énfasis en los datos creará una cultura de datos primero.

Si bien cada organización puede tener un camino único hacia la alfabetización de datos, está claro que cada organización debe comenzar su viaje si aún no lo han hecho, o se quedarán atrás en el mundo empresarial del futuro. La alfabetización de datos impulsará el éxito, y cuanto más se aplique en su organización, mejores resultados tendrá.

Si desea obtener ayuda para impulsar la alfabetización de datos en su negocio, póngase en contacto con nosotros.

Fuente: Bernard Marr. Asesor estratégico de datos para empresas y gobiernos.

RSK Consulting en el Hackaton SAS Perú

RSK Consulting asistió el viernes 2 de agosto a la primera Hackaton SAS organizada por SAS Perú, dirigida al equipo de TI y partners locales, por motivos del lanzamiento de la plataforma SAS Viya.

En la foto, Wilder Vargas y Melany Livora de RSK Consulting

Este evento tuvo como finalidad analizar casos reales de negocio, donde los participantes de manera colaborativa, utilizando las últimas tendencias y conocimientos en Inteligencia artificial, Machine Learning y SAS Viya, plantearon soluciones innovadoras a través del desarrollo de propuestas tecnológicas. Asimismo, se revisaron asuntos de generación de modelos predictivos.

Evento liderado por Ignacia Güell, Ingeniero Asociado de Sistemas de SAS

Cabe mencionar que SAS Viya es un motor de análisis in-memory que incluye el machine learning, habilitado para la nube y creado para resolver problemas analíticos de cualquier tamaño o complejidad, implementando resultados para obtener el máximo retorno de la inversión.

#RSKConsulting #HackinSAS #SASPeru #SASViya #SASPartners

El futuro del comercio minorista

¿Has entrado en tu tienda favorita y has recibido una notificación personalizada en tu teléfono con un cupón para algo que compras cada semana? ¿O abrió una aplicación en su teléfono que le indica la ubicación exacta de un producto que desea comprar y muestra cuántos hay en el estante? Si aún no ha experimentado esto, sin duda lo espera en un futuro próximo. Más minoristas están utilizando Internet of Things (IoT) para conectarse con consumidores como este. Es algo que podría revolucionar la forma en que los consumidores compran y lo que esperan de sus minoristas favoritos.

De hecho, diría que la experiencia del cliente, o la expectativa, podría ser la fuerza impulsora detrás de los minoristas que usan IoT para crear una experiencia omnicanal más fluida para el consumidor conectado. Los consumidores de hoy no quieren encontrar una tienda diferente en línea, en su teléfono y en su vecindario. Quieren una presencia constante, con un servicio constante, siempre. (Con incentivos para arrancar, por supuesto).

Los datos gobiernan el mercado minorista

Entonces, ¿cómo utilizan los minoristas IoT para crear una mejor experiencia omnicanal para el consumidor conectado? Yo diría que hay dos grandes formas. Y ambos se reducen a datos.

Armados con la destreza de recopilación de datos de IoT, los minoristas están utilizando productos tecnológicos de proveedores como SAS para reunir análisis omnicanal que arrojen luz sobre las acciones de sus clientes a través de una variedad de plataformas: móviles, sociales, etc. Este enfoque puede proporcionar insights valiosos sobre los niveles macro y micro.

¿Qué tipo de insights?

. Saber cuándo un consumidor conectado está buscando un producto de la competencia y poder enviarle un mensaje de texto instantáneamente como un incentivo para comprar el suyo.

. Conocer cuándo el cliente pasa por su ubicación física y envía un cupón para un artículo que ha visto en línea recientemente.

. Interpretar cuál es la verdadera demanda del área comercial combinando las ventas en línea y fuera de línea, con datos de tráfico web y en la tienda para cualquier local.

. Sabiendo que el consumidor conectado, en promedio, solo esta dispuesto a gastar una cierta cantidad por un determinado producto para que pueda ajustar su precio antes de que llegue a las tiendas.

Unir datos del consumidor conectado

No es bueno tener el tipo de datos que une las plataformas. Son datos que pueden ayudar a cerrar una venta y mantener a las empresas en funcionamiento, o, lo más probable, adelantando el paquete. De hecho, el 78%  de los minoristas dice que es importante o "crítico para el negocio" integrar sus experiencias en línea y en la tienda para crear una experiencia omnicanal sólida para sus clientes conectados. El análisis realizado con estos datos puede ayudarlos a ajustar mejor el inventario, manteniendo bajos los desechos y el consumidor conectado satisfecho. Puede determinar qué promociones fueron exitosas, hasta el momento en que el cliente participó y / o actuó en la oferta. Básicamente, está eliminando las "tripas y conjeturas" del comercio minorista y utilizando cada pieza de datos multicanal en su lugar.

Tecnologías que impactan

Ahora las empresas tienen acceso a IoT para conocer a sus clientes y encontrar formas mejores, más fluidas y mejores de atenderlos a través de los canales. Eso es genial. Pero, ¿cómo hacen para implementar esos incentivos inteligentes y las comunicaciones automatizadas y los planes de personalización? Hay algunas tecnologías que pueden ayudar.

- Tecnologías WiFi y RFID. Algunos dicen que para 2021, casi el 80% de los minoristas podrán personalizar la visita a la tienda para los clientes. ¿Por qué? Porque estas tecnologías podrán decirles exactamente dónde están los consumidores conectados y el inventario de productos en la tienda. Imagine tener un tesoro de datos, lo que alguien come, el tamaño que usan, su marca favorita, y poder atraerlos con alertas de nuevos productos y ventas justo cuando entran por la puerta. Todo sin tener que aumentar su personal de ventas.

- Análisis casi en tiempo real. Todos los minoristas sueñan con tener un mejor manejo de su mercado. Pero pocos pueden hacerlo hasta que los informes de ventas estén listos para el trimestre. Usar cosas como etiquetas de precios inteligentes puede cambiar eso. Ahora, las empresas pueden ver en tiempo casi real si un determinado punto de precio está funcionando para su base de clientes y cambiarlo, automáticamente, si necesitan reducirlo o aumentarlo para maximizar las ventas. ¡Eso es un cambio total del juego! No más lanzamientos fallidos o promociones: siempre existe la oportunidad de solucionarlo y mejorar las posibilidades de venta.

- Inventario de tecnología de transparencia. Una de las cosas más molestas en términos de experiencia del cliente es el inventario fallido: cuando un cliente cree que algo está en stock, hace un viaje para comprarlo y descubre que no está allí. La nueva tecnología de inventario como los estantes inteligentes puede ayudar al alertar al personal en tiempo real cuando el inventario es bajo. Es solo una forma más de asegurarse de que el consumidor conectado esté contento.

Hay muchas nuevas tecnologías y formas de mantener satisfecho al consumidor conectado en varias plataformas. Las empresas esperan que esto impulse las ventas, y tal vez incluso mantengan en funcionamiento sus tiendas físicas. De hecho, los datos y las percepciones proporcionadas por IoT pueden ayudar a los minoristas a establecer su marca con mayor firmeza y extraer una lealtad aún mayor del cliente si se usa bien. Después de todo, como humanos tendemos a ser leales a las personas, y a las empresas, que nos conocen mejor.

Fuente: Daniel Newman, analista principal de Futurum Research y CEO de Broadsuite Media Group.

Los principales tipos de liderazgo durante la cuarta revolución industrial

El hecho de que sus colegas en el futuro lugar de trabajo, incluyan inteligencia artificial y robots, no significa que las habilidades de liderazgo humano no sean necesarias. De hecho, las habilidades de liderazgo serán vitales para el éxito. El mundo de constante movimiento, interconectado e impulsado por la tecnología requerirá que los líderes se adapten a las nuevas realidades de la cuarta revolución industrial para tener éxito. Si bien algunas personas nacen con habilidades de liderazgo innatas, las personas con una pasión por hacerlo, también pueden aprender las habilidades de liderazgo del futuro lugar de trabajo.

A continuación, compartimos 14 habilidades de liderazgo del lugar de trabajo futuro:

1. Activamente ágil: Debido a la velocidad del cambio en el futuro lugar de trabajo, los líderes tendrán que ser ágiles y capaces de abrazar y celebrar el cambio. Los líderes exitosos durante la cuarta revolución industrial verán el cambio no como una carga, sino como una oportunidad para crecer e innovar.

2. Inteligencia emocional (EQ): Al igual que los empleados necesitan una cantidad saludable de inteligencia emocional, será fundamental para los líderes en el futuro lugar de trabajo poder percibir, comprender y gestionar las emociones: las de ellos y las de sus equipos.

3. Humildemente confiado: Los líderes de mañana tendrán que encontrar un equilibrio entre la confianza de sus propias habilidades y decisiones, y ser humildes acerca de su lugar en la organización. Los futuros líderes tomarán todas las habilidades únicas del equipo, trabajando juntos para impulsar iniciativas y los líderes no serán vistos como la pieza fundamental para el éxito. Los líderes del mañana animarán a otros a brillar.

4. Explicable: Los líderes deberán ganarse el respeto de su equipo haciéndose responsables. El lugar de trabajo del futuro será más transparente y colaborativo. En este entorno, es crucial que las acciones de un líder estén alineadas con las metas y los objetivos de la compañía.

5. Visionario: En cualquier organización hay múltiples partes interesadas y un futuro líder necesitará una visión global. Será capaz de entender cómo cada parte interesada, ya sea empleados, proveedores, accionistas u otros, se verá afectada por las decisiones. Esto requiere que un líder determine estratégicamente cómo satisfacer las necesidades de todas las partes interesadas de manera efectiva.

6. Valiente: No habrá una hoja de ruta clara a seguir en el lugar de trabajo del futuro. Esto requiere que un líder tenga el coraje de enfrentar lo desconocido y navegar por circunstancias difíciles. Posiblemente aún más esencial es el valor para cambiar el curso en caso de que la situación requiera una nueva estrategia.

7. Flexible: Los líderes necesitarán flexibilidad en el futuro para adaptarse a las cambiantes demandas de los trabajadores, las áreas de trabajo y las herramientas. Lo que resultó un éxito en el pasado no será la fórmula para el éxito de mañana, por lo que los líderes deben flexionarse para adaptarse a la nueva realidad. Y, se espera que la realidad cambie regularmente, por lo que los líderes no podrán ser complacientes.

8. Conocedores de tecnología: La cuarta revolución industrial viene impulsada por tecnologías tales como inteligencia artificial, blockchain, robótica, internet de las cosas, big data, realidad aumentada y más. Casi todas las industrias y empresas cambiarán debido a la tecnología. Los líderes necesitarán entender, tener conversaciones y tomar decisiones sobre la tecnología. La capacidad de comprender lo que la tecnología puede hacer por una organización es esencial, y los líderes deben adoptar continuamente nuevas plataformas y herramientas tecnológicas.

9. Intuitivo: Como resultado del influjo de máquinas en el futuro lugar de trabajo, los líderes deberán ser aún más humanos. La intuición de un humano es la capacidad de "leer" lo que no se dice y es en este momento una habilidad exclusivamente humana. Un líder que esté dispuesto a conversar sobre lo que no se está diciendo y escuchar lo bueno, lo malo y lo feo de su equipo estará preparado para el éxito futuro.

10. Colaborativo: Los futuros líderes no se quedarán en la oficina de su esquina. Será imperativo que los líderes en el futuro trabajen junto a sus empleados y conozcan sus fortalezas y debilidades para ayudarles a adquirir nuevas habilidades, ayudando a impulsar su desarrollo profesional. Serán muy colaborativos.

11. Aprendices rápidos: Los líderes necesitarán evaluar rápidamente una situación y aprender lo que necesitan para tomar decisiones efectivas. Junto con esto, deberán estar abiertos a la capacitación y el aprendizaje de los expertos en la materia de su equipo.

12. Culturalmente inteligente: Nuestros futuros lugares de trabajo serán diversos y globales. El liderazgo efectivo requiere que alguien con experiencia aprecie y aproveche las diferencias que cada individuo aporta al equipo desde sus perspectivas individuales.

13. Auténtico: Con una fuerza laboral multigeneracional y multicultural, los líderes deberán expresar su autenticidad. Estos son los que mejor pueden construir conexiones y confiar. Los líderes deberán ser auténticos en tiempos de incertidumbre y fracaso, como lo deben ser cuando están entusiasmados con el éxito.

14. Atención: Si bien el ritmo del futuro lugar de trabajo será rápido y requerirá flexibilidad, un líder futuro deberá mantenerse enfocado en los objetivos de la organización. Proporcionan la estabilidad que los empleados necesitan, incluso cuando el ritmo del cambio podría facilitar el cambio de una prioridad a otra. Un líder fuerte podrá atravesar el caos y asegurarse de que todos sepan lo que es importante.

Fuente: Bernard Marr. Experto en tendencias de gestión y tecnología. Es un colaborador frecuente del Foro Económico Mundial y escribe una columna regular para Forbes.